0428 正则表达式 re模块

复习

异常处理
try except 一定要在except之后写一些提示或者处理的内容

try:
    '''可能会出现异常的代码'''
except ValueError:
    '''打印一些提示或者处理的内容'''
except NameError:
    '''...'''
# except Exception as e:
#     '''打印e'''
else:
    '''try中的代码正常执行了'''
finally:
    '''无论错误是否发生，都会执行这段代码，用来做一些收尾工作'''

二、正则表达式
1，正则表达式用来对字符串进行操作
2，使用一些规则来检测来检测字符串是否符合我的要求————表单验证
3，从一段字符串中找出符合我要求分内容————爬虫

完全相等的字符串都可以匹配上

字符组：字符组代表一个字符位置上可以出现的所有内容
范围：
　　根据asc码来的，范围必须是从大到小的指向
　　一个字符组中可以有多个范围

转义符

身份证号码第一个长度为15或18个字符的字符串，首位不能为0
如果是15位则全部为数字组成
如果是18位则前十七位全部是数字，末位可能是数字或X

[1-9]\d{16}[\dx]|[1-9]\d{14} 或
如果两个正则表达式之间用‘或’连接，且有一部分正则规则相同，那么一定把规则长的放在前面

[1-9]\d{14}(\d{2}[\dx])?
如果对一组正则表达式整体有一个量词约束，就将这组表达式分成一个组在组外进行量词约束

三、re模块
import re
ret = re.findall('a','eav,and,apple')
print(ret)  #['a', 'a', 'a']

findall接收两个参数 ： 正则表达式 要匹配的字符串
一个列表数据类型的返回值：所有和这条正则匹配的结果
如果没有，返回[]

import re
ret = re.search('a', 'eva egon yuan')
print(ret.group())  #a

search和findall的区别：
    1.search找到一个就返回，findall是找所有
    2.findall是直接返回一个结果的列表，search返回一个对象

import re
ret = re.match('a', 'eva egon yuan')
if ret:
    print(ret.group())  #None
match
    ·1 意味着在正则表达式中添加了一个^
    ·2 和search一样 匹配返回结果对象 没匹配到返回None
    ·3 和search一样 从结果中获取值 仍然用group

import re
ret = re.sub('\d', 'H', 'eva3egon4yuan4',2)
print(ret)  #evaHegonHyuan4  将数字替换成'H'，参数2表示只替换2个

import re
ret = re.subn('\d', 'H', 'eva3egon4yuan4')
print(ret)   #('evaHegonHyuanH',3)#将数字替换成'H'，返回元组(替换的结果,替换了多少次)

import re
obj = re.compile('\d{3}')  # 编译 在多次执行同一条正则规则的时候才适用
ret1 = obj.search('abc123eeee')
ret2 = obj.findall('abc123eeee')
print(ret1.group())
print(ret2)

正则表达式 -->根据规则匹配字符串
从一个字符串中找到符合规则的字符串 --> python
正则规则 -编译-> python能理解的语言
多次执行，就需要多次编译 浪费时间 re.findall('1[3-9]\d{9}',line)
编译 re.compile('\d{3}')

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer适用于结果比较多的情况下，能够有效的节省内存
print(ret)  # <callable_iterator object at 0x10195f940> finditer返回一个存放匹配结果的迭代器
print(ret.__next__().group())  查看第一个结果

print(next(ret).group())   查看第二个结果
for i in ret:
print(i.group())

当分组遇到re模块
import re
ret1 = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
ret2 = re.findall('www.(?:baidu|oldboy).com', 'www.baidu.com')
print(ret1)   ['oldboy']
print(ret2)   ['www.baidu.com']
findall会优先显示组内匹配到的内容，如果想取消分组优先效果，在组内开始的时候加上?:

ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 ： ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan']

split分割一个字符串，默认被匹配到的分隔符不会出现在结果列表中，
如果将匹配的正则放到组内，就会将分隔符放到结果列表里
#在匹配部分加上（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。

分组命名 和 search遇到分组
标签 .html 网页文件 标签文件
import re
分组的意义
    1.对一组正则规则进行量词约束
    2.从一整条正则规则匹配的结果中优先显示组内的内容
"<h1>hello</h1>"
ret = re.findall('<\w+>(\w+)</\w+>',"<h1>hello</h1>")
print(ret)

分组命名
ret = re.search("<(?P<tag>\w+)>(?P<content>\w+)</(?P=tag)>","<h1>hello</h1>")
print(ret)
print(ret.group())   # search中没有分组优先的概念
print(ret.group('tag'))
print(ret.group('content'))

ret = re.search(r"<(\w+)>(\w+)</\1>","<h1>hello</h1>")
#如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致
#获取的匹配结果可以直接用group(序号)拿到对应的值
print(ret.group())
print(ret.group(0))  #结果 ：<h1>hello</h1>
print(ret.group(1))  #结果 ：h1
print(ret.group(2))  #结果 ：hello