正則表達(dá)式：

官方定義：正則表達(dá)式是對(duì)字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個(gè)“規(guī)則字符串”，這個(gè)“規(guī)則字符串”用來(lái)表達(dá)對(duì)字符串的一種過濾邏輯。

​ 什么是正則表達(dá)式: 一套規(guī)則 – 匹配字符串的

​ 談到正則，就只和字符串相關(guān)了。我們要考慮的是在同一個(gè)位置上可以出現(xiàn)的字符的范圍。

​ 正則表達(dá)式能做什么：

•1.檢測(cè)一個(gè)輸入的字符串是否合法 — web開發(fā)項(xiàng)目 表單驗(yàn)證 ◦用戶輸入一個(gè)內(nèi)容的時(shí)候,我們要提前做檢測(cè)
◦能夠提高程序的效率并且減輕服務(wù)器的壓力

•2.從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容 — 日志分析爬蟲 ◦能夠高效的從一大段文字中快速找到符合規(guī)則的內(nèi)容

字符組 ： [字符組]

在同一個(gè)位置可能出現(xiàn)的各種字符組成了一個(gè)字符組，在正則表達(dá)式中用[]表示。一個(gè)中括號(hào)只表示一個(gè)字符位置
 字符分為很多類，比如數(shù)字、字母、標(biāo)點(diǎn)等等。假如你現(xiàn)在要求一個(gè)位置”只能出現(xiàn)一個(gè)數(shù)字”,那么這個(gè)位置上的字符只能是0、1、2…9這10個(gè)數(shù)之一。
     字符組 描述的是一個(gè)位置上能出現(xiàn)的所有可能性
    # 接受范圍,可以描述多個(gè)范圍,連著寫就可以了
    # [abc]    一個(gè)中括號(hào)只表示一個(gè)字符位置,匹配a或者b或者c
    # [0-9]     匹配數(shù)字0-9，根據(jù)ASCII進(jìn)行范圍的比對(duì)
    # [a-z]     匹配所有的小寫字母
    # [A-Z]     匹配所有的大寫字母
    # [a-zA-Z]  匹配所有的大小寫字母
    # [0-9a-z]
    # [0-9a-zA-Z_]

元字符：

        字符：

        元字符           匹配內(nèi)容的規(guī)則
        .               匹配除換行符以外的任意字符
        w              匹配字母或數(shù)字或下劃線
        s              匹配任意的空白符
        d              匹配數(shù)字
        n              匹配一個(gè)換行符
        t              匹配一個(gè)制表符
        b              匹配一個(gè)單詞的結(jié)尾
        ^               匹配一個(gè)字符串的開始
        $               匹配一個(gè)字符串的結(jié)尾
        W              匹配非字母或數(shù)字或下劃線
        D              匹配非數(shù)字
        S              匹配非空白符
        a|b             匹配字符a或字符b
        a表達(dá)式|b表達(dá)式   匹配a或者b表達(dá)式中的內(nèi)容,如果匹配a成功了,不會(huì)繼續(xù)和b匹配， 所以,如果兩個(gè)規(guī)則有重疊部分,總是把長(zhǎng)的放在前面
        ()              分組，匹配括號(hào)內(nèi)的表達(dá)式，也表示一個(gè)組。約束某一個(gè)元字符的作用范圍，只在（）內(nèi)生效
        []              字符組，匹配字符組中的字符
        [^]             非字符組，匹配除了字符組中字符的所有字符
        在正則表達(dá)式中能夠幫助我們表示匹配的內(nèi)容的符號(hào)都是正則中的 元字符
        # [0-9]        –>  d   表示匹配一位任意數(shù)字 digit
        # [0-9a-zA-Z_] –>  w   表示匹配數(shù)字字母下劃線 word
        # 空格 –>
        # tab  –>  t
        # enter回車  –>  n
        # 空格,tab和回車 –> s  表示所有空白 包括空格 tab和回車
        # [d]  d  表示匹配數(shù)字
        # [dD] [wW] [sS]  表示匹配所有
        # [^d]  匹配所有的非數(shù)字
        # [^1]  匹配除數(shù)字1以外的所有  
        # [1-9]d 匹配兩位整數(shù)
        # [1357]d  匹配1,3,5,7，開頭的兩位整數(shù)
              例1：匹配多個(gè)網(wǎng)址：
             www.oldboy.com|www.baidu.com|www.jd.com|www.taobao.com     #.表示取消.的特殊意義
             www.(oldboy|baidu|jd|taobao).com    #用（） 來(lái)約束 | 描述的內(nèi)容的范圍      
        記憶元字符 : 都是表示能匹配哪些內(nèi)容,一個(gè)元字符總是表示一個(gè)字符位置上的內(nèi)容
        # d w s t n D W S
        # [] [^] .
        # ^ $
        # | ()

