day12正则表达式

正则表达式

正则表达式 提供了一种字符串的匹配模式(pattern)

1. [ ] #代表一个原子表
  [a] #匹配字母a
  [abc] #匹配字母a或者b或者c
  [a-z] #匹配任意一位小写字母
  [A-Z]#匹配任意一位大写字母
  [a-zA-Z]#匹配任意一位字母
2. ^ #以....作为开头
  ^a #匹配以字母a作为开头
  ^abc #匹配以字母abc作为开头的
  ^[abc] #匹配以字母 a/b/c 字母作为开头的
  [^abc] #匹配 以a/b/c字母以外作为开头的
  [^a-zA-Z]#匹配以字母以外的开头
3. $ #以... ...作为结尾
    ^[1][3-8][0-9]{9}$
  ^[1][345678][0-9]{9}$
4.{m} #表示匹配前面的表达式的m次
  abc{2} #abc 匹配两次
  1[a-z]{2}#匹配两次小写字母
5. {m,n} #表示匹配前面的表达式的m-n 次
  [1-9][0-9]{4,10} #数字0-9 匹配4次到十次
6.{m,} #表示匹配前面的表达式至少m次
7. ？ #表示前面的表达式 可有可无
  [1-9][0-9]? #后面的数字可有可无
  [1-9][0-9]{0,1} #上面的写法也可以写成这种形式
8. . #匹配除了换行符以外的任意一个字符 \n
  .{2} #匹配除了换行符以外的任意字符两次
9. * #匹配前面的表达式 0到多次
  .* #匹配除了换行符以外的任意字符任意次 贪婪模式
  .*? #匹配除了换行符以外的任意字符最少一次1次 拒绝贪婪模式
10. + #匹配前面的数量一次到多次
  .+ #匹配除了换行符以外的任意字符至少一次 贪婪模式
.{1,}
.+? #匹配除了换行符以外的任意字符最少一次，拒绝贪婪模式
11.（） #1.代表一个单元 2.子存储
12. | #或
  a|b #匹配a或b
  ab(c|d) #匹配abc或abd

正则修正符

re.I 不区分大小写
re.M 改变^ 和$ 的行为
re.S 改变 . 的行为

正则常用函数

import re

(1)re.findall(pattern,string,flages)

匹配所有，以列表形式返回，匹配失败返回空列表。
例如:

myStr = """
百度
电影网址
淘宝
淘宝2
京
东
"""
re.findall(".*?",mystr,re.S)
dataList = re.findall(".*?")
dataList = re.findall("<[aA] href=\"http://.*?\">.*?",myStr,re.S)
dataList = re.findall(".*?",myStr,re.S)

(2)re.match(pattern,string,flages)

只匹配一次 使用group进行取值
匹配成功 返回对象
匹配失败 返回None
注意:
1.从第一位开始匹配
2.只匹配一次

（3）re.search(pattern,string,flages)

匹配成功返回对象
匹配失败返回None
注意:
1.只匹配一次
2.只要字符串中包含就可以

(4)re.sub(pattern,string,myStr,count,flages)/re.subn 正则的替换

返回替换后的结果
sub和subn的区别： sub只返回替换的结果 subn返回 替换后的结果和替换次数
实例：

myStr = '1990/01/01'
print(re.sub("(\d{4}/(\d{2})/(\d{2})","\\3日\\2月\\1年"，myStr))
print(re.subn("(\d{4}/(\d{2})/(\d{2})","\\3日\\2月\\1年"，myStr))
括号中的值依次类推

(5)re.split(pattern,string,maxsplit,flags)正则的拆分

将字符串拆分成列表
实例

print(re.split('\w',myStr))#数字字母下划线以外的字符作为拆分条件，默认拆分所有
print(re.split('\d', myStr,1))#数字作为拆分条件 只拆分一次
print(re.split('[a-z]',myStr, flags=re.I))#字母作为拆分条件，拆分所有，不区分大小写

(6)re.finditer(pattern,string,flags) 以迭代器的形式，返回匹配的结果

匹配所有
实例：

myStr = 'asdaASCD1234uu'
reIter = re.finditer('[a-z]', myStr,re.I)
print(next(reIter).group())

(7)re.complie(pattern,flags)

执行效率高，将正则和字符串分开
实例

pattern = re.compile("[(.*?)](\"https://book.douban.com/subject/[0‐9]+/\") ",re.DOTALL|re.IGNORECASE|re.MULTILINE) #compile的修正符号 # print(pattern) print(pattern.findall(data))

urllib.request url处理模块

（1）urlopen 打开链接地址

实例

import urllib.request
url = ''http://bbs.tianya.cn/m/post‐140‐393974‐6.shtml"
res = urllib.request.urlopen(url)
print(res)
print(res.read().decode('utf‐8')) #读取全部
print(res.readline().decode('utf‐8'))
print(res.readlines())
print(res.getcode())