常用模块 正则表达式

一.什么是模块 

　　 常见的场景：一个模块就是一个包含了python定义和声明的文件，文件名就是模块名字加上.py的后缀。

　　一组功能的集合

　　模块的类型

　　　　1.内置模块 不需要我们自己安装的 解释器自带的
　　　　2.第三方模块 需要我们自己安装的模块
　　　　3.自定义模块 我们自己写的模块

时间模块: 在python中操作时间,在python中显示时间,计算时间.

random模块: 在python操作随机数,在python程序中随即生成某个数.

os模块: 在python中和操作系统交流.

re 模块: 在python中使用正则表达式

二.正则表达式

　　官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

　　是一种独立的规则,独立的语言
1.从大段的文字中找到符合规则的内容
2.判断某个字符串是否完全符合规则

正则表达式的规则
　　规则  字符串  从字符串中找到符合规则的内容

字符组 : [] 写在中括号中的内容,都出现在下面的某一个字符的位置上都是符合规则的

正则	待匹 配字 符	匹配 结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符 和"待匹配字符"相同都视为可以匹配
[0123456789]	"a"	Fales	由于字符组中没有"a"字符，所以不能匹配
[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

元字符

元字符	匹配内容
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符

有一些有特殊意义的元字符进入字符组中会回复它本来的意义 : . | [ ] ( )

　　a|b 或 符合a规则的或者b规则的都可以被匹配
　　 如果a规则是b规则的一部分,且a规则比b规则要苛刻/长,就把a规则写在前面
　　 将更复杂的\更长的规则写在最前面

 () 分组     表示给几个字符加上量词约束的需求的时候,就给这些量词分在一个组

量词

 {n}表示 这个量词之前的字符出现n次

 {n,} 表示这个量词之前的字符至少出现n次

 {n,m} 表示这个量词之前的字符出现n-m次

 ? 表示匹配量词之前的字符出现 0次 或者 1次 表示可有可无

 + 表示匹配量词之前的字符出现 1次 或者 多次

 * 表示匹配量词之前的字符出现 0次 或者 多次

. ^ $

 

正则	待匹配字符	匹配 结果	说明
海.	海燕海娇海东	海燕海娇海东	匹配所有"海."的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	只匹配结尾的"海.$"

* + ? { }

正则	待匹配字符	匹配 结果	说明
李.?	李杰和李莲英和李二棍子	李杰 李莲 李二	?表示重复零次或一次，即只匹配"李"后面一个任意字符
李.*	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	*表示重复零次或多次，即匹配"李"后面0或多个任意字符
李.+	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	+表示重复一次或多次，即只匹配"李"后面1个或多个任意字符
李.{1,2}	李杰和李莲英和李二棍子	李杰和 李莲英 李二棍	{1,2}匹配1到2次任意字符

 注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

字符集［］［^］

 

正则	待匹配字符	匹配 结果	说明
李[杰莲英二棍子]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配"李"字后面[杰莲英二棍子]的字符任意次
李[^和]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配一个不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一个数字，匹配到4个结果
[\d]+	456bdha3	456 3	表示匹配任意个数字，匹配到2个结果

 

分组 ()与 或 ｜［^］

 　　身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部🈶️数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：　　

正则	待匹配字符	匹配 结果	说明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}

转义符 \

正则	待匹配字符	匹配 结果	说明
\d	\d	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配
\\d	\d	True	转义\之后变成\\，即可匹配
"\\\\d"	'\\d'	True	如果在python中，字符串中的'\'也需要转义，所以每一个字符串'\'又需要转义一次
r'\\d'	r'\d'	True	在字符串之前加r，让整个字符串不转义

贪婪匹配

正则表达式的匹配特点 : 贪婪匹配

它会在允许的范围内取最长的结果

非贪婪模式/惰性匹配 : 在量词的后面加上?

 .*?x 匹配任意非换行符字符任意长度 直到遇到x就停止

 

正则	待匹配字符	匹配 结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>	r'\d'	<script> <script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

关于字符串挪到python中的转义的问题 :

　　只需要在工具中测试完毕,确认可以匹配上之后,挪到python中在字符串的外面加上r,r''即可