【Python | 邊敲邊學邊記】第一次：正規表示式

一、前言

最近想了很多，和學長學姐、做公眾號認識的一些讀研的、工作的朋友也談了很多，我的疑問是：我到底該做什麼？(面對諸多的不如意、不盡人意)，交談思考中也得到了很多結論：

關於公眾號：

1.公眾號要繼續做下去，我的初心是學習分享，不忘初心就好；(每週更新2-3篇學習筆記，以後更注重內容、質量，排班花費再多時間，沒用)

2.在沒學到真正本領前，不會再自己開發雜程式碼的熱點模組，資源分享的學習乾貨模組會持續開發；

3.公眾號以後主要開發的模組：邊學邊敲邊記和學習乾貨；

關於自己：

1.提升自身學習本領，不能再東一棒槌，西一榔頭了，不要浮於表面的虛榮；

2.學Python就堅持走下去，現在儲存的知識不多不少，時間也不多不少，不過還有很多東西沒做，加把勁；

3.8月22日左右出四級成績，看運氣，沒過，好好準備，下次必過；過了，好好準備六級，大三四、六級一定得過，普通話，大三上學期好好練習；

4.考研，這個是躲不掉的，大家都說得很好，把技術學好，畢業出去拿個10-20k工資很簡單，其實有誤區的，自己好好想想“技術學好”的概念是什麼？我們這個行業，10-20k在大城市打拼又算什麼？而且這樣的人，可能一個班就能有2-3個；

5.實訓給我啟發也很大，我不能只做程式設計師，至於做什麼，我還在思考；

6.比較重要的一點：以後儘量少用手機，多買書、看書；

7.考研、創業、課外學習，不衝突，堅持。

上面這些話，也是我開設“邊敲邊學邊記”這個模組的原因； 接下來給大家分享的是前幾天的瞭解正規表示式的學習筆記。

二、正規表示式介紹

1.學習爬蟲，為什麼必須會正規表示式？
    有時候，我們爬取一些網頁具體內容時，會發現我們只需要這個網頁某個標籤的一部分內容，或者是這個標籤的某個屬性的值時，用普通的 xpath 或者css.selector是不能實現我們的想法的，這個時候就必須用到正規表示式去匹配獲取。
2.正規表示式官方簡介？
    正規表示式，又稱規則表示式。（英語：Regular Expression，在程式碼中常簡寫為regex、regexp或RE），電腦科學的一個概念。正規表示式通常被用來檢索、替換那些符合某個模式(規則)的文字。

三、看程式碼，邊學邊敲邊記正規表示式

day01:

 1


'''



 2

author : 極簡XksA



 3

date : 2018.7.27



 4

goal : 正規表示式



 5

'''




 6




 7


import

 re



 8




 9

line = 

'jijianXksA123'




10




11


# ^a 表示匹配以a開頭的字串（只匹配一次）




12


# . 表示該字元可為任意字元（只匹配一次）




13


# * 表示前面的字元可以出現任意次（0次或多次）（多次匹配）




14

reg_str01 = 

'^j.*'

    

# 表示以j開頭的字串




15


# re.match 函式




16


# 第一個引數是匹配的格式




17


# 第二引數是要匹配的字串




18


# 返回值為：匹配成功，返回match物件，否則返回：None




19




20


if

 re.match(reg_str01,line) :



21

    print(

"匹配成功！"

)  

# reg_str = '^j.*'     匹配成功




22


else

:



23

    print(

"匹配失敗！"

)  

# reg_str = '^i.*'     匹配失敗




24




25




26


# 23$ 表示匹配以23結尾的字串（只匹配一次）




27

reg_str02 = 

'^j.*23$'




28


if

 re.match(reg_str02,line) :



29

    print(

"匹配成功！"

)  

# reg_str = '^j.*23$'     匹配成功




30


else

:



31

    print(

"匹配失敗！"

)  

# reg_str = '^j.*13$'     匹配失敗




32




33




34

line01 = 

'boooboaobxby'




35


# （） 內的為 匹配模式，透過 group函式 可以取出匹配結果




36


# 正規表示式貪婪匹配模式：從後面（右邊）開始匹配




37

reg_str03 = 

'.*(b.*b).*'




38

test01 = re.match(reg_str03,line01)



39


if

  test01:



40

    print(test01.group(

1

))      

# result : bxb




41


else

:



42

    print(

"匹配失敗！"

)



43




44


# 正規表示式非貪婪匹配模式：從前面（左邊）開始匹配




45


# ? : 表示從左邊開始匹配，匹配到第一個符合模式的內容，即進入模式




46


#




47

reg_str03 = 

'.*?(b.*b).*'

