python学习_正则部分

1、正则

　　正则表达式：一种匹配字符串的规则，是从头到尾匹配的

　　字符组：[] 匹配一个字符，在字符组中一些特殊的字符会现出原形，^表示非，[^a] 匹配除a以外的其他字符

　　元字符：

　　　　\d: 匹配一个数字 　　\D:匹配非数字的其他字符

　　　　\w: 匹配数字、字母、下划线 　　\W:匹配非数字、字母、下划线的其他字符

　　　　\s: 匹配空格、\n,\t 　　\S:匹配非空格，\n,\t的内容

　　　　[\s\S][\d\D][\w\W]:匹配全部的字符

　　　　. : 匹配除换行符外的全部字符

　　　　^: 表示以什么开始，一般出现在正则表达式的开始

　　　　$:表示以什么结束，一般出现在正则表达式的结尾

　　　　\b:匹配边界（字符串的前后）

　　　　\:转义匹配特殊字符

　　　　a|b：匹配a或者b，找到a之后就不招了，一次只有一个结果，当有两条规则重叠匹配的时候，长的放在前面（放在后面长的内容不会被匹配到）

　　量词：

　　　　什么都没有的字符串也会有一个开始符

　　　　{n} 表示前面一个正则表达式匹配多少次

　　　　{n,m} 表示前面一个正则表达式至少匹配n次，至多匹配m次，尽量多的匹配（贪婪匹配）

　　　　{n,}至少匹配n次，尽量多的匹配（贪婪匹配）

　　　　？匹配一次或者零次（贪婪匹配），使用在量词后，表示取消贪婪匹配（在能匹配上的情况下匹配最少的）

　　　　* 匹配零次或者任意多次

　　　　+ 匹配一次或者多次

　　分组：

　　　　() 整体约束 \d(\.\d+)?匹配整数或者小数

　　　　(?P<name>) 表示给分组起名字

　　　　(?P=name) 使用这个分组，表示匹配到的内容和分组中的内容完全一样　，还可以使用数字来分组

　　转义符号：

　　　　python中的转义：\, r，r:python原始字符串，因为ASCII字符和正则表达式的特殊字符之间存在冲突，所以应该使用r原始字符串来表示python中的re表达式

　　

2、python re模块

　　匹配：

　　　　findall: 返回一个所有结果的列表

　　　　search：结果是一个正则结果对象，没有找到None

　　　　match:  只能从头开始匹配

　　切割：

　　　　split

　　替换：

　　　　sub：相当于字符串操作的replace

　　　　subn：返回元组，替换之后的字符串，一个替换了几次的整数

　　进阶：

　　　　compile：预编译 节省时间（在多次使用一个相同的正则表达式的时候，会提高效率）

　　　　finditer: 节省内存 空间效率 一般使用在大量数据的时候，同生成器原理

　　特殊用法：

　　　　使用findall的时候会优先显示搜索结果中分组的内容，使用?:取消分组优先

　　　　split 使用（） 会把被切掉的内容保存在列表内,

　　　　search: 有分组的话，group（）可以拿到group中匹配内容

　　　　？：取消分组优先；

　　　　？=：正向前视断言；？！：负向前视断言

　

3、面试题目：

"""
去除以下html文件中的标签，只显示文本信息。
<div>
<p>岗位职责：</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p><br></p>
<p>必备要求：</p>
<p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
<p> <br></p>
<p>技术要求：</p>
<p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
<p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
<p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
<p> <br></p>
<p>加分项：</p>
<p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
</div>
"""
import re

with open('正则.txt', 'r') as f:
    ret = re.compile("<p>|<div>|</div>|</p>|<br>|\s")
    content = re.sub(ret, '', f.read())
print(content)


"""
将以下网址提取出域名：

"""

te = 'http://www.interoem.com/messageinfo.asp?id=35, http://3995503.com/class/class09/news_show.asp?id=14, ' \
     'http://lib.wzmc.edu.cn/news/onews.asp?id=769, http://www.zy-ls.com/alfx.asp?newsid=377&id=6,' \
     'http://www.fincm.com/newslist.asp?id=415'

ret = re.compile("http://.*?/")
res = re.finditer(ret, te)
for i in res:
    print(i.group())

"""
提取出如下字符串中的单词：
"""

test_str = "hello world ha ha"
print(re.split(' ', test_str))