Python學(xué)習(xí)教程：使用正則表達(dá)式正則表達(dá)式相關(guān)知識(shí)在編寫處理字符串的程序或網(wǎng)頁時(shí)，經(jīng)常會(huì)有查找符合某些復(fù)雜規(guī)則的字符串的需要，正則表達(dá)式就是用于描述這些規(guī)則的工具，換句話說正則表達(dá)式是一種工具，它定義了字符串的匹配模式（如何檢查一個(gè)字符串是否有跟某種模式匹配的部分或者從一個(gè)字符串中將與模式匹配的部分提取出來或者替換掉）。如果你在Windows操作系統(tǒng)中使用過文件查找并且在指定文件名時(shí)使用過通配符（*和?），那么正則表達(dá)式也是與之類似的用來進(jìn)行文本匹配的工具，只不過比起通配符正則表達(dá)式更強(qiáng)大，它能更精確地描述你的需求（當(dāng)然你付出的代價(jià)是書寫一個(gè)正則表達(dá)式比打出一個(gè)通配符要復(fù)雜得多，要知道任何給你帶來好處的東西都是有代價(jià)的，就如同學(xué)習(xí)一門編程語言一樣），比如你可以編寫一個(gè)正則表達(dá)式，用來查找所有以0開頭，后面跟著2-3個(gè)數(shù)字，然后是一個(gè)連字號(hào)“-”，最后是7或8位數(shù)字的字符串（像028-12345678或0813-7654321），這不就是國(guó)內(nèi)的座機(jī)號(hào)碼嗎。最初計(jì)算機(jī)是為了做數(shù)學(xué)運(yùn)算而誕生的，處理的信息基本上都是數(shù)值，而今天我們?cè)谌粘９ぷ髦刑幚淼男畔⒒旧隙际俏谋緮?shù)據(jù)，我們希望計(jì)算機(jī)能夠識(shí)別和處理符合某些模式的文本，正則表達(dá)式就顯得非常重要了。今天幾乎所有的編程語言都提供了對(duì)正則表達(dá)式操作的支持，Python通過標(biāo)準(zhǔn)庫(kù)中的re模塊來支持正則表達(dá)式操作。 我們可以考慮下面一個(gè)問題：我們從某個(gè)地方（可能是一個(gè)文本文件，也可能是網(wǎng)絡(luò)上的一則新聞）獲得了一個(gè)字符串，希望在字符串中找出手機(jī)號(hào)和座機(jī)號(hào)。當(dāng)然我們可以設(shè)定手機(jī)號(hào)是11位的數(shù)字（注意并不是隨機(jī)的11位數(shù)字，因?yàn)槟銢]有見過“25012345678”這樣的手機(jī)號(hào)吧）而座機(jī)號(hào)跟上一段中描述的模式相同，如果不使用正則表達(dá)式要完成這個(gè)任務(wù)就會(huì)很麻煩。 關(guān)于正則表達(dá)式的相關(guān)知識(shí)，大家可以閱讀一篇非常有名的博客叫《正則表達(dá)式30分鐘入門教程》，讀完這篇文章后你就可以看懂下面的表格，這是我們對(duì)正則表達(dá)式中的一些基本符號(hào)進(jìn)行的扼要總結(jié)。
Python對(duì)正則表達(dá)式的支持Python提供了re模塊來支持正則表達(dá)式相關(guān)操作，下面是re模塊中的核心函數(shù)。
下面我們通過一系列的例子來告訴大家在Python中如何使用正則表達(dá)式。 例子1：驗(yàn)證輸入用戶名和QQ號(hào)是否有效并給出對(duì)應(yīng)的提示信息。"""驗(yàn)證輸入用戶名和QQ號(hào)是否有效并給出對(duì)應(yīng)的提示信息要求：用戶名必須由字母、數(shù)字或下劃線構(gòu)成且長(zhǎng)度在6~20個(gè)字符之間，QQ號(hào)是5~12的數(shù)字且首位不能為0"""import redef main(): username = input('請(qǐng)輸入用戶名: ') qq = input('請(qǐng)輸入QQ號(hào): ') # match函數(shù)的第一個(gè)參數(shù)是正則表達(dá)式字符串或正則表達(dá)式對(duì)象# 第二個(gè)參數(shù)是要跟正則表達(dá)式做匹配的字符串對(duì)象m1 = re.match(r'^[0-9a-zA-Z_]{6,20}$', username) if not m1: print('請(qǐng)輸入有效的用戶名.') m2 = re.match(r'^[1-9]\d{4,11}$', qq) if not m2: print('請(qǐng)輸入有效的QQ號(hào).') if m1 and m2: print('你輸入的信息是有效的!')if __name__ == '__main__': main()
例子2：從一段文字中提取出國(guó)內(nèi)手機(jī)號(hào)碼。下面這張圖是截止到2017年底，國(guó)內(nèi)三家運(yùn)營(yíng)商推出的手機(jī)號(hào)段。
import redef main(): # 創(chuàng)建正則表達(dá)式對(duì)象 使用了前瞻和回顧來保證手機(jī)號(hào)前后不應(yīng)該出現(xiàn)數(shù)字pattern = re.compile(r'(?<=\D)1[34578]\d{9}(?=\D)') sentence = ''' 重要的事情說8130123456789遍，我的手機(jī)號(hào)是13512346789這個(gè)靚號(hào)， 不是15600998765，也是110或119，王大錘的手機(jī)號(hào)才是15600998765。 '''# 查找所有匹配并保存到一個(gè)列表中mylist = re.findall(pattern, sentence) print(mylist) print('--------華麗的分隔線--------') # 通過迭代器取出匹配對(duì)象并獲得匹配的內(nèi)容for temp in pattern.finditer(sentence): print(temp.group()) print('--------華麗的分隔線--------') # 通過search函數(shù)指定搜索位置找出所有匹配m = pattern.search(sentence) while m: print(m.group()) m = pattern.search(sentence, m.end())if __name__ == '__main__': main()
例子3：替換字符串中的不良內(nèi)容import redef main(): sentence = '你丫是傻叉嗎? 我操你大爺?shù)? Fuck you