深入浅析正则表达式re模块（部分）
正则表达式：
官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
什么是正则表达式:一套规则-匹配字符串的
谈到正则，就只和字符串相关了。我们要考虑的是在同一个位置上可以出现的字符的范围。
正则表达式能做什么：
•1.检测一个输入的字符串是否合法--web开发项目表单验证◦用户输入一个内容的时候,我们要提前做检测
◦能够提高程序的效率并且减轻服务器的压力
•2.从一个大文件中找到所有符合规则的内容--日志分析\爬虫◦能够高效的从一大段文字中快速找到符合规则的内容
字符组：[字符组]
在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示。一个中括号只表示一个字符位置
字符分为很多类，比如数字、字母、标点等等。假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。
字符组描述的是一个位置上能出现的所有可能性
#接受范围,可以描述多个范围,连着写就可以了
#[abc] 一个中括号只表示一个字符位置,匹配a或者b或者c
#[0-9] 匹配数字0-9，根据ASCII进行范围的比对
#[a-z] 匹配所有的小写字母
#[A-Z] 匹配所有的大写字母
#[a-zA-Z] 匹配所有的大小写字母
#[0-9a-z]
#[0-9a-zA-Z_]
元字符：
字符：
元字符 匹配内容的规则
. 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
^ 匹配一个字符串的开始
$ 匹配一个字符串的结尾
\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
a表达式|b表达式 匹配a或者b表达式中的内容,如果匹配a成功了,不会继续和b匹配，所以,如果两个规则有重叠部分,总是把长的放在前面
() 分组，匹配括号内的表达式，也表示一个组。约束某一个元字符的作用范围，只在（）内生效
[] 字符组，匹配字符组中的字符
[^] 非字符组，匹配除了字符组中字符的所有字符
在正则表达式中能够帮助我们表示匹配的内容的符号都是正则中的元字符
#[0-9] --> \d 表示匹配一位任意数字digit
#[0-9a-zA-Z_]--> \w 表示匹配数字字母下划线word
#空格-->
#tab --> \t
#enter回车 --> \n
#空格,tab和回车-->\s 表示所有空白包括空格tab和回车
#[\d] \d 表示匹配数字
#[\d\D][\w\W][\s\S] 表示匹配所有
#[^\d] 匹配所有的非数字
#[^1] 匹配除数字1以外的所有
#[1-9]\d匹配两位整数
#[1357]\d 匹配1,3,5,7，开头的两位整数
例1：匹配多个网址：
www\.oldboy\.com|www\.baidu\.com|www\.jd\.com|www\.taobao\.com #\.表示取消.的特殊意义
www\.(oldboy|baidu|jd|taobao)\.com #用（）来约束|描述的内容的范围
记忆元字符:都是表示能匹配哪些内容,一个元字符总是表示一个字符位置上的内容
#\d\w\s\t\n\D\W\S
#[][^].
#^$
#|()
量词：
量词 用法说明
* 重复0次或更多次，表示0次或多次 {0,}
+ 重复1次或更多次，表示1次或多次 {1,}
? 重复0次或1次，表示匹配0次或1次 {0,1}
{n} 重复n次，表示匹配n次
{n,} 重复n次或更多次，表示匹配至少n次
{n,m} 重复n到m次，表示至少匹配n次,至多m次
例：
匹配整数\d+
匹配小数\d+\.\d+
匹配整数或小数:\d+\.?\d*#存在问题，比如1.也会被匹配到 ---> 分组的作用:\d+(\.\d+)?
例：匹配手机号码，手机号以1开头，第二位为3-9，总共11位
1[3-9]\d{9}
#判断用户输入的内容是否合法,如果用户输入的对就能查到结果,如果输入的不对就不能查到结果
^1[3-9]\d{9}$
#从一个大文件中找到所有符合规则的内容
1[3-9]\d{9}
转义符：
原本有特殊意义的字符,到了表达它本身的意义的时候,需要转义。
.有特殊的意义,取消特殊的意义\.
