网站改版公告,怎么利用快站做网站,外链博客网站,网易收不到wordpress什么是正则表达式
正则表达式#xff0c;又称规则表达式#xff08;Regular Expression#xff09;。正则表达式通常被用来检索、替换那些符合某个规则的文本
正则表达式的作用
验证数据的有效性替换文本内容从字符串中提取子字符串
匹配单个字符
字符功能.匹配任意1个…什么是正则表达式
正则表达式又称规则表达式Regular Expression。正则表达式通常被用来检索、替换那些符合某个规则的文本
正则表达式的作用
验证数据的有效性替换文本内容从字符串中提取子字符串
匹配单个字符
字符功能.匹配任意1个字符除了\n[ ]匹配[ ]中列举的字符\d匹配数字即0-9\D匹配非数字即不是数字\s匹配空白即 空格\t-tab键 \n-换行\S匹配非空白\w匹配单词字符即a-z、A-Z、0-9、_\W匹配非单词字符
匹配多个字符
字符功能*匹配前一个字符出现0次或者无限次即可有可无匹配前一个字符出现1次或者无限次即至少有1次?匹配前一个字符出现1次或者0次即要么有1次要么没有{m}匹配前一个字符出现m次{m,n}匹配前一个字符出现从m到n次
匹配开头结尾
字符功能^匹配字符串开头注意^[4-7] 和 [ ^4-7]这个是取反的区别$匹配字符串结尾
re模块
re.match(pattern, string, flags0)
从头匹配一个符合规则的字符串从起始位置开始匹配匹配成功返回一个对象未匹配成功返回None
pattern 正则模型string 要匹配的字符串falgs 匹配模式 注这个方法并不是完全匹配。当pattern结束时若string还有剩余字符仍然视为成功。想要完全匹配可以在表达式末尾加上边界匹配符$ match() 方法一旦匹配成功就是一个match object对象而match object对象有以下方法
group() 返回被 RE 匹配的字符串start() 返回匹配开始的位置end() 返回匹配结束的位置span() 返回一个元组包含匹配 (开始,结束) 的位置
匹配分组
字符功能|匹配左右任意一个表达式(ab)将括号中字符作为一个分组\num引用分组num匹配到的字符串(?Pname)分组起别名(?Pname)引用别名为name分组匹配到的字符串
re模块的高级用法
search,搜索匹配
match()和search()的区别
match是开头匹配search是全文搜索 match函数只检测RE是不是在string的开始位置匹配search()会扫描整个string查找匹配 也就是说match只有在0位置匹配成功的话才有返回如果不是开始位置匹配成功的话match()就返回none。 findall,查找所有,返回列表
re.findall遍历匹配可以获取字符串中所有匹配的字符串返回一个列表。
格式re.findall(pattern, string, flags0)
sub 将匹配到的数据进行替换
使用re替换string中每一个匹配的子串后返回替换后的字符串。
格式re.sub(pattern, repl, string, count)
split 根据匹配进行切割字符串并返回一个列表
可以使用re.split来分割字符串如re.split(r\s, text)将字符串按空格分割成一个单词列表。
格式re.split(pattern, string[, maxsplit])
贪婪和非贪婪
Python里数量词默认是贪婪的在少数语言里也可能是默认非贪婪总是尝试匹配尽可能多的字符非贪婪则相反总是尝试匹配尽可能少的字符。
在*,?,,{m,n}后面加上使贪婪变成非贪婪。
解决方式非贪婪操作符“”这个操作符可以用在*,,?的后面要求正则匹配的越少越好。 r的作用
Python中在正则字符串前面加上 ‘r‘ 表示
让正则中的 \ 不再具有转义功能(默认为转义)就是表示原生字含义一个斜杠 \ re.match(r([a-zA-Z0-9]*).*/\1, htmlhelloworld/html)
简单爬虫
爬取电影天堂的下载地址
import urllib.request
import redef down_page():# 打开网页respon_data urllib.request.urlopen(https://www.dy2018.com/2/)# 解码respon_decode respon_data.read().decode(gbk)# 正则表达式获取下载页面网址films_data re.findall(ra href\(.*)\ class\ulink\ title\(.*)\, respon_decode)# 创建字典存储当前页的电影名和下载页面网址films_dict {}count 1# 将电影名和下载页网址从列表中拆包for films_url, films_name in films_data:# 拼接下载页面网站films_url https://www.dy2018.com/ films_url# 打开下载页面respon_films_data urllib.request.urlopen(films_url)# 解码respon_deown respon_films_data.read().decode(gbk)# 使用正则提取下载地址down_url re.search(r(magnet:.*\.mp4)/a, respon_deown)# 将电影名和下载地址存入字典films_dict[films_name] down_url.group(1)print(已爬取第%s个资源 % count)count 1return films_dictdef main():down_dict down_page()for name in down_dict:print(name, |, down_dict[name])if __name__ __main__:main()运行结果