量詞：

        量詞  用法說明
        *      重復(fù)0次或更多次，表示0次或多次    {0,}
        +      重復(fù)1次或更多次，表示1次或多次    {1,}
        ?      重復(fù)0次或1次，表示匹配0次或1次    {0,1}
        {n}    重復(fù)n次，表示匹配n次
        {n,}   重復(fù)n次或更多次，表示匹配至少n次
        {n,m}  重復(fù)n到m次，表示至少匹配n次,至多m次
        例：
            匹配整數(shù) d+
            匹配小數(shù) d+.d+
            匹配整數(shù)或小數(shù) : d+.?d* #存在問題，比如1.也會(huì)被匹配到   —>  分組的作用 : d+(.d+)?
        例：匹配手機(jī)號(hào)碼，手機(jī)號(hào)以1開頭，第二位為3-9，總共11位             
            1[3-9]d{9}

            #判斷用戶輸入的內(nèi)容是否合法,如果用戶輸入的對(duì)就能查到結(jié)果,如果輸入的不對(duì)就不能查到結(jié)果
                 ^1[3-9]d{9}$
            # 從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容
                 1[3-9]d{9}  

轉(zhuǎn)義符：

 原本有特殊意義的字符,到了表達(dá)它本身的意義的時(shí)候,需要轉(zhuǎn)義。     

     . 有特殊的意義,取消特殊的意義.

  有一些有特殊意義的內(nèi)容,放在字符組中,會(huì)取消它的特殊意義
                #只表示符號(hào)本身
          [().*+?] 所有的內(nèi)容在字符組中會(huì)取消它的特殊意義        
         #表示：a-c (a減c)
          [a-c]  -在字符組中表示范圍,如果不希望它表示范圍,需要轉(zhuǎn)義,或者放在字符組的最前面最后面 。
 取消一個(gè)元字符的特殊意義有兩種方法：
        1. 在這個(gè)元字符前面加
        2. 對(duì)一部分字符生效,把這個(gè)元字符放在字符組里
            # [.()+?*]

