正则表达式很难吗?其实也就那样!

简介: 正则表达式很难吗?其实也就那样!

1 / 写在前面的话 / 


   Hello,元宵节过了,这个年也算是过完了,接下来就得看我们2019年的奋斗了,2019年JAP君会一直陪着大家一起学习!今天我们来学习一下号称最难学的正则表达式,正则表达式在我们写爬虫的时候确实是一个很好的帮手,因为有一些网站的数据可能并不是那么的规整或者数据太多,我们只需要部分数据的时候,此时我们就可以通过一些表达式来进行提取,正则表达式就是其中一种进行数据筛选的表达式。


2 / 正则表达式之“原子” /


      估计大家看到这个小标题就有点懵逼,原子?我点错公众号了吗?当然你没有点错,这里的“原子”,并非是物理中的原子,那是什么?原子是正则表达式中最基本的组成单位,每一个正则表达式中至少要包含一个“原子”。


常见的原子类型有哪些?


      1.普通字符作原子

      2.非打印字符作原子

      3.通用字符作为原子

      4.原子表



1.普通字符作原子:


     普通字符是编写正则表达式时最常见的原子了,包括所有的大写和小写字母字符、所有数字等。例如,a—z、A—Z、0—9。


    说明:search函数是re模块里面的,第一个参数就是原子,第二个参数是需要解析的字符串。

s = "JAVAandPython"
# 普通字符作为原子
pattern = "and"
m = re.search(pattern, s)
print(m)


输出结果:

<_sre.SRE_Match object; span=(4, 7), match='and'>


说明:re.research返回的是一个match对象


2.非打印字符作为原子:


    非打印字符,是一些在字符串中的格式控制符号,例如空格、回车及制表符号等。例如下表所示列出了正则表达式中常用的非打印字符及其含义。


image.png


# 非打印字符作为原子
s = '''JAVAand
Python
'''
pattern = "\n"
m = re.search(pattern, s)
print(m)


说明:这里我们使用了三引号来进行换行书写,s中是存在一个\n的


输出结果:

<_sre.SRE_Match object; span=(7, 8), match='\n'>


3.通用字符作为原子


   上面我们说的普通字符和非打印字符都是一个原子匹配一个字符,而通用字符是匹配一类字符,例如我们匹配数字时,不是匹配一个而是匹配这一类。


   下面我给大家列举出一些:


\w:包含字母,数字,下划线

\W:除了字母,数字,下划线之外的

\d:十进制的数字

\D:除十进制的数字

\s:空白字符

\S:除空白字符



# 通用字符作为原子
s = 'JAVAand666python'
pattern = "\d\d\d\w"
m = re.search(pattern, s)
print(m)


输出结果:

<_sre.SRE_Match object; span=(7, 11), match='666p'>


4.原子表:


    使用原子表“[]”就可以定义一组彼此地位平等的原子,且从原子表中仅选择一个原子进行匹配。


# 原子表
s = 'JAVAand666python'
pattern = "and[1234567]"
m = re.search(pattern, s)
print(m)



输出结果:

<_sre.SRE_Match object; span=(4, 8), match='and6'>


其实质就是从[]中选取符合原字符串的元素来进行匹配。


3 / 正则表达式之“元字符”/


what is 元字符?所谓的元字符就是正则表达式中一些含有特殊意义的字符,如下表:


image.png


是不是看了之后还是有点懵逼?接下来,我给大家用代码一一实现一下


1.  “  .  ” 除了换行符外的任意一个字符

# 元字符   . 除了换行外任意一个字符
s = 'JAVAand666python'
pattern = "JAVA."
m = re.search(pattern, s)
print(m)
pattern = "JAVA..."
m = re.search(pattern, s)
print(m)


输出结果:

<_sre.SRE_Match object; span=(0, 5), match='JAVAa'>
<_sre.SRE_Match object; span=(0, 7), match='JAVAand'>



2. ^  匹配输入字符串的开始位置


s = 'JAVAand666python'
pattern = "^JAVA."
m = re.search(pattern, s)
print(m)


输出结果:

<_sre.SRE_Match object; span=(0, 5), match='JAVAa'>


3. $ 输入字符串的结束位置


s = 'JAVAand666python'
pattern = ".python$"
m = re.search(pattern, s)
print(m)


输出结果:

<_sre.SRE_Match object; span=(9, 16), match='6python'>


4.  *  匹配前子表达式的任意次

   +  匹配前子表达式的1次或者多次

   ? 匹配前子表达式的0次或者1次


s = 'JAVAand666python'
pattern = "JAVA.*"
m = re.search(pattern, s)
print(m)
s = 'JAVAand666python'
pattern = "JAVA.+"
m = re.search(pattern, s)
print(m)
s = 'JAVAand666python'
pattern = "JAVA.?"
m = re.search(pattern, s)
print(m)


输出结果:

<_sre.SRE_Match object; span=(0, 16), match='JAVAand666python'>
<_sre.SRE_Match object; span=(0, 16), match='JAVAand666python'>
<_sre.SRE_Match object; span=(0, 5), match='JAVAa'>



