1、正则表达式:目的是为了爬虫,是爬虫利器。

正则表达式是用来做字符串匹配的,比如检测是不是电话、是不是email、是不是ip地址之类的

2、JSON:外部数据交流的主流格式。

3、正则表达式的使用

re python 内置的模块,可以进行正则匹配

re.findall(pattern,source)
pattern:正则匹配规则-也叫郑泽表达式
source:需要查找的目标源
import re
a = "C0C++7Java8C#Python6JavaScript"
res = re.findall("Java",a)
print res
# [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
# ['Java', 'Java']

4、正则表达式的应用

  • 查数字
  • 用概括字符集:\d
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("\d",a)
    print res
    # Project/python_ToolCodes/test10.py"
    # ['0', '7', '8', '6']
    用另外一种匹配模式-字符集:[0-9]
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("[0-9]",a)
    print res
    # Project/python_ToolCodes/test10.py"
    # ['0', '7', '8', '6']

    其中"Java"叫普通字符,"/d" 源字符

  • 查非数字
  • 用概括字符集:\D
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("\D",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['C', 'C', '+', '+', 'J', 'a', 'v', 'a', 'C', '#', 'P', 'y', 't', 'h', 'o', 'n', 'J', 'a', 'v', 'a', 'S', 'c', 'r', 'i', 'p', 't']
    用另外一种匹配模式-字符集:[^0-9]
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("[^0-9]",a)
    print res
    # Project/python_ToolCodes/test10.py"
    # ['C', 'C', '+', '+', 'J', 'a', 'v', 'a', 'C', '#', 'P', 'y', 't', 'h', 'o', 'n', 'J', 'a', 'v', 'a', 'S', 'c', 'r', 'i', 'p', 't']
    
    
  • 正则表达式的罗列 :https://baike.baidu.com/item/正则表达式/1700215?fr=aladdin,挨个练习是没有必要的,用到去查即可

4、匹配模式

  • 源字符+普通字符混合模式
[]中的或操作
#coding=utf-8
import re
a = "abc,acc,adc,aec,afc,ahc"
#匹配acc和afc
res = re.findall("a[cf]c",a)
print res
# [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
# ['acc', 'afc']
取反操作:^
#coding=utf-8
import re
a = "abc,acc,adc,aec,afc,ahc"
#取出非(acc和afc)的字符
res = re.findall("a[^cf]c",a)
print res
# [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
# ['abc', 'adc', 'aec', 'ahc']
取范围操作:-
#coding=utf-8
import re
a = "abc,acc,adc,aec,afc,ahc"
#取出acc,adc,aec,afc(中间字符是c到f范围的)
res = re.findall("a[c-f]c",a)
print res
 #[Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
 #['acc', 'adc', 'aec', 'afc']
 
  • 匹配数字和字母:
  • 概括字符集匹配:\w
    import re
    a = "abc&cba"
    res = re.findall("\w",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['a', 'b', 'c', 'c', 'b', 'a']
    使用字符集匹配:[A-Za-Z0-9]
    import re
    a = "abc123&cba321"
    res = re.findall("[A-Za-z0-9]",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['a', 'b', 'c', '1', '2', '3', 'c', 'b', 'a', '3', '2', '1']
    
    
     

    显然,是\w是不匹配非字母和数字的,比如“&”符号

  • 匹配非单词非数字字符
    概括字符集:\W
    import re
    a = "abc123&cba321"
    res = re.findall("\W",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['&']
    使用字符集匹配:^A-Za-z0-9
    import re
    a = "abc123&cba321"
    res = re.findall("[^A-Za-z0-9]",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['&']
    
    
  • 空格、制表符、换行符号之类的匹配:\s
  • import re
    a = "python 111\tjava&67p\nh\rp"
    res = re.findall("\s",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # [' ', '\t', '\n', '\r']
  • 匹配量词:匹配出python Java php
  • 必须三个一组:
    [a-z]{3}
    import re
    a = "python 1111java678php"
    res = re.findall("[a-z]{3}",a)
    print res
    [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    ['pyt', 'hon', 'jav', 'php'] 可以3-6个一组:因为最长python 为6 最短PHP为3:
    [a-z]{3,6}
    
    import re
    a = "python 1111java678php"
    res = re.findall("[a-z]{3,6}",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['python', 'java', 'php']
    疑问:为什么3个能匹配 匹配到pyt的时候为什么不终止?
    因为正则表达式的数量词分为贪婪和非贪婪模式,默认情况下,python 认为是贪婪模式的。 非贪婪模式怎么使用:加个问号
    [a-z]{3,6}?
    import re
    a = "python 1111java678php"
    res = re.findall("[a-z]{3,6}?",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['pyt', 'hon', 'jav', 'php']
  • * ,对*前面的字符'n',匹配0次或者无限次
  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python*",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['pytho', 'python', 'pythonn']

    比如pytho 没有n 则是匹配0次,可匹配出来pytho;比如python 1个n 则是匹配1次,可匹配出来python;pythonn  2个n 则是匹配2次,可匹配出来pythonn

  • +,对+前面的字符'n' 匹配1次或者无限次
  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python+",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['python', 'pythonn']
  • ?,?前面的字符'n' 匹配0次或者1次
  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python?",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['pytho', 'python', 'python']

    比如pytho 没有n 则是匹配0次,可匹配出来pytho;比如python 1个n 则是匹配1次,可匹配出来python;pythonn  2个n 则是匹配1次,可匹配出来python,因为多出来的n,直接被截断了,不符合匹配模式,所以匹配不出来pythonn 而是匹配出来的是python。也可以理解成?开启了非贪婪模式

  • 如果要开启非贪婪模式,但是又不想用*,+ 去匹配无限次,而是指定匹配次数的范围,那么可以这样
    python{1,2}

    这表示,最多匹配2次,最少匹配1次

  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python{1,2}",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['python', 'pythonn']

python 正则表达式与JSON-正则表达式匹配数字、非数字、字符、非字符、贪婪模式、非贪婪模式、匹配次数指定等的更多相关文章

  1. Python的正则表达式与JSON

    Python的正则表达式需要导入re模块 菜鸟教程:http://www.runoob.com/python/python-reg-expressions.html 官方文档:https://docs ...

