Python语法基础---正则表达式
🌈个人主页：羽晨同学
💫个人格言:“成为自己未来的主人~”
我们这个文章所讲述的，也是数据分析的基础文章，正则表达式
首先，我们在开始之前，引出一个问题。也是我们接下来想要解决的问题。
那就是，我们应该怎么判断合适的QQ号。
一个合适的QQ号应该包括下面的几个部分：
- 全数字
- 位数 5-11
- 开头不能为0
我们先给大家实现一下这个解决这个问题的代码，稍后再给大家讲解一下其中的原理。
def check_qq(qq):
return qq.isdigit() and len(qq) in range(5,12) and not qq.startswith('0')
qq = '91915235'
res = check_qq(qq)
print(res)这个是用我们之前所熟悉的代码来实现这个功能，这个应该不用太仔细解析，大家可以先好好看看。
我们接下来重点看用正则实现这个功能的部分。
def check_qq(qq):
return qq.isdigit() and len(qq) in range(5,12) and not qq.startswith('0')
qq = '919152305'
res = check_qq(qq)
print(res)
import re
def check_qq1(qq):
r=re.match(r"^[1-9]\d{4,10}$",qq)
return True if r else False
if __name__ =='__main__':
qq='0543265'
r1=check_qq1(qq)
print(r1)
r2=check_qq(qq)
print(r2)下面的部分就是用正则表达式实现的。其中包含了很多的知识点，这个需要我们慢慢来进行分析。
首先，我们先来看一下结果。
这两个的结果是完全相同的。
单字符匹配
单字符匹配就是说，无论[]里面包含了多少字符，只能匹配其中的一位。
.： 默认情况下，匹配除了换行符以外的任意字符。
match()：如果匹配上，则返回match对象，如果未匹配上，则返回None
我们来看一下例子。
import re
r=re.match(r'.','\n')
print(r)
r1=re.match(r'.','5')
print(r1)这个例子就可以很好的解释我们刚才所看到的。
后期在爬虫中，要爬取网页内容，网页中有大量的换行，则我们需要设置flags=re.DOTALL
r=re.match(r'.','\n',flags=re.DOTALL)
我们再来看下一个例子
import re
r1=re.match(r"[0-9a-zA-Z]","F")
print(r1)
r2=re.match(r"[gbk]","b")
print(r2)
r3=re.match(r"[^gbk]","b")
print(r3)
我们可以看到，第一个和第二个都匹配到了，但是第三个没有，这是因为^只能匹配第一个。第一个不符合，就返回了None
我们来看下一个例子：
import re
r1=re.match(r"[0-9a-zA-Z]","F")
print(r1)
r2=re.match(r"\w","a")
print(r2)
r3=re.match(r"\s"," ")
print(r3)
r4=re.match(r"\s","\n")
print(r4)在这段代码当中，我们可以看到的是，\s无论是空格还是换行符都可以匹配到。
数量词匹配
我们先来看一下示例代码
import re
print(re.match(r'\d\d\d\d',"4567"))
这个就是我们上面所讲到的单字符匹配，一共四个\d，所以可以匹配四个数字
那么，这个有更多的使用方式吗，答案是，有的。
我们来看下面的三种调用方法：
import re
# print(re.match(r'\d\d\d\d',"4567"))
print(re.match(r'\d{4}',"4654"))
print(re.match(r'\d{4,}',"464564654"))
print(re.match(r"\d{4,10}","46545497974564654654645"))
第一种是恰好调用四个，第二个是最少四个，第三个是四个到10个
我们可以来看一下打印出来的结果。
我们再来看下一个例子：
import re
print(re.match(r'a?','aaaaaaaaaaaaaaaa'))
print(re.match(r'a+',''))
print(re.match(r'a*',''))
第一个表示单个字符，第二个表示1个或无数个，最后一个表示0个或无数个
我们再来看下一个例子：
import re
print(re.search(r'a?','aaaaaaaaaaaa'))
print(re.search(r'a+','aaa'))
print(re.search(r'a*','aaaa'))下面使我们运行出来的结果。
其实search的底层调用的就是match，和match相似的是，调用成功的话，返回调用对象，如果不匹配的话，返回None。
我们再来看一下下一种情况：
import re
print(re.findall(r'a?','aaaaaaaaa'))
print(re.findall(r'a+','aaaaaaaaa'))
print(re.findall(r'a*','aaaaaaaaa'))下面是我们运行的结果。
findall()在源字符串中从左向右查找，将所有符合条件的子字符串全部查找出来 。
边界匹配
我们来看下一种情况
^和$匹配的是整个字符串的行首或行尾
import re
print(re.findall(r"^this","this is a text\nthis is a text\nthis is a text\n"))
print(re.findall(r"text$","this is a text\nthis is a text\nthis is a text\n"))
我们再来看一下打印出来的结果。
为什么只会打印出来一个呢？
这是因为默认情况下，即使字符串中有换行符，也是默认的单行模式。
我们可以设置在多行模式下面看一下：
import re
print(re.findall(r"^this","this is a text\nthis is a text\nthis is a text\n",flags=re.M))
print(re.findall(r"text$","this is a text\nthis is a text\nthis is a text\n",flags=re.M))
我们在后面加上一个re.M,就变成了单行模式，对应的，结果也会发生变化。
我们也可以搜索多行模式下面的第一个和最后一个，看下面这个代码
import re
print(re.findall(r"\Athis","this is a text\nthis is a text\nthis is a text\n",flags=re.M))
print(re.findall(r"text\Z","this is a text\nthis is a text\nthis is a text",flags=re.M))
在这种情况下，我们搜索到的也是一个
贪婪匹配和非贪婪匹配
？非贪婪匹配
+ * 贪婪匹配
首先，我们来看一下下面这个代码：
import re
print(re.findall(r'a?','aaaaaaaaaaaaa')) #0个或者一个
print(re.findall(r'a+','aaaaaaaaaaaaa')) #一个或者多个
print(re.findall(r'a*','aaaaaaaaaaaaa')) #0个或者多个这个其实就是我们之前所提到过的贪婪匹配和非贪婪匹配。
更多的非贪婪匹配和贪婪匹配的内容，我们在下一篇文章中说，大家，明天见。
原文地址：https://blog.csdn.net/in_seattle/article/details/144249267
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！