5.{n}  匹配前子表达式恰好出现n次

  {n,}  匹配前子表达式至少出现n次

  {n,m} 匹配前子表达式至少出现n次,至多出现m次


s = 'JAVAanddddddd666python'
pattern = "JAVAand{3}"
m = re.search(pattern, s)
print(m)
s = 'JAVAanddddddd666python'
pattern = "JAVAand{3,}"
m = re.search(pattern, s)
print(m)
s = 'JAVAanddddddd666python'
pattern = "JAVAand{3,5}"
m = re.search(pattern, s)
print(m)


输出结果:

<_sre.SRE_Match object; span=(0, 9), match='JAVAanddd'>
<_sre.SRE_Match object; span=(0, 13), match='JAVAanddddddd'>
<_sre.SRE_Match object; span=(0, 11), match='JAVAanddddd'>


OK,上面几个是比较常见的元字符。


4 / 正则表达式之“模式修正符” /


     虽然都说正则很难,其实基础上也不是特别难,只是大部分的东西需要死记硬背,接下来我们来扯一下模式修正符,这个非常简单,就几个简单的字母标点,但是也是需要我们记住的。


     首先还是跟大家讲下模式修正符是个啥,它就是通过一些特定的符号去改正正则表达式的含义,从而达到一些特定的效果而且我没进行模式修正是不要去改变正则表达式的。


     下表就是一些模式修正符:


image.png


    这里面比较重要的就是 I M S ,下面我就简单给大家用代码展示一个:

import re
s = "JAVAandPython666666"
pattern = 'java'
# 这里的第三个参数就是调用了我们的模式修正符,其他的也是一样的使用
m = re.search(pattern, s, re.I)
print(m)


输出结果:

<_sre.SRE_Match object; span=(0, 4), match='JAVA'>

从上面的代码和输出结果可以看出我们通过re.I 忽略掉了大小写。


再来看一个:

s = '''123java
asdasd
'''
pattern = '123.+'
# 这里的第三个参数就是调用了我们的模式修正符,其他的也是一样的使用
m = re.search(pattern, s, re.S)
print(m)


输出结果:

<_sre.SRE_Match object; span=(0, 15), match='123java\nasdasd\n'>

从结果中,我们可以看到它把\n也打印出来了。


5 / 贪婪模式和懒惰模式 / 


   其实从字面意思上就可以看出,“贪婪模式”就是尽可能多的匹配,“懒惰模式”就是尽可能少的匹配。可能大家还是不知道这是个啥,还是直接上代码吧。


我们首先看一下贪婪模式

s = '123JAVAandpypyPython'
pattern = '123.*py'
m = re.search(pattern, s, re.I)
print(m)


我们来看看输出结果:

<_sre.SRE_Match object; span=(0, 16), match='123JAVAandpypyPy'>

我们从代码和输出结果分析,可以看到它直到最后一个py才停止


我们再来看一下懒惰模式:

s = '123JAVAandpypyPython'
pattern = '123.*?py'
m = re.search(pattern, s, re.I)
print(m)


输出结果:

<_sre.SRE_Match object; span=(0, 12), match='123JAVAandpy'>


可以看到它匹配到第一个py时就停止了


总结:其实大家都可以发现,懒惰模式和贪婪模式就是一个问号的差别,贪婪模式是“.*”,懒惰模式是“.*?”。贪婪模式就是会一直“吃”到底,懒惰模式就是“吃”到第一个就不吃了,按照这样分析,可以发现贪婪模式所得到的结果是比较模糊的而懒惰模式得到的结果更加的精确。


6 / 正则表达式的函数 /  


    接下来我们来看一下正则中的函数,这个是十分重要的。我就直接上代码。


import re
# 以下正则分成了两个小组,以小括号为单位
s = r'([a-z]+) ([a-z]+) ([a-z]+) ([a-z]+)'
# s.I表示忽略大小写
pattern = re.compile(s, re.I)
# match -从头开始匹配,但是search可以从任意处匹配
m = pattern.match("Hello World Kuls yes qweqwe")
# group(0)表示返回匹配成功的整个子串
s = m.group(0)
print(s)
# span(0)返回的是匹配成功的整个子串的跨度
a = m.span(0)
print(a)
# group(1)表示第一个匹配成功的子串
s = m.group(1)
print(s)
# span(1)表示第一个匹配成功的子串跨度
a = m.span(1)
print(a)
# groups()等价于group(1),group(2)
s = m.groups()
print(s)


其实我在代码里面给大家讲解了每一个函数的作用,但是我还是把它扯出来吧,防止大家没看到。


match -从头开始匹配,但是search可以从任意处匹配


group(0)表示返回匹配成功的整个子串


span(0)返回的是匹配成功的整个子串的跨度


group(1)表示第一个匹配成功的子串


span(1)表示第一个匹配成功的子串跨度


groups()等价于group(1),group(2)


整个输出的结果也给大家看看:

Hello World Kuls yes
(0, 20)
Hello
(0, 5)
('Hello', 'World', 'Kuls', 'yes')


另外还有两个比较重要的函数findall和finditer,两者相比,findall是最常用的。

import re
s = r'\d+'
# 全局匹配
pattern = re.compile(s)
m = pattern.findall("i am 18 years old and 185 high")
print(m)
# finditer
m = pattern.finditer("i am 18 years old and 185 high")
for i in m:
   print(i.group())


输出结果:

['18', '185']
18
185


可以看到findall返回的是一个list列表


7 / 一些常用的正则实例 / 


这里给大家准备了一些经常用的正则实例,大家可以收藏收藏。


Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$


域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?


InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$


手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$


国内电话号码(0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7}


身份证号(15位、18位数字):^\d{15}|\d{18}$


IP地址:\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)


中文字符的正则表达式:[\u4e00-\u9fa5]


 • end •

相关文章
|
Java Docker 容器
Docker 安装 JDK
一、查看 JDK 版本 访问 JDK 镜像库地址:https://hub.docker.com/_/openjdk/tags。 可以通过 Tags 查看其他版本的 JDK,默认是最新版本 open:idk ,你也可以在下拉列表中找到其他你想要的版本。 二、拉取 JDK 镜像 拉取 jdk8 的镜像: docker pull openjdk:8 这将从Docker Hub上拉取名为"openjdk"的官方仓库中的JDK 8镜像。一旦拉取完成,您就可以在容器中使用JDK 8了。 三、查看已下载的镜像 使用docker images命令可以列出所有本地已下载的Docker镜像: docker ima
4142 1
|
11月前
|
Java 关系型数据库 MySQL
mysql5.7 jdbc驱动
遵循上述步骤,即可在Java项目中高效地集成MySQL 5.7 JDBC驱动,实现数据库的访问与管理。
2158 1
|
监控 Devops 测试技术
DevOps实践: 持续集成和持续部署(CI/CD)的入门指南
【9月更文挑战第10天】在快速迭代的软件开发世界中,DevOps已经成为加速产品交付、提升软件质量和团队协作的关键策略。本文将深入浅出地介绍DevOps的核心组成部分——持续集成(Continuous Integration, CI)与持续部署(Continuous Deployment, CD)的基本概念、实施步骤以及它们如何革新传统的软件开发流程。你将学习到如何通过自动化工具简化开发流程,并理解为什么CI/CD是现代软件开发不可或缺的一环。
|
10月前
|
存储 SQL 缓存
优化ClickHouse查询性能:最佳实践与调优技巧
【10月更文挑战第26天】在大数据分析领域,ClickHouse 以其卓越的查询性能和高效的列式存储机制受到了广泛的关注。作为一名已经有一定 ClickHouse 使用经验的开发者,我深知在实际应用中,合理的表设计、索引优化以及查询优化对于提升 ClickHouse 性能的重要性。本文将结合我的实践经验,分享一些有效的优化策略。
1207 3
|
数据挖掘 数据处理 Python
【Python DataFrame 专栏】Python DataFrame 入门指南:从零开始构建数据表格
【5月更文挑战第19天】本文介绍了Python数据分析中的核心概念——DataFrame,通过导入`pandas`库创建并操作DataFrame。示例展示了如何构建数据字典并转换为DataFrame,以及进行数据选择、添加修改列、计算统计量、筛选和排序等操作。DataFrame适用于处理各种规模的表格数据,是数据分析的得力工具。掌握其基础和应用是数据分析之旅的重要起点。
380 2
【Python DataFrame 专栏】Python DataFrame 入门指南:从零开始构建数据表格
|
SQL 分布式计算 Java
Apache Spark 3.0 中的向量化 IO
在 Apache Spark 3.0 中,SparkR 中引入了一种新的向量化(vectorized)实现,它利用 Apache Arrow 直接在 JVM 和 R 之间交换数据,且(反)序列化成本非常小
2415 58
Apache Spark 3.0 中的向量化 IO
|
存储 数据挖掘 关系型数据库
DataFrame 与数据库交互:从导入到导出
【5月更文挑战第19天】本文介绍了如何在数据分析中实现DataFrame与MySQL数据库之间的数据交互。通过`pandas`的`read_sql`函数可将数据库中的数据导入DataFrame,处理后使用数据库游标执行插入或更新操作将数据导回。注意数据类型匹配、数据完整性和一致性。对于大量数据,可采用分块读取和批量操作提升效率。这种交互能结合数据库的存储管理和DataFrame的分析功能,提高数据处理效率。
361 2
|
JavaScript 测试技术 API
如何从 Vue 2 无痛升级到 Vue 3,一文搞定!
如何从 Vue 2 无痛升级到 Vue 3,一文搞定!
|
SQL 关系型数据库 MySQL
MySQL DML(数据操作语言)全面指南
MySQL DML(数据操作语言)全面指南
|
Python
Python如何获取用户输入
Python如何获取用户输入
1463 0