貪婪匹配：

   1.貪婪匹配：在量詞范圍允許的情況下,盡量多的匹配內(nèi)容       .*x 表示匹配任意字符 任意多次數(shù) 遇到最后一個(gè)x才停下來(lái)      回溯算法：    2.非貪婪(惰性)匹配： 總是在量詞范圍內(nèi)盡量少的匹配內(nèi)容。前面的*,+等都是貪婪匹配，也就是盡可能匹配，后面加?號(hào)使其變成惰性匹配      .*?x 表示匹配任意字符 任意多次數(shù) 但是一旦遇到x就停下來(lái)    .+?x 匹配任意內(nèi)容至少1次 遇到x就停止      元字符+量詞+？ ---> 惰性匹配      幾個(gè)常用的非貪婪匹配：     *? 重復(fù)任意次，但盡可能少重復(fù)     +? 重復(fù)1次或更多次，但盡可能少重復(fù)     ?? 重復(fù)0次或1次，但盡可能少重復(fù)     {n,m}? 重復(fù)n到m次，但盡可能少重復(fù)     {n,}? 重復(fù)n次以上，但盡可能少重復(fù)     例：匹配身份證號(hào)碼：18/15位的身份證號(hào)   # 15位：首位數(shù)字為1-9，總共15位    [1-9]d{14}   # 18位：首位數(shù)字為1-9，末位為0-9或者X，總共18位     [1-9]d{16}[dx]     [1-9]d{16}[0-9x]   #1：    [1-9]d{16}[0-9x]|[1-9]d{14}   #從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容。表示先匹配[1-9]d{16}[0-9x]如果沒有匹配上就匹配[1-9]d{14}    ^([1-9]d{16}[0-9x]|[1-9]d{14})$  #檢測(cè)一個(gè)輸入的字符串是否合法   #2：簡(jiǎn)化    [1-9]d{14}(d{2}[dx])?  #從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容    ^[1-9]d{14}(d{2}[dx])?$  #檢測(cè)一個(gè)輸入的字符串是否合法 。()表示分組，將d{2}[dx]分成一組，就可以整體約束他們出現(xiàn)的次數(shù)為0-1次    例：   規(guī)則：1d*?3 待匹配內(nèi)容：1243333344  匹配結(jié)果：1243   規(guī)則：1d*3  待匹配內(nèi)容：1243333344  匹配結(jié)果：12433333  re模塊：  # findall 還是按照完整的正則進(jìn)行匹配,只是顯示括號(hào)里匹配到的內(nèi)容。 取所有符合條件的,優(yōu)先顯示分組中的。   ret = re.findall('9dd','19740ash93010uru')   print(ret)#['974', '930']   ret = re.findall('9(d)d','19740ash93010uru')   print(ret)#['7', '3']  # search 還是按照完整的正則進(jìn)行匹配,顯示也顯示匹配到的第一個(gè)內(nèi)容,但是我們可以通過給group方法傳參數(shù),來(lái)獲取具體分組，即（）中的內(nèi)容。   search 只取第一個(gè)符合條件的,沒有優(yōu)先顯示這件事兒   得到的結(jié)果是一個(gè)變量    變量.group() 的結(jié)果 完全和 變量.group(0)的結(jié)果一致    變量.group(n) 的形式來(lái)指定獲取第n個(gè)分組中匹配到的內(nèi)容   ret = re.search('9(d)(d)','19740ash93010uru')   print(ret) # 變量 <_sre.SRE_Match object; span=(1, 4), match='974'>   if ret:    print(ret.group())#974 #ret.group(0) 0 默認(rèn)不寫    print(ret.group(1))#7    print(ret.group(2))#4  # 為什么在search中不需要分組優(yōu)先 而在findall中需要?   加上括號(hào)是為了對(duì)真正需要的內(nèi)容進(jìn)行提取。 為什么要用分組? 把想要的內(nèi)容放分組里   如果我們要查找的內(nèi)容在一個(gè)復(fù)雜的環(huán)境中，我們要查的內(nèi)容并沒有一個(gè)突出的 與眾不同的特點(diǎn) 甚至?xí)筒恍枰碾s亂的數(shù)據(jù)混合在一起，這個(gè)時(shí)候我們就需要把所有的數(shù)據(jù)都統(tǒng)計(jì)出來(lái),然后對(duì)這個(gè)數(shù)據(jù)進(jìn)行篩選,把我們真正需要的數(shù)據(jù)對(duì)應(yīng)的正則表達(dá)式用()圈起來(lái)，這樣我們就可以篩選出真正需要的數(shù)據(jù)了。  # 如何取消分組優(yōu)先   如果在寫正則的時(shí)候由于不得已的原因，導(dǎo)致不要的內(nèi)容也得寫在分組里，通過 ?: 取消這個(gè)分組的優(yōu)先顯示   # (?:) 取消這個(gè)分組的優(yōu)先顯示  #findall   ret = re.findall('<w+>(w+)</w+>','<h1>askh930s02391j192agsj</h1>')   print(ret)#['askh930s02391j192agsj']  # search   ret = re.search('<(w+)>(w+)</w+>','<h1>askh930s02391j192agsj</h1>')   print(ret.group())#<h1>askh930s02391j192agsj</h1>   print(ret.group(1))#h1   print(ret.group(2))#askh930s02391j192agsj  #從exp中匹配出第一個(gè)加法，第一個(gè)減法， a+b 或者是a-b 并且計(jì)算他們的結(jié)果    exp = '2-3*(5+6)'    ret = re.search('(d+)[+](d+)',exp)    print(ret)    print(ret.group(1))#5    print(ret.group(2))#6    print(int(ret.group(1)) + int(ret.group(2)))#11   #將豆瓣源碼放到douban.html，從中獲取電影名：   with open('douban.html',encoding='utf-8') as f:    content = f.read()   ret = re.findall('<span class="title">(.*?)</span>(?:s*<span class="title">.*?</span>)?',content)   print(ret)   #除了 霸王別姬，其他電影都是 肖申克的救贖 這種格式的。   (.*?) 要顯示的電影名 其中 ？是非貪婪匹配的標(biāo)志   (?:s*<span class="title">.*?</span>)?   ?: 取消這個(gè)分組的優(yōu)先顯示，整個(gè)（）內(nèi)都不顯示  s* 兩行代碼之間所有的空字符    .*? 電影英文名         ？ 該部分出現(xiàn)0次 或者1次  # 什么是爬蟲   # 通過代碼獲取到一個(gè)網(wǎng)頁(yè)的源碼,需要的是源碼中嵌著的網(wǎng)頁(yè)上的內(nèi)容 -- 正則表達(dá)式   #先安裝擴(kuò)展模塊 File--Settings--Project Interpreter-- + --找到包---Install Package   import requests   ret = requests.get('https://movie.douban.com/top250?start=0&filter=')   print(ret.content.decode('utf-8'))

總結(jié)

以上所述是小編給大家介紹的深入淺析正則表達(dá)式re模塊（部分）,希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)網(wǎng)站的支持！
如果你覺得本文對(duì)你有幫助，歡迎轉(zhuǎn)載，煩請(qǐng)注明出處，謝謝！