??正則表達(dá)式  

大家好，大家都聽(tīng)過(guò)正則表達(dá)式，卻不知道正則表達(dá)式干什么的。正則表達(dá)式是一個(gè)特殊的符號(hào)系列，它可以幫助我們檢查某個(gè)字符串和某種模式匹配。在python中，re庫(kù)擁有全部的正則表達(dá)式的功能。

今天，我們來(lái)深入的了解一下。我們知道正則表達(dá)式是處理字符串的強(qiáng)大工具，它有自己的語(yǔ)法結(jié)構(gòu)，什么匹配啊，都不算什么。

正則表達(dá)式是什么？

正則表達(dá)式，又稱(chēng)規(guī)則表達(dá)式，(英語(yǔ):Regular Expression，在代碼中常簡(jiǎn)寫(xiě)為 regex、regexp 或 RE)，它是計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式通常被用來(lái)檢索、替換那些符合某個(gè)模式的文本。 許多程序設(shè)計(jì)語(yǔ)言都支持利用正則表達(dá)式進(jìn)行字符串操作。例如在 Perl 中內(nèi)建了一個(gè)功能強(qiáng)大的正則表達(dá)式引擎。正則表達(dá)式這個(gè)概念最初是由 Unix 中的工具軟件普及開(kāi)的。正則表達(dá)式是對(duì)字符串(包括普通字符(例如，a 到 z 之間的字母)和特殊字符(稱(chēng)為"元字符"))操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個(gè)"規(guī)則字符串"，這個(gè)"規(guī)則字符串"用來(lái)表達(dá)對(duì)字符串的一種過(guò)濾邏輯。正則表達(dá)式是一種文本模式，模式描述在搜索文本時(shí)要匹配的一個(gè)或多個(gè)字符串。

??1.實(shí)例引入

說(shuō)了一大堆廢話，大家可能還是云里霧里的，我們通過(guò)實(shí)例來(lái)說(shuō)明一下，我們可以用正則表達(dá)式測(cè)試工具，或者python都可以，首先，我們輸入一段文本。

hello，my name is Tina，my phone number is 123456 and my web is http://tina.com.

                               [a-zA-z]+://[^\s]*

我們就可以獲取網(wǎng)頁(yè)鏈接，也就是文本中的url，是不是很神奇？

這是因?yàn)樗凶约旱钠ヅ湟?guī)則，部分如下。

  關(guān)于更多的匹配規(guī)則可自行查閱。

?,*,+,\d,\w 都是等價(jià)字符

?等價(jià)于匹配長(zhǎng)度{0,1}

*等價(jià)于匹配長(zhǎng)度{0,}

+等價(jià)于匹配長(zhǎng)度{1,}

\d 等價(jià)于[0-9]

\D 等價(jià)于[^0-9]

\w 等價(jià)于[A-Za-z_0-9]

\W 等價(jià)于[^A-Za-z_0-9]

??2.match()

        這里介紹一個(gè)常用的匹配方法——match（），向他傳入要匹配的字符串以及正則表達(dá)式，就可以檢測(cè)這個(gè)正則表達(dá)式是否匹配字符串。

?匹配目標(biāo)

res = re.match('hello\s(\d+)sword')

?貪婪匹配

res = re.match('hello.*(\d+)sword')

??3.findall（）

我們最常用的就是這個(gè)，我們看看這個(gè)是如何使用的。

import re
 
useData = str(input('請(qǐng)輸入字符串?dāng)?shù)據(jù):'))
 
'''
匹配字符串中的數(shù)字,+是匹配前面的子表達(dá)式一次或多次
'''
digital = re.findall('\d+',useData)
 
print(digital)

我們看看運(yùn)行結(jié)果

 findall()函數(shù)是返回所有匹配到的字符串,返回值的數(shù)據(jù)類(lèi)型為列表。

??常用符號(hào)

我們?cè)賮?lái)說(shuō)說(shuō)正則表達(dá)式的常用符號(hào)吧。

“.”字符為匹配任意單個(gè)字符。

“\”字符為轉(zhuǎn)義字符。

“[…]”為字符集。

“(.*?)” 是python爬蟲(chóng)最常用的一個(gè)字符，叫貪心算法，可以匹配任意的字符。

 下面我們看一個(gè)示例代碼。

import re
 
a=‘xxixxjshdxxlovexxsfhxxpythonxx'
 
data=re.findall(‘xx(.*?)xx')
 
print(data)

我們運(yùn)行一下，看下效果。

運(yùn)行結(jié)果
[‘I’ ,‘love’,‘python’]

??特殊字符

 所謂特殊字符，就是一些有特殊含義的字符，比如講 runoo*b 中的 ，簡(jiǎn)單的說(shuō)就是表示任何字符串的意思。如果要查找字符串中的 * 符號(hào)，則需要對(duì) * 進(jìn)行轉(zhuǎn)義，即在其前加一個(gè) \，runo*ob 匹配字符串 runo\*ob。

 許多元字符要求在試圖匹配它們時(shí)特別對(duì)待。若要匹配這些特殊字符，必須首先使字符"轉(zhuǎn)義"，即，將反斜杠字符\ 放在它們前面。下表列出了正則表達(dá)式中的特殊字符：

 概念說(shuō)了一大堆，大家可能也記不住，我直接說(shuō)幾個(gè)案例，大家就能明白其他的道理。

這是某網(wǎng)的HTML，部分片段如下：

<span class=“price”>§<i>123</i></span>
 
<span class=“price”>§<i>133</i></span>
 
<span class=“price”>§<i>156</i></span>
 
<span class=“price”>§<i>189</i></span>

   大家會(huì)發(fā)現(xiàn)只有中間的一段不一樣，而不一樣的數(shù)據(jù)就是我們想要的，我們?cè)趺从谜齽t表達(dá)式提取出來(lái)呢.

<span class=“price”>§<i>(.*?)</i></span> 

就可以了，我們看看效果吧。

123
133
156
189

??總結(jié)

        我們可以從HTML代碼提取我們想要的數(shù)據(jù)。我們知道正則表達(dá)式就是其中一個(gè)有效的辦法。通過(guò)本文我們基本了解了其中的原理。后面我們將通過(guò)兩個(gè)具體案例來(lái)加深對(duì)正則表達(dá)式的理解。

到此這篇關(guān)于Python正則表達(dá)式基本原理的文章就介紹到這了,更多相關(guān)Python正則表達(dá)式內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論