python 正则表达式

（爬虫、Django之前讲）
需求：给你一个网站一个页面的源代码，需求把网址都选出来，返回列表。''。find()可以做但麻烦，如果需求复杂find不能胜任

正则：re regex，专业做字符串查找筛选，比''。find()强大的多。有自己专用的语法，优点：功能最为强大，缺点学习曲线陡峭。

场景：爬虫、网页解析、匹配、flask Django框架的路由就是基于正则的。

regex 三方包，功能比内置的re包更强大

前缀 r ,raw原始字符串，运行中不需要处理转义字符。

import re

find()      简单但功能有限不方便
html = r'
hello world
'
start_index = html.find('
')
eng_index = html.find('
')
print(html[start_index:eng_index+1])

1>  匹固定字符串一次
key = f'javapythonsldkfjlsjfpython'
pattern1 = re.compile(r'python')
matcher1 = re.search(pattern1,key)
print(matcher1)
print(matcher1[0])

compile(正则规则) 返回包含规则的匹配器对象
re.search(匹配器对象，带查找字符串)

2> 任意字符串 ,匹配任意字符   +修饰前面的匹配规则重复一次或多次
key2 = r'
hello world
'
pattern2 = re.compile(r'
.+
')
matcher2 = re.search(pattern2,key2)
print(matcher2[0])

3> 匹配 点 加号 。 转义\  。  .匹配任意字符， +前面的字符一次或多次
key3 = r'[email protected]'
p3 = re.compile(r'.+@qq\.com')  # 判断用户输入的是否QQ邮箱。    .+不太准确
m3 = re.search(p3,key3)
print(m3[0])

4>    *前面凡字符出现0或多次
key4 = r'http://www.baidu.com  https://www.baidu.com'
p4 = re.compile(r'https*://')
m4 = re.search(p4,key4)
matcher4 = p4.findall(key4)
print(matcher4)

 匹配器 findall（带匹配字符串） 返回列表

5>  [aA]匹配一个字符 中括号里任意一个字符符合就算匹配到
key5 = r'SeLectSELECT'        #sql大小写不敏感
p1 = r'[sS][Ee][Ll][Ee][Cc][Tt]'
patter1 = re.compile(p1)
print(patter1.findall(key))

6> 排除
key6 = r'mat cat hat pat'
p6 = re.compile(r'[^p]at')
print(p6.findall(key6))

7> 默认符合条件默认匹配可能多的字符   贪婪匹配
key7 = r'[email protected]'   #需求街取出[email protected]
p7 = re.compile(r'.+@.+\.')
print(p7.findall(key7))

8> 惰性匹配   符合任意多字符的情况下 字符最少的。
p8 = re.compile(r'.+@.+?\.')
print(p8.findall(key7))

9> 固定次数
key9 = r'saas and sas and saaas'
p9 = re.compile(r'sa{1,2}s')
print(p9.findall(key9))

10> 匹配换行后的内容
key10 = r"""
aaahelloaaa
bbb
world
"""
p10 = re.compile(r'hello.*?world',re.S)
print(p10.findall(key10))

11>  分组  （子正则式）
key11 = r"""hello小明world"""
p11 = re.compile(r'hello(.*?)world(.*?)')
print(p11.findall(key11))

"""
正则规则总结：
云字符 --》说明 --》
"""
作业：课下百度re其他方法 re.match()   re.findall()   re.finditer()跟课上的re.comple   re.search作比较