模块初识及正则表达式
模块
什么是模块 : 一组功能的集合
你要和某个东西打交道,而这个东西本身和Python没有关系,而这个东西本身就存在
Python提供了一个功能的集合, 专门负责和这个东西打交道
模块的类型
内置模块 不需要我们自己安装的 解释器自带的
第三方模块 需要我们自己安装的模块
自定义模块 我们自己写的模块
模块实际上就是给我们提供功能
这个操作的内容本来就存在
模块只不过是Python提供给我们去操作这个内容的方法
re模块
在Python中使用正则表达式
正则表达式
正则表达式是一种独立的规则,独立的语言
能做什么?
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 只和字符串打交道
正则表达式的规则
从字符串中找到符合规则的内容
字符组
| 正则 | 待匹配结果 | 匹配结果 | 说明 |
| [0123456789] | 8 | True |
在一个字符组里美剧合法的所有字符,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 | False | 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] | a | False | 同样的如果要匹配所有的小写字母,字节用[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 |
| \S | 匹配非空白符 |
| \D | 匹配非数字 |
| 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 |
放在字符组的元字符会现原形 ( ) [ 不能成对出现 ] . | ? + * - 号在括号中有特殊的意义,需要转义
量词
| * | 重复零次或更多次 |
| + | 重复一次或更多次 |
| ? | 重复零次或一次 |
| {n} | 重复n次 |
| {n,} | 重复n次或更多次 |
| {n,m} | 重复n到m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.$" |
*+?{}
| 正则 | 待匹配字符 |
匹配 结果 |
说明 |
又称贪婪匹配 |
| 李.? | 李杰和李莲英和李二滚了 |
李杰 李莲 李二 |
?表示重复零次或一次,即只匹配"李"后面一个任意字符 | |
| 李.* | 李杰和李莲英和李二滚了 | 李杰和李莲英和李二滚了 | *表示重复零次或多次,即匹配"李"后面0或多个任意字符 | |
| 李.+ | 李杰和李莲英和李二滚了 | 李杰和李莲英和李二滚了 | +表示重复一次或多次,即只匹配"李"后面1个或多个任意字符 | |
| 李{1,2} | 李杰和李莲英和李二滚了 |
李杰和 李莲英 李二滚 |
{1,2}匹配1到2次任意字符 |
惰性匹配
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| 李.*? | 李杰和李莲英和李二滚了 |
李 李 李 |
惰性匹配 |
字符集 [] [^]
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| 李[杰莲英二滚了]* | 李杰和李莲英和李二滚了 |
李杰 李莲英 李二滚了 |
表示匹配"李"字后面[杰莲英二滚了]的字符任意次 |
| 李[^和]* | 李杰和李莲英和李二滚了 |
李杰 李莲英 李二滚了 |
表示匹配一个不是"和"的字符任意次 |
| [\d] | 456bdha3 |
4 5 6 3 |
表示匹配任意一个数字,匹配到4个结果 |
| [\d]+ | 456bdha3 |
456 3 |
表示任意个数字,匹配到2个结果 |
分组()与 或 | [^]
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部🈶️数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：
| 正则 | 待匹配字符 |
匹配 结果 |
说明 |
| ^[1-9]\d{13,16}[0-9X]$ | 411528199411012356 | 41152819941102356 | 表示可以匹配一个正确的身份证号 |
| ^[1-9]\d{13,16}[0-9X]$ | 411528199411012 | 4115281999411012 | 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,他是一个16位的数字 |
| ^[1-9]\d{14}(\d{2}[0-9X])?$ | 4115281994110123 | False |
现在不会匹配错误的身份证号了 ()表示分组,将\d{2}[0-9X]分到一组,就可以整体约束他们出现次数为0-1次 |
| ^([1-9]\d{16}[0-9X]|[1-9]\d{14})$ | 411528199411012359 | 411528199411012359 | 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\
在正则表达式中，有很多有特殊意义的是元字符，比如\d和\s等，如果要在正则中匹配正常的"\d"而不是"数字"就需要对"\"进行转义，变成'\\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\d",字符串中要写成'\\d'，那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念，此时的正则是r'\\d'就可以了。
| 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 回溯算法
贪婪匹配: 在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
| 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 |
.*x 贪婪 匹配任意内容最多次,直到最后一个X停止 回溯算法
.*?X 惰性 匹配任意内容最少次,遇到第一个X就停止
几个常用的非贪婪匹配
1 *? 重复任意次，但尽可能少重复
2 +? 重复1次或更多次，但尽可能少重复
3 ?? 重复0次或1次，但尽可能少重复
4 {n,m}? 重复n到m次，但尽可能少重复
5 {n,}? 重复n次以上，但尽可能少重复
. * ?的用法
. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x
就是取前面任意长度的字符，直到一个x出现