有一些有特殊意义的内容,放在字符组中,会取消它的特殊意义
#只表示符号本身
[().*+?]所有的内容在字符组中会取消它的特殊意义
#表示：a-c(a减c)
[a\-c] -在字符组中表示范围,如果不希望它表示范围,需要转义,或者放在字符组的最前面\最后面。
取消一个元字符的特殊意义有两种方法：
1.在这个元字符前面加\
2.对一部分字符生效,把这个元字符放在字符组里
#[.()+?*]
贪婪匹配：
1.贪婪匹配：在量词范围允许的情况下,尽量多的匹配内容
.*x表示匹配任意字符任意多次数遇到最后一个x才停下来
回溯算法：
2.非贪婪(惰性)匹配：总是在量词范围内尽量少的匹配内容。前面的*,+等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
.*?x表示匹配任意字符任意多次数但是一旦遇到x就停下来
.+?x匹配任意内容至少1次遇到x就停止
元字符+量词+？--->惰性匹配
几个常用的非贪婪匹配：
*?重复任意次，但尽可能少重复
+?重复1次或更多次，但尽可能少重复
??重复0次或1次，但尽可能少重复
{n,m}?重复n到m次，但尽可能少重复
{n,}?重复n次以上，但尽可能少重复
例：匹配身份证号码：18/15位的身份证号
#15位：首位数字为1-9，总共15位
[1-9]\d{14}
#18位：首位数字为1-9，末位为0-9或者X，总共18位
[1-9]\d{16}[\dx]
[1-9]\d{16}[0-9x]
#1：
[1-9]\d{16}[0-9x]|[1-9]\d{14}#从一个大文件中找到所有符合规则的内容。表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$#检测一个输入的字符串是否合法
#2：简化
[1-9]\d{14}(\d{2}[\dx])?#从一个大文件中找到所有符合规则的内容
^[1-9]\d{14}(\d{2}[\dx])?$#检测一个输入的字符串是否合法。()表示分组，将\d{2}[\dx]分成一组，就可以整体约束他们出现的次数为0-1次
例：
规则：1\d*?3待匹配内容：1243333344匹配结果：1243
规则：1\d*3待匹配内容：1243333344匹配结果：12433333
re模块：
#findall还是按照完整的正则进行匹配,只是显示括号里匹配到的内容。取所有符合条件的,优先显示分组中的。
ret=re.findall('9\d\d','19740ash93010uru')
print(ret)#['974','930']
ret=re.findall('9(\d)\d','19740ash93010uru')
print(ret)#['7','3']
#search还是按照完整的正则进行匹配,显示也显示匹配到的第一个内容,但是我们可以通过给group方法传参数,来获取具体分组，即（）中的内容。
search只取第一个符合条件的,没有优先显示这件事儿
得到的结果是一个变量
变量.group()的结果完全和变量.group(0)的结果一致
变量.group(n)的形式来指定获取第n个分组中匹配到的内容
ret=re.search('9(\d)(\d)','19740ash93010uru')
print(ret)#变量<_sre.SRE_Matchobject;span=(1,4),match='974'>
ifret:
print(ret.group())#974#ret.group(0)0默认不写
print(ret.group(1))#7
print(ret.group(2))#4
#为什么在search中不需要分组优先而在findall中需要?
加上括号是为了对真正需要的内容进行提取。为什么要用分组?把想要的内容放分组里
如果我们要查找的内容在一个复杂的环境中，我们要查的内容并没有一个突出的与众不同的特点甚至会和不需要的杂乱的数据混合在一起，这个时候我们就需要把所有的数据都统计出来,然后对这个数据进行筛选,把我们真正需要的数据对应的正则表达式用()圈起来，这样我们就可以筛选出真正需要的数据了。
#如何取消分组优先
如果在写正则的时候由于不得已的原因，导致不要的内容也得写在分组里，通过?:取消这个分组的优先显示
#(?:)取消这个分组的优先显示
#findall
ret=re.findall('<\w+>(\w+)','askh930s02391j192agsj
')
print(ret)#['askh930s02391j192agsj']
#search
ret=re.search('<(\w+)>(\w+)','askh930s02391j192agsj
')
print(ret.group())#askh930s02391j192agsj
print(ret.group(1))#h1
print(ret.group(2))#askh930s02391j192agsj
#从exp中匹配出第一个加法，第一个减法，a+b或者是a-b并且计算他们的结果
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
#将豆瓣源码放到douban.html，从中获取电影名：
withopen('douban.html',encoding='utf-8')asf:
content=f.read()
ret=re.findall('(.*?)(?:\s*.*?)?',content)
print(ret)
#除了霸王别姬，其他电影都是肖申克的救赎这种格式的。
(.*?)要显示的电影名其中？是非贪婪匹配的标志
(?:\s*.*?)?
?:取消这个分组的优先显示，整个（）内都不显示\s*两行代码之间所有的空字符
.*?电影英文名？该部分出现0次或者1次
#什么是爬虫
#通过代码获取到一个网页的源码,需要的是源码中嵌着的网页上的内容--正则表达式
#先安装扩展模块File--Settings--ProjectInterpreter--+--找到包---InstallPackage
importrequests
ret=requests.get('https://movie.douban.com/top250?start=0&filter=')
print(ret.content.decode('utf-8'))
总结
以上所述是小编给大家介绍的深入浅析正则表达式re模块（部分）,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！