   

# 半貪婪匹配




48

reg_str04 = 

'.*?(b.*?b).*'

  

# 非貪婪匹配




49

test01 = re.match(reg_str03,line01)



50

test02 = re.match(reg_str04,line01)



51


if

  test01 

and

 test02:



52

    print(test01.group(

1

))      

# result : boooboaobxb




53

    print(test02.group(

1

))  

# result : booob




54


else

:



55

    print(

"匹配失敗！"

)

day02:

 1


'''



 2

author : 極簡XksA



 3

date : 2018.7.28



 4

goal : 正規表示式



 5

'''




 6


import

 re



 7

line01 = 

'boooboaobcxby'




 8




 9



def

 

regtest


(reg_str,line = line01)

:




10

    test = re.match(reg_str, line)



11

    

if

 test:



12

        print(test.group(

1

))



13

    

else

:



14

        print(

"匹配失敗！"

)



15




16


# + ：表示前面的字元，至少出現一次




17

reg_str04 = 

'.*(b.+b).*'

  

# (b.+b)表示b與b之間至少有一個字元




18

regtest(reg_str04)      

# result : bcxb




19




20


# {n} : 控制前面字元出現次數




21


# a{2} : 表示a出現兩次




22


# b{3,4} : 表示b至少出現3次，最多出4次




23


# c{4,} : 表示c至少出現4次




24

reg_str05 = 

'.*(b.{2}b).*'

  

# (b.{2}b)表示匹配到的b與b之間，只有兩字元




25

reg_str06 = 

'.*(b.{3,4}b).*'

  

# (b.{3,6}b)表示匹配到的b與b之間,至少有3個字元，至多有4個字元




26

reg_str07 = 

'.*(b.{4,}b).*'

  

# (b.{8,}b)表示匹配到的b與b之間，至少有4個字元




27

regtest(reg_str05)   

# result : bcxb




28

regtest(reg_str06)   

# result : boaob




29

regtest(reg_str07)   

# result : boaobcxb




30




31


# | :表示 或




32


# (abc|123) : 表示匹配到 abc 或者 123,都算匹配成功




33

reg_str08 = 

'.*(boo|abc)'




34

reg_str09 = 

'.*(abc|boo)'




35

regtest(reg_str08)   

# result : boo




36

regtest(reg_str09)   

# result : boo




37




38


# [] : 表示 裡面包含的內容都可以進行匹配,包含內容只有表面字元含義




39


# [abcd] : 表示 只要這個字元為 a/b/c/d中的一個都可以匹配成功




40


# [0-9] : 表示 只要這個字元在 0-9 這個區間內，都可以匹配成功




41


# [^x] : 表示匹配 字元不為 x




42

line02 = 

'電話號：15573563467'




43

reg_str10 = 

'.*(1[3458][0-9]{9}).*'




44

reg_str11 = 

'.*(1[3458][^1]{9}).*'




45

regtest(reg_str10,line02)   

# result : 15573563467




46

regtest(reg_str11,line02)   

# result : 15573563467




47




48


# \s 表示匹配空格，匹配一次




49


# \S 表示匹配不是空格的字元，匹配一次




50


# \w 表示匹配 A-Z、0-9、_ 中的容易字元，匹配一次




51


# \W 與 \w 相反




52


# \d 表示數字




53


# [\u4E00-\u9FA5] : 表示所有漢字，unicode 編碼




54




55



def

 

regtest_test


(reg_str,line = line01)

:




56

    test = re.match(reg_str, line)



57

    

if

 test:



58

        print(test.group(

1

)+

':'

+test.group(

2

)+

'-'

+test.group(

3

)+

'-'

+test.group(

4

))



59

    

else

:



60

        print(

"匹配失敗！"

)



61




62


# 簡單例項




63

str01 = 

'張三出生於1997年12月20日'




64

str02 = 

'李四出生於1989-01-20'




65

str03 = 

'王五出生於1997/2/5'




66

str04 = 

'趙六出生於1997.12.20'




67

str = [str01,str02,str03,str04]



68


# 提取出姓名+出生日期




69


# 匹配模式




70

reg_str12 = 

'(.*)出生於(\d{4})[.年/-](\d{1,2})[.月/-](\d{1,2}).*?'




71


for

 i 

in

 range(

4

):



72

    regtest_test(reg_str12,str[i])



73


# result :




74


#       張三:1997-12-20




75


#       李四:1989-01-20




76


#       王五:1997-2-5




77


#       趙六:1997-12-20

四、後言

邊敲邊學邊做，堅持學習分享。