RE(正则)和Xpath

正则表达式

re匹配中文：[u4e00-u9fa5]

• 是一个计算机科学的概念
• 用于使用单个字符串来描述，匹配符合某个规则的字符串
• 常常用来检索，替换某些模式的文本

正则的语法

• .(点号)表示任意一个字符，除了\n,比如查找所有的一个字符.
• []:匹配括号中列举的任意字符，比如[L,Y,0]
• \d:任意一个数字
• \D:除了数字都可以
• \s:表示空格、tab键
• \S:除了空白符号
• \w:单词字符、就是a-z,A-Z,0-9
• \W:除了字符
• *：前面的内容0次或多次
• +：至少一次
• ?:0次或1次
• {m,n}: 出现最少m次，最多n次
• ^: 匹配字符串的开始
• $: 匹配字符串的结尾
• \b: 匹配单词的边界
• (): 对正则表达式内容进行分组，从第一个大括号开始，编号逐渐增大

	验证一个数字:	 					^\d$
	必须有一个数字，最少一位:			^\d+$
	只能出现数字，且位数为5-10位:	    ^\d{5,10}$
	注册者年龄 16岁以上，99岁以下:      ^[16-99]$
	只能输入英文字符和数字:				^[A-Za-z0-9]$
	验证qq号码：						^[0-9]{5,12}

• \A: 只匹配字符串开头
• \Z: 仅匹配字符串末尾
• |: 左右任意一个
• (?P…): 分组，除了原来的编号再制定一个别名
• (?P=name): 引用分组

RE 使用步骤

• 使用compile将表示正则的字符串编译成一个pattern对象
• 通过pattern对象提供一系列方法付文本进行查找匹配，获得匹配结果，一个match对象
• 最后使用Match对象提供的属性和方法获得信息，根据需要进行操作

RE 常用函数

• group() 获得一个或者多个分组匹配的字符串，当获得整个匹配的子串时，直接使用group 或者 grop(0)
• start:获取分组匹配的子串在整个字符串的起始位置 参数默认为0
• end： 获取分组匹配的子串在整个字符串的结束位置 默认为0
• span 返回的结构技术 （start(group),end(group)）

import re
p = re.compile(r'\d+')
## 3,10 表示查找的范围
m = p.match("qwq1233qewsfsfrrgrsc",3,10)
print(m)
## match 可以输入参数；查到的结果只包含一个  表示第一次匹配成功的内容
-------------------------------------------------------------
结果：<_sre.SRE_Match object; span=(3, 7), match='1233'>
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
import re
# I表示忽略大小写
p = re.compile(r'([a-z]+) ([a-z]+)',re.I)
m = p.match('I am really love you')
print(m)
-----------------------------------------------------------------
结果：<_sre.SRE_Match object; span=(0, 4), match='I am'>

查找

• search(str,[,pos[,endpos]]):在字符串中查找匹配，pos和endpos表示起始位置
• findall:查找所有
• finditer: 查找 返回一个iter结果

import re
p = re.compile(r'\d+')
m = p.findall("one1two2three34")   
a = p.search("one1two2three34")
print(a)
print(m)
---------------------------------------------------------------------------
结果：<_sre.SRE_Match object; span=(3, 4), match='1'>
 	 ['1', '2', '34']
+++++++++++++++++++++++++++++++++++++++++++++++++++++
#替换
import re
p = re.compile(r'(\w+) (\w+)')
s = "hello 123 wang 123 xiao 456 jing, i love you"
rst = p.sub(r'hello world',s)
print(rst)
---------------------------------------
结果：hello world hello world hello world jing, hello world you

贪婪模式 *

非贪婪 ?

import re
title = '
name
age
'
p1 = re.compile(r"
.*
")
p2 = re.compile(r'
.*?
')

r1 = p1.match(title)
r2 = p2.search(title)
print(r1.group())
print(r2.group())
-----------------------------------------
结果：
name
age
	 
name

匹配中文

• 大部分中文的表示范围[u4e00-u9fa5] , 不包括全角标点

import re

title = u'世界你好 hello moto'
p = re.compile(r'[\u4e00-\u9fa5]+')
rst = p.findall(title)
print(rst)
-----------------------------
结果：['世界你好']

---

XPATH

• 在xml文件中查找信息的一套规则/语言 根据xml元素

• 开源的

xpath开发工具

• chrome: xpath helper
• xmlQuire
• FIrefox : Xpath Checker

选取节点

• nodename: 选取此节点的所有子节点

• /: 从根节点开始选取

• //: 选取节点，不考虑位置

• . ：选取当前节点

• … : 选取当前节点的父亲

• @: 选取属性 //age[@detail] 或者 //div[@class=‘title’]

• xpath中查找一般按照路径方法查找

• /School/Student[1]

• /School/Student[last()]

• /School/Student[last()-1]

• /School/Student[position()❤️] 前两个

• //Student[@score]

• //Student[@score=‘99’]

• //STudent[@score]/Age

xpath的一些操作

• | : 或者
• 还有很多+ - * div < >