正则表达式
介绍;
'正则表达式是一种独立的语言，它是通用于所有语言中的，所有语言都可以用正则表达式做一些功能'
作用：
'主要是用来筛选数据的'
表达式形式：
^(13|14|15|16)[0-9][9]$
什么是正则表达式：
利用一些特殊符号匹配，除想要的数据以外的其他数据，就是正则表达式，简称正则
正则表达式在线测试工具：https://tool.chinaz.com/regex/
字符组
字符组 ： [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。 假如你现在要求一个位置"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。
[0123456789] # 匹配0-9之间的数据
[0-9]
\d
以上三种方法都是等价的，都是匹配0-9之间的数据
[abc...z] # 匹配a-z之间的字符
[a-z]
以上两种方法也是等价的
[ABCD...Z] # 匹配A到Z之间的字符
[A-Z]
以上两种方法也是等价的
字符
. 匹配除了换行符以外的任何字符 #掌握
\w 匹配字母、数字或下划线 #掌握
\W 匹配非字母、数字或下划线
\s 匹配任意的空白符 #掌握
\S 匹配非空白符
\d 匹配数字 #掌握
\D 匹配非数字
\n 匹配一个换行符 #掌握
\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 #掌握
$ 匹配字符串的结尾 #掌握
a|b 匹配字符a或者b #掌握
() 匹配括号内的表达式，也表示一个组
[...] 匹配字符组中的字符 #掌握
[^...] 匹配字符组中的所有字符 #掌握
量词
注意：'两次只会影响前面的一个字符'
'量词不可单独使用，必须配合其他字符串使用'
* 重复0次或者无穷次
+ 最少重复一次或者无穷次
? 最少重复0次最多重复一次
{n} 重复n次
{n,m} 最少重复n次最多重复m次
注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
例：
正则 待匹配对象 匹配结果 说明
李.*? 李杰和李莲英和李二棍 李 李 李 惰性匹配
贪婪匹配和非贪婪匹配（惰性匹配）
# 待匹配的字符
<script>123</script>
# 正则表达式是：
<.*>
# 匹配结果
<script>123</script>
# 默认匹配是贪婪匹配：尽可能多匹配，大白话就是：你后面有多少我要多少
'''把贪婪匹配转为非贪婪匹配'''
# 正则表达式
<.*?> # 惰性匹配就是尽可能的少匹配
小练习
^[1-9]\d{13,16}[0-9x]$
^[1-9]\d{13,16}[0-9x]$
^[1-9]\d{14}(\d{2}[0-9x])?$
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$
# 由于正则表达式的复杂性，所以，以后遇到常见的匹配规则，我们就去百度搜
1. 写一个匹配常见的手机号的正则
^((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|166|198|199|(147))\d{8}$
re模块
1、re是内置模块，可以直接使用
2、在Python中要想使用正则组要借助re模块
语法：
import re
re.findall('这是正则表达式'，'待匹配文件')
findall:
Eg:
import re
res = re.findall('a', 'auv,ngm,fak,lat')
print(res) # ['a', 'a', 'a']
import re
res = re.findall('b', 'auv,ngm,fak,lat')
print(res) # []
# 如果待匹配文件中没有要找的字符，就会返回一个空列表
search:
import re
res = re.search('a', 'auv,ngm,fak,lat')
print(res) # <_sre.SRE_Match object; span=(0, 1), match='a'>
print(res.group()) # a
import re
res = re.search('b', 'auv,ngm,fak,lat')
print(res) # None
print(res.group()) # 报错
# 使用search内置方法时，如果待匹配文件中没有要取得值，就会返回一个None并且报错，这时候可以加个if判断或者使用try对异常进行处理
1、import re
res = re.search('b', 'auv,ngm,fak,lat')
if res:
print(res.group())
else:
print('没有找到')
2、import re
res = re.search('b', 'auv,ngm,fak,lat')
try:
print(res.group())
except Exception:
print('没有找到')
match：
import re
res = re.match('a', 'aeva jason kavin') # 从开头开始匹配
print(res) # <_sre.SRE_Match object; span=(0, 1), match='a'>
print(res.group()) # a
分组
# 分组相关
# res = re.search('^[1-9](\d{14})(\d{2}[0-9x]?)$','110105199812067023')
# print(res)
# print(res.group())
# print(res.group(1))
# print(res.group(2))
# 无名分组
# 对于findall，它具有分组优先展示, 也称之为是无名分组
# res = re.findall('^[1-9]\d{14}(?:\d{2}[0-9x]?)$','110105199812067023')
# print(res) # ['023']
# 有名分组
res = re.search('^[1-9]\d{14}(?P<month>\d{2}[0-9x]?)$','110105199812067023')
print(res)
# print(res.group(1))
print(res.group())
print(res.group(1))
print(res.group('month'))
# 无名分组
# 对于findall，它具有分组优先展示, 也称之为是无名分组
res = re.findall('(^[1-9]\d{14})(?:\d{2}[0-9x])?$','110105199812067023')
print(res) # ['110105199812067']
# 有名分组
语法：
?P<名字>
res = re.search('^[1-9]\d{14}(?P<month>\d{2}[0-9x]?)$', '110105199812067023')
print(res)
# print(res.group(1))
print(res.group()) # 110105199812067023
print(res.group(1)) # 023
print(res.group('month')) # 023
正则实战案例
爬取红牛官网数据
with open('a.txt', 'r', encoding='utf8') as f:
data = f.read()
import re
title_list = re.findall('<h2>(.*?)</h2>', data)
address_list = re.findall("<p class='mapIco'>(.*?)</p>", data)
email_list = re.findall("<p class='mailIco'>(.*?)</p>", data)
phone_list = re.findall("<p class='telIco'>(.*?)</p>", data)
res = zip(title_list, address_list, email_list, phone_list)
# print(list(res))
for item in list(res):
print("""
公司名称：%s
公司地址：%s
公司邮箱：%s
公司电话：%s
""" % (item[0], item[1], item[2], item[3],))
执行结果：
公司名称：红牛杭州分公司
公司地址：杭州市上城区庆春路29号远洋大厦11楼A座
公司邮箱：310009
公司电话：0571-87045279/7792
公司名称：红牛广西分公司
公司地址：南宁市金湖路59号地王国际商会中心50层D1、E1室
公司邮箱：530021
公司电话：0771-5592660/61/62
公司名称：红牛广州分公司
公司地址：广东省广州市天河珠江新城华夏路10号富力中心写字楼1904房
公司邮箱：510623
公司电话：020-38927681