  2. Python(八) 正则表达式与JSON

    一.初识正则表达式 正则表达式 是一个特殊的字符序列,一个字符串是否与我们所设定的这样的字符序列,相匹配 快速检索文本.实现替换文本的操作 json(xml) 轻量级 web 数据交换格式 impor ...

  3. python 正则表达式与JSON字符串

    目录 正则表达式 概括单字符集 匹配单字符 匹配字符集 普通字符与元字符 元字符和普通的字符的混用 数量词{整数|*|+|?} 匹配指规则的字母 贪婪模式 匹配指定长度的字符串 非贪婪模式 匹配指定长 ...

  4. python 正则表达式 贪婪模式的简介和匹配时的几种模式

    看到一篇文章,关于python正则的,http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html 贪婪模式与非贪婪模式: 正则表达式通常用于 ...

  5. 1.3 正则表达式和Python语言-1.3.5使用 search()在一个字符串中查找模式(搜索与匹配 的对比)

    1.3.5 使用 search()在一个字符串中查找模式(搜索与匹配的对比) 其实,想要搜索的模式出现在一个字符串中间部分的概率,远大于出现在字符串起始部分的概率.这也就是 search()派上用场的 ...

  6. python正则表达式贪婪与非贪婪模式

    之前做程序的时候看到过正则表达式的贪婪与非贪婪模式,今天用的时候就想不起来了,现在这里总结一下,以备自己以后用到注意. 1.什么是正则表达式的贪婪与非贪婪匹配 如:String str="a ...

  7. C# 使用正则表达式去掉字符串中的数字,或者去掉字符串中的非数字

            /// 去掉字符串中的数字           public static string RemoveNumber(string key)           {            ...

  8. Python3(七) 正则表达式与JSON

    一. 初识正则表达式 1.定义:是一个特殊的字符序列,可以帮助检测一个字符串是否与我们所设定的字符序列相匹配. 2.作用:可以实现快速检索文本.实现替换文本的操作. 3.场景: 1.检测一串数字是否是 ...

  9. [Python] 网络爬虫和正则表达式学习总结

    以前在学校做科研都是直接利用网上共享的一些数据,就像我们经常说的dataset.beachmark等等.但是,对于实际的工业需求来说,爬取网络的数据是必须的并且是首要的.最近在国内一家互联网公司实习, ...

随机推荐

  1. JVM 专题六:运行时数据区(一)概述

    1. 运行时数据区架构图 2. 内存 内存是非常重要的系统资源,是硬盘和cpu的中间仓库及桥梁,承载着操作系统和应用程序的实时运行.JVM内存布局规定了JAVA在运行过程中内存申请.分配.管理的策略, ...

  2. Python之爬虫(二十二) Scrapy分布式原理

    关于Scrapy工作流程回顾 Scrapy单机架构 上图的架构其实就是一种单机架构,只在本机维护一个爬取队列,Scheduler进行调度,而要实现多态服务器共同爬取数据关键就是共享爬取队列. 分布式架 ...

  3. 京东秋招提前批初试--java开发工程师

    1,自我介绍,学过的课程有哪些 2,介绍一下java的内存结构和内存模型(jvm和jmm) 3,对于NIO有没有了解?作用是什么?(基于通道和缓冲区的I/O方式,用的是DirectByteBuffer ...

  4. Spring常见问题大全

    Spring 概述 1. 什么是spring? Spring 是个java企业级应用的开源开发框架.Spring主要用来开发Java应用,但是有些扩展是针对构建J2EE平台的web应用.Spring ...

  5. Ethical Hacking - GAINING ACCESS(9)

    Server Side Attack Nexpose - Analysing Scan Results and Generating Reports OS and Software Inforatio ...

  6. xenomai内核解析之信号signal(一)---Linux信号机制

    版权声明:本文为本文为博主原创文章,转载请注明出处.如有错误,欢迎指正.博客地址:https://www.cnblogs.com/wsg1100/ 目录 1. Linux信号 1.1注册信号处理函数 ...

  7. 基于python实现查询ip地址来源

    接口调用方法是在url后面直接加上IP地址. url = 'http://freeapi.ipip.net/218.192.3.42' #中文免费 url2 = 'http://ip-api.com/ ...

  8. 附002.Nginx全系列大总结

    Nginx全系列总结如下,后期不定期更新. 欢迎基于学习.交流目的的转载和分享,禁止任何商业盗用,同时希望能带上原文出处,尊重ITer的成果,也是尊重知识. 若发现任何错误或纰漏,留言反馈或右侧添加本 ...

  9. NIO入门之缓冲区Buffer

    缓存区 Buffer 是数据容器 ByteBuffer 可以存储除了 boolean 以外的其他 7 种Java基本数据类型,如 getInt.putInt Buffer 是抽象类,它有除了 Bool ...

  10. 五分钟快速搭建 Serverless 免费邮件服务

    1. 引言 本文将带你快速基于 Azure Function 和 SendGrid 构建一个免费的Serverless(无服务器)的邮件发送服务,让你感受下Serverless的强大之处. 该服务可以 ...