正则简介

可能用到的网站

1. oschina开源中国

正则表达式是一种由特殊符号组成的序列，可以用于检查某一个字符串是否与某种结构匹配# 基础知识

正则表达函数

正则表达式并不是python的原生语法，python中使用正则表达式必须依靠re模块，下面介绍一些re模块中的常用函数

正则表达式的使用示例见下文：re模块使用的两种形式，下面介绍match()和search()函数

match函数

match函数会从一个字符串开头开始匹配，匹配成功则返回一个Match类的对象，

search函数

search函数可以c从一个字符串中的任意位置开始匹配，同时也会返回匹配结果的索引值

正则匹配符号

元字符

字符匹配符号

正则是一组特殊符号的应用，下面介绍常用的正则符号

进行单个字符匹配，要匹配的字符串必须与单个字符的内容以及顺序保持一致，否则无法匹配
除了单个字符，也可以设置要匹配字符的范围

范围匹配符号

案例一：字符匹配的范围控制

数量匹配符号

案例二：字符匹配的数量控制

简化正则表达式

用于简化正则匹配符号定义，利用简化表达式可以对数字、字母、空格等内容进行匹配

正则表达式中的逻辑符

正则表达式中允许存在“与”“或”的逻辑关系

案例三：多个示例正则表达式

1. 匹配合法的ip地址：^\d{1,3}\.\d{1.3}\.\d{1.3}\.\d{1,3}
2. 匹配是否为移动号码：^(13[1-9]\d{8})(15[01289]\d{8})$
3. 匹配任意汉字(unicode编码)：[\u4e00-\u9fa5]
4. 匹配合法的身份证号码：^d{18}|\d{15}
5. 匹配合法的电子邮箱地址：^\w+@(\w+\.)+\w+$

正则匹配模式

正则表达式匹配时通过正则匹配模式进行匹配控制
下面介绍一些常用的正则匹配模式

分组

1. 一个正则表达式可以匹配任意多个数据内容，通过分组的形式对数据进行归类可以更加清晰地获得子数据
2. 正则表达式中通过“（）”定义分组。
3. 如果没有使用分组，整个正则表达式默认为是一个隐含的全局分组（索引为0）

分组正则表达式

正则分组函数

根据索引返回正则匹配内容

注意：group()函数通过索引来获取数据，但是如果分组过多可能会造成索引混乱的问题，因此建议在进行分组时就对分组进行命名，后续通过分组名称获取数据

案例四：利用分组匹配日期

实际运用

re模块一般使用步骤

1. 使用compile（）函数将正则表达式的字符串形式生成为一个pattern对象
2. 通过pattern对象的一系列方法对文本进行匹配，返回一个match对象
3. 使用match对象的属性或方法查找所需要的信息

re模块使用两种形式

1. 使用格式：pattern对象.re模块常用函数（待匹配的文本）
   
2. 使用格式：re模块常用函数（pattern对象，待匹配的文本）
   

案例一：豆瓣250部分网页源码

问题：从给定的一段代码中找到特定的信息

<ol class="grid_view">
        <li>
            <div class="item">
                <div class="pic">
                    <em class="">1</em>
                    <a href="https://movie.douban.com/subject/1292052/">
                        <img width="100" alt="肖申克的救赎" src="https://img2.doubanio.com/view/photo/s_ratio_poster/public/p480747492.webp" class="">
                    </a>
                </div>
                <div class="info">
                    <div class="hd">
                        <a href="https://movie.douban.com/subject/1292052/" class="">
                            <span class="title">肖申克的救赎</span>
                                    <span class="title">&nbsp;/&nbsp;The Shawshank Redemption</span>
                                <span class="other">&nbsp;/&nbsp;月黑高飞(港)  /  刺激1995(台)</span>
                        </a>


                            <span class="playable">[可播放]</span>
                    </div>
                    <div class="bd">
                        <p class="">
                            导演: 弗兰克·德拉邦特 Frank Darabont&nbsp;&nbsp;&nbsp;主演: 蒂姆·罗宾斯 Tim Robbins /...<br>
                            1994&nbsp;/&nbsp;美国&nbsp;/&nbsp;犯罪 剧情
                        </p>                        
                        <div class="star">
                                <span class="rating5-t"></span>
                                <span class="rating_num"property="v:average">9.7</span>
                                <span property="v:best" content="10.0"></span>
                                <span>2424702人评价</span>
                        </div>
                            <p class="quote">
                                <span class="inq">希望让人自由。</span>
                            </p>
                    </div>
                </div>
            </div>
        </li>

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38

正则表达式实现

# coding:utf-8
import re
text=open('肖申克的救赎.html','r')
content=text.read()
print(len(content))
mode=re.compile(r'<div class="pic">.*?<span class="title">(?P<name>.*?)</span>',re.S)
result=re.search(mode,content)
print(result.group('name'))
text.close()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

案例二：获取中国大学MOOC学校列表

问题：如何从给定的一个网页原文件（网页见：网页源码）中找到所有的学校名称¹

正则表达式实现

import re
import requests
url='https://www.icourse163.org/university/view/all.htm#/'
resp=requests.get(url)
print(resp.status_code)
mode='alt="(?P<name>.*?)">'
list1=re.findall(mode,resp.text)
for name in list1:
    print(name)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

---

1. 本案例参考《2021年9月计算机二级python考卷综合应用题》，有兴趣的小伙伴可以自己去找资源 ↩︎