14_Python正则表达式与re模块_全栈开发学习笔记

1. 正则表达式的引出

范例1：
你怎么判断这个phone_number是合法的呢？
根据手机号码一共11位并且是只以13、14、15、18开头的数字这些特点，我们用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('13') \
            or phone_number.startswith('14') \
            or phone_number.startswith('15') \
            or phone_number.startswith('18')):
        print('是合法的手机号码')
    else:
        print('不是合法的手机号码')

执行结果：

please input your phone number ： 1923
不是合法的手机号码
please input your phone number ： 18123456789
是合法的手机号码

范例2：
运用正则表达式的写法

import re
phone_number = input('please input your phone number ： ')
if re.match('^(13|14|15|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')

执行结果：

please input your phone number ： 139
不是合法的手机号码

please input your phone number ： 18123456789
是合法的手机号码

1.1 正则表达式在线工具

正则表达式在线测试工具

1.2 正则表达式使用规范表

正则表达式使用规范表

---

2. RE模块

2.1 findall（重要）

想找到所有结果
范例：

import re

ret = re.findall('a', 'eva egon yuan')  # 返回所有满足匹配条件的结果,放在列表里
print(ret)

ret = re.findall('[a-z]+', 'eva egon yuan')  # 返回所有满足匹配条件的结果,放在列表里
print(ret)

执行结果：

['a', 'a']
['eva', 'egon', 'yuan']

2.2 search（重要）

想只找到一个结果

import re

ret = re.search('a', 'eva egon yuan')
if ret:
    print(ret.group())

ret = re.search('j', 'eva egon yuan')
if 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

执行结果：

a

2.3 match（重要）

想在开头就匹配上

import re

ret = re.match('e', 'eva egon yuan')
if ret:
    print(ret.group())

ret = re.match('ev', 'eva egon yuan')
if ret:
    print(ret.group())

ret = re.match('[a-z]+', 'eva egon yuan')
if ret:
    print(ret.group())
# 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

执行结果：

e
ev
eva

2.4 split

当要分割一个字符串的时候

ret = re.split('[ab]', 'abcd')
# # 先按'a'分割得到''和'bcd',再对''和'bcd'分别按'b'分割
print(ret)

执行结果：

['', '', 'cd']

2.5 sub（常用）

当要替换一个字符串的时候

import re

ret = re.sub('\d', 'H', 'eva3egon4yuan4',1)
#将数字替换成'H'，参数1表示只替换1个
print(ret)

ret = re.sub('\d', 'H', 'eva3egon4yuan4')
#将数字替换成'H'，无参数1表示替换所有
print(ret)

执行结果：

evaHegon4yuan4
evaHegonHyuanH

2.6 subn

import re

ret = re.subn('\d', 'H', 'eva3egon4yuan49alex8')
#将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret)

执行结果：

('evaHegonHyuanHHalexH', 5)

2.7 compile

当正则反复使用且正则较长的时候

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，规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())

ret = obj.search('abcashgjgsdghkash456eeee3wr2') #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())

执行结果：

123
456

2.8 finditer

要找的东西特别多的时候

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
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(next(ret).group()) 
print([i.group() for i in ret])  #查看剩余的左右结果

ret = re.finditer('\d', 'ds3sy4784a')
for i in ret:
    print(i.group())

执行结果：

3
4
7
['8', '4']

3
4
7
8
4

2.9 其他注意事项：优先级查询

1. search的分组优先

import re

ret = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199912122277')
print(ret.group())
print(ret.group(1))    # 取第一个分组内的内容
print(ret.group(2))    # 取第二个分组内的内容

执行结果：

110105199912122277
10105199912122
277

2. findall取消分组优先

import re

ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')    # 使用?:用来取消分组优先
print(ret)  # ['www.oldboy.com']

执行结果：

['oldboy']
['www.oldboy.com']

3. split的优先级查询

import re

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']

#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。

执行结果：

['eva', 'egon', 'yuan']
['eva', '3', 'egon', '4', 'yuan']

2.10 爬虫例子1

import re
from urllib.request import urlopen

def getPage(url):
    response = urlopen(url)
    return response.read().decode('utf-8')

def parsePage(s):
    com = re.compile(
        '
.*?
.*?(?P\d+).*?(?P