基本每个会编程的朋友都听说过正则b表达式,但是每次实际运用的时候却不知道怎么写。
包括我
废话不多说,开始吧。
我们先还是来认识一下什么是正则吧⬇️
正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
不懂没事,看下面你就知道了!
不管学习什么,我们都需要知道它能给我们带来什么。
其实写过爬虫的朋友知道,我们有时候需要提取html中的一些特定内容,这个时候用正则就显得会方便很多。
除了爬虫,在我们注册某些网站,填写密码时候,会判断密码的复杂度,这个也是可以通过正则实现的。
除了以上还有很多,例如写算法题的时候正则一行代码就可以解决、可以自定义正则屏蔽弹幕中的不良语言诸如此类的还有很多,我们下面也会提到。
知道了正则能给我们带来什么,接下来我们来看看在哪写正则呢?
其实在哪写的说法不准确,而是写正则的工具有哪些?
Python的re库
在本篇文章中主要是用以上两种方式进行编写。
基本匹配
接下来,我们看看具体如何编写。
首先,我们来看看正则的基本匹配,也就是你输入什么,就会给你匹配什么。
这个大家都懂,所以没必要细说。
点运算符
了解了基本匹配,我们来看看点运算符
对,没错,就是一个点
我们可以看到它匹配了任意单个字符,但是并没有匹配换行符(换行符就是每一行的最后一个隐藏的符号)
几个限定符
限定符在正则中也是非常非常重要的,有哪些呢?
我们一一介绍
1、?
?的含义就是问号前面那个字符出现0或1次,在上图的例子中use中没有d所以出现了0次,used有一个d所以出现了1次。
2、+
+的含义就是加号前面那个字符出现大于等于1次,在上图的例子里use没有d,所以没有匹配到;但是used和usedddd它们两个中的d都出现了大于等于1次,所以能够被匹配。
3、*
的含义就是星号前面那个字符出现大于等于0次*,这个就很好理解了,这里就不多说了。
[ ]
接下来我们来看看正则中又一个重要的元字符
[]
大家看了上面四张图,估计对于[]就会有一定的认识了,简而言之就是匹配方括号内的任意字符,其中0-9表示0到9之间,包括0和9的数字,其他的同理。
{ }
除了[]还有{}
大括号其实表示的是一个量词,常用来限定一个或者一组字符可以重复出现的次数,大家可以下面实例
首先第一张图,{4}表示的是前面字符只能匹配出现4次的;
第二张图,{2,4}表示的是前面字符只能匹配至少出现2次,最多出现4次的;
第三张图{3,}表示前面字符只能匹配出现至少3次的。
|
或运算符,估计大家能猜到是什么意思
不多说了。
^和$
^ 用来检查匹配的字符串是否在所匹配字符串的开头
$ 用来检查匹配的字符串是否在所匹配字符串的结尾
字符集
字符 | 描述 |
---|---|
. | 除换行符外的所有字符 |
\w | 匹配所有字母数字,等同于 [a-zA-Z0-9_]
|
\W | 匹配所有非字母数字,即符号,等同于:[^\w]
|
\d | 匹配数字:[0-9]
|
\D | 匹配非数字:[^\d]
|
\s | 匹配所有空格字符,等同于:[\t\n\f\r\p{Z}]
|
\S | 匹配所有非空格字符:[^\s]
|
\f | 匹配一个换页符 |
\n | 匹配一个换行符 |
\r | 匹配一个回车符 |
\t | 匹配一个制表符 |
\v | 匹配一个垂直制表符 |
\p | 匹配 CR/LF(等同于 \r\n ),用来匹配 DOS 行终止符 |
贪婪匹配和惰性匹配
贪婪和惰性我们从字面意思就可以知道是啥意思
下面就是贪婪的写法
下面就是惰性匹配的写法
其实就是一个问号的差别,有问号的就是惰性的,没有问号就贪婪。
实战案例
以上基本的一些正则知识都给大家介绍了,下面给大家举一些我们常用的一些正则实例。
爬取HTML标签中的内容
<span>123asdasd</span>
很多时候我们想要去爬取一些HTML标签中的文字内容,怎么爬取呢?
import re
a = '<span>123asdasd</span>'
res = re.findall(r'<span>(.*?)</span>', a)
print(res)
打印出来的结果:
['123asdasd']
我们还可以看
<a helf="www.baidu.com" title="百度">你好</a>
这里我们来提取title中的文字
import re
title = '<a helf="www.baidu.com" title="百度">你好</a>'
res = re.findall(r'title="(.*?)"', title)
print(res)
打印的结果:
['百度']
如果你觉得本文对你有所帮助,给我来个点赞关注!