day21 正则表达式
昨日内容回顾
模块的查找顺序
1.先从内存中查找
2.再从内置模块中查找
3.在从环境变量sys.path中查找
# 起模块名字的时候千万不要和内置模块名字冲突了
import sys
sys.patn # ['执行文件路径'，'pycharm给你加的项目的路径']
如果遇到模块找不到的情况：
1.把要找的模块所在的路径添加到环境变量中
import sys
sys.path.append('')
2.还可以使用from...import...句式
from 模块名.模块名.模块名 import 名字
相对导入和绝对导入
绝对导入
始终以执行文件所在的sys.patn路径为准
相对导入
.（句点符号） # 当前路径
from . import 模块名
'''可以不依赖执行文件所在的路径，而是看两个模块之间的位置关系'''
# 出现相对导入的文件语句，就不能作为执行语句了
包的使用
包其实就是一个文件夹，只是包里有个__init__.py文件 包是一系列功能模块的组合（py文件） # 包如何使用 import bbb(包名) '''导入包的时候其实导入的是包下的__init__.py文件''' # 后续我们可能会在项目中封装各种各样的包，一个包一般情况就是一个大的功能，而且包中使用的代码、路径等都不相互依赖
正则表达式
正则他是一门独立的语言，意味着学习了正则可以在很多地方使用
正则就是通过一些特殊符号筛选出符合我们规则的数据
案例：匹配手机号规则
'''在python中使用正则，需要使用re模块'''
字符组：
[0123456789] # 匹配0~9中的任意数字
今日内容概要
-
字符
-
量词
-
贪婪匹配和非贪婪匹配
-
正则练习题
-
取消转义
-
re模块下的常用方法
-
无名分组和有名分组（重点）
-
利用re模块爬取红牛分公司数据
-
time和datatime模块
-
random模块
今日内容详解
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 \s 匹配任意的空白符 \d 匹配数字 \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 [^...] 匹配除了字符组中字符的所有字符
量词
1.量词只能影响前面一个字符（ab+ 影响b）
2.不能够单独使用，只能配合表达式使用
量词 用法说明
* 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
贪婪匹配
# 待匹配的文本 # 正则 <.*> # '''尽量多的匹配''' 取消贪婪匹配 <.*?> .*?------>尽量少的匹配
取消转义
\\n '\n' \\\\n '\\n'
re模块下的常用方法
在Python中，如过使用正则，需要借助于模块，re模块
regluar express-------------> re
import re
# ret = re.findall('正则', '待匹配内容') # 返回所有满足匹配条件的结果,放在列表里
"""待匹配内容一定是一个字符串，文本. []"""
# ret = re.findall('ab', 'eva egon yuan a') # 返回所有满足匹配条件的结果,放在列表里
"""如果匹配到内容就把数据以列表的形式返回, 如果匹配不到就返回[]"""
# print(ret) # ['a', 'a']
# if ret:
# pass
# else:
# pass
ret = re.search('ab', 'eva egon yuan')
print(ret) #结果 : 'a'
# print(ret.group()) # a
# 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
# if ret:
# print(ret.group())
# else:
# print(ret)
# try:
# ret = re.search('a', 'eva egon yuan').group()
# print(ret)
# except Exception:
# print(ret)
ret = re.match('a', 'ewqeqwabc') # 同search,不过尽在字符串开始处进行匹配
print(ret)
try:
ret = re.match('a', 'ewqeqwabc').group()
print(ret)
except Exception:
print(ret)
分组
无名分组：使用小括号括起来的正则表达式就是无名分组
'''常用'''
res = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199812067023')
print(res)
print(res.group()) # 110105199812067023
print(res.group(1)) # 10105199812067
print(res.group(2)) # 023
# findall针对分组优先展示 无名分组
"""
如果是findall，分组优先展示,无名分组
"""
res = re.findall("^[1-9](\d{14})\d{2}[0-9x]?$",'110105199812067023')
print(res) # ['023']
有名分组：使用小括号括起来的正则表达式然后给起个名字就是有名的
res = re.search('^[1-9](?P\d{14})(?P\d{2}[0-9x])?$','110105199812067023')
print(res)
print(res.group(1))
print(res.group(2))
print(res.group('xxx'))
print(res.group('ooo')) 案例
爬取红牛分公司官网数据
with open('a.txt', 'r', encoding='utf-8') as f:
data = f.read()
import re
title_list = re.findall('(.*?)
', data)
address_list = re.findall("(.*?)
", data)
email_list = re.findall("(.*?)
", data)
phone_list = re.findall("(.*?)
", data)
res_list = zip(title_list, address_list, email_list, phone_list)
# print(list(res_list))
for i in list(res_list):
print("""
公司名称：%s,
公司地址：%s,
公司邮编：%s,
公司电话：%s,
""" % (i[0], i[1], i[2], i[3]))