正则表达式究竟是什么？

在一些网站注册的时候需要输入手机号码，当你输入一个错误的手机号码的时候，会提示你输入的手机号码格式错误

那么他究竟是如何判断的呢？

我们用Python代码进行表示：

phone_number = input('please input your phone number ： ')

现在关键问题是如何判断我们输入的号码是否合法，

最后根据手机号码一共11位并且是只以13、14、15、17、18开头的数字这些特点，又用python写了如下代码：

while True:

    phone_number = input('please input your phone number ： ')

    if len(phone_number) == 11 \

            and phone_number.isdigit()\

            and (phone_number.startswith('') \

            or phone_number.startswith('') \

            or phone_number.startswith('') \

            or phone_number.startswith('') \

            or phone_number.startswith('')):

        print('是合法的手机号码')

    else:

        print('不是合法的手机号码')

那么有不有简单的判断方法呢？答案是肯定的，以下方法就是使用re模块的正则表达式来匹配手机的合法性的方法

import re

phone_number = input('please input your phone number ： ')

if re.match('^(13|14|15|17|18)[0-9]{9}$',phone_number):

        print('是合法的手机号码')

else:

        print('不是合法的手机号码')

正则表达式究竟是什么？首先谈到正则，就只和字符串相关了。

正则表达式本身和Python没有什么关系，其本身就是匹配字符串内容的一种规则。

官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

一些正则表达式的实用工具：在线测试工具 http://tool.chinaz.com/regex/

正则表达式

字符组：

在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用 [] 表示

字符分为很多类，比如数字、字母、标点等等

例如现在要求一个位置只能出现一个数字，那么这个位置上的字符只能是0、1、2~9这10个数之一。

正则
 
待匹配字符
 
匹配
结果
 
说明
 
[0123456789]
 
8
 
True
 
在一个字符组里枚举合法的所有字符，字符组里的任意一个字符
和"待匹配字符"相同都视为可以匹配
 
[0123456789]
 
a
 
False
 
由于字符组中没有"a"字符，所以不能匹配
 

[0-9]
 

7
 
True
 
也可以用-表示范围,[0-9]就和[0123456789]是一个意思
 

[a-z]
 

s
 

True
 

同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
 

[A-Z]
 

B
 

True
 

[A-Z]就表示所有的大写字母
 

[0-9a-fA-F]
 

e
 

True
 

可以匹配数字，大小写形式的a～f，用来验证十六进制字符

字符：

元字符
 

匹配内容
.  匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线

\d

 匹配数字
\s 匹配任意的空白符
\n 匹配一个换行符
\t 匹配一个制表符
\b 匹配一个单词的结尾
^ 匹配字符串的开始
$ 匹配字符串的结尾
\W 
匹配非字母或数字或下划线
\D 
匹配非数字
\S 
匹配非空白符
a|b 
匹配字符a或字符b
() 
匹配括号内的表达式，也表示一个组
[...] 
匹配字符组中的字符
[^...] 
非。匹配除了字符组中字符的所有字符

量词：

量词
 
用法说明
* 贪婪匹配：重复零次或更多次
+ 　　　　　重复一次或更多次
? 重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次

re 模块下的常用方法

findall

查找所有

 *当要从一个字符串中找到所有想要的结果时，使用 findall

import re

ret = re.findall('e', 'evenroot')  # 返回所有满足匹配条件的结果,放在列表里

print(ret) #结果 : ['e', 'e']
import re

ret = re.findall('[a-z]+', 'even root yuan')

    # 返回所有满足匹配条件的结果,放在列表里

print(ret)  #结果['even', 'root', 'yuan']

search

找第一个

 *当只需要从一个字符串中找到一个结果的时候，使用 search

import re

ret = re.search('x','eeevvadfae fsdf zzzzc c')

print(ret)

print(ret.group())

#从前往后，找到一个就返回，返回的变量需要调用group才能拿到结果

#如果没有找到，那么返回None，调用group会报错 
None

Traceback (most recent call last):

  File "D:/Python Road/re模块.py", line 31, in <module>

    print(ret.group())

AttributeError: 'NoneType' object has no attribute 'group'

显示结果

 因为 search 没有找到字符，就会返回 None。所以常用的方式，我们写成这样，防止找不到的时候的输入报错

import re

ret = re.search('x','eeevvadfae fsdf zzzzc c')

if ret:

    print(ret.group())

#显示结果:

match

从头开始找一个

 *当必须要求从最开头就能够匹配上的，使用 match

import re

ret = re.match('a', 'abc').group()  # 同search,不过尽在字符串开始处进行匹配

print(ret)

#结果 : a

# match是从头开始匹配，如果正则规则从头开始可以匹配上，就返回一个变量。

# 匹配的内容需要用group才能显示

# 如果没匹配上，就返回None，调用group会报错

 同样的，因为 match 没有找到字符，就会返回 None。所以常用的方式，我们写成这样，防止找不到的时候的输入报错

import re

ret = re.match('v','eeevvadfae fsdf zzzzc c')

if ret:

    print(ret.group())

split

分割

 *当需要分割一个字符串的时候，使用 split

import re

ret = re.split('[ab]','abcd')

print(ret)

#先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割

sub

替换

 *当需要替换一个字符串的时候，使用 sub

import re

ret = re.sub('\d','H','even3root4time5',1)  #将数字替换成'H'，参数1表示只替换一个

print(ret)

#显示结果：evenHroot4time5

subn

替换，次数，并返回元组

import re

ret = re.subn('\d','H','even3root4time5')   #将数字替换成'H'，返回元组（替换的结果，替换了多少次）

print(ret)

#显示结果：('evenHrootHtimeH', 3)

compile

编译

 *当一条正则规则需要反复使用，且该正则规则长度很长的时候使用 compile

import re

obj = re.compile('\d{3}')

#将正则表达式编译成为一个正则表达式对象，规则是匹配三个数字

ret = obj.search('abc123root')    #正则表达式调用search

print(ret.group())

ret = obj.search('456abc123')

print(ret.group())

#显示结果：

#

#456

finditer

迭代

 *节省内存，当需要找的东西特别多，又无法全部放进内存的时候，使用 finditer

import re

ret = re.finditer('\d','ds3sy7895a')    #finditer返回一个存放匹配结果的迭代器，返回的变量需要调用group才能拿到结果

print(ret)

print(next(ret).group())    #查看第一个结果

print(next(ret).group())    #查看第二个结果

print([i.group()for i in ret])  #查看剩余的结果

group 分组 和 分组优先机制

正则分组：去已经提取到的数据中再提取数据

group 是 Python 的 group 机制

分组就是把正则式已经匹配到的结果，再去做一次匹配

在 search 中的示例：

import re

ret = re.search('^[1-9](\d{14})(\d{2}[0-9xX])?$','50010119990111000X')

print(ret.group())

print(ret.group(1))

print(ret.group(2))

#显示结果：

#50010119990111000X

#

#00X

search钟的group分组机制示例

在 findall 当中的取消分组优先机制，?:

import re

ret = re.findall('www.(baidu|even).com','www.even.com')      #因为findall会优先把匹配结果组里的内容返回，如果想要匹配结果，就要进行取消分组优先

print(ret)        

ret = re.findall('www.(?:baidu|even).com','www.even.com')    #取消分组优先之后

print(ret)

#显示结果：

#['even']

#['www.even.com']

finadall中的取消分组优先机制?:

在 split 中的示例：

import re

ret = re.split("\d+",'even3root4hello')

print(ret)

ret = re.split("(\d+)",'even3root4hello')    #在匹配部分加上()之后切割出的结果是不一样的

print(ret) 

#即没有()的不保留所匹配的项，有()的能够保留匹配的项

#因为某些情况下需要保留匹配项

#显示结果：

#['even', 'root', 'hello']

#['even', '3', 'root', '4', 'hello']

split中的分组示例

group()  groups()  和  groupdict()

group()        #获取匹配到的所有结果

groups()      #获取模型中匹配到的分组结果

groupdict()  #获取模型中匹配到的分组结果(自定义key名称)
import re

origin = "has abcedroot2003"

r = re.match("h\w+",origin)

print(r.group())

print(r.groups())

print(r.groupdict())

#输出结果

#has

#()

#{}
import re

origin = "has abcedroot2003"

r = re.match("h(\w+)",origin)

print(r.group())

print(r.groups())

print(r.groupdict())

#输出结果

#has

#('as',)

#{}
import re

origin = "has abcedroot2003"

r = re.match("h(?P<name>\w+)",origin)    #自定义key名称，匹配得到字典

print(r.group())

print(r.groups())

print(r.groupdict())

#输出结果

#has

#('as',)

#{'name': 'as'}

爬虫示例

import re

import json

from urllib.request import urlopen

def getPage(url):

    response = urlopen(url)

    return response.read().decode('utf-8')

def parsePage(s):

    com = re.compile(

        '<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?<span class="title">(?P<title>.*?)</span>'

        '.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)评价</span>', re.S)

    ret = com.finditer(s)

    for i in ret:

        yield {

            "id": i.group("id"),

            "title": i.group("title"),

            "rating_num": i.group("rating_num"),

            "comment_num": i.group("comment_num"),

        }

def main(num):

    url = 'https://movie.douban.com/top250?start=%s&filter=' % num

    response_html = getPage(url)

    ret = parsePage(response_html)

    print(ret)

    f = open("move_info7", "a", encoding="utf8")

    for obj in ret:

        print(obj)

        data = str(obj)

        f.write(data + "\n")

count = 0

for i in range(10):

    main(count)

    count += 25

利用正则原理的爬虫示例

最新文章

  1. C#移动跨平台开发（2）Xamarin移动跨平台解决方案是如何工作的？
  2. MVC+Easeyui dialog的小问题
  3. 11.21 if条件语句 年月日执行判断
  4. shell 判断条件
  5. Java基础——集合框架
  6. 几种java通信（rmi,http,hessian,webservice）协议性能比较
  7. C# using垃圾回收详解
  8. Java Date Classes
  9. 基于scrapy爬虫的天气数据采集(python)
  10. obj-c在Xcode之外如何使用@import关键字
  11. Valgrind简介
  12. poj2362
  13. 实战一个职业技术学校。 by：hack某某
  14. DDD领域模型数据访问权限之权限（十二）
  15. ReactNative小笔记
  16. python之类中如何判断是函数还是方法
  17. 三个解释——MVC的网址
  18. 【JVM参数】Java启动时，显示class是从哪个Jar中加载的
  19. SourceTree跳过Atlassian账号，免登陆，跳过初始设置
  20. Sublime Text2中的快捷键一览表(Sublime 键盘快捷键大全 )

热门文章

  1. NHibernate学习过程笔记
  2. Hibernate连接各种数据库的配置
  3. Xcode打开playground运行很慢或者无法输出的解决办法
  4. vue-cli使用swiper4在ie以及safari报错
  5. 设计四个线程,其中两个线程每次对j增加1,另外两个线程对j每次减1,写出程序
  6. pt-query-digest慢日志分析工具
  7. linux系统基础之--进程计划（基于centos7.4 1708）
  8. python中函数参数的引用方式
  9. Spark在实际项目中分配更多资源
  10. 1010 一元多项式求导 （25 分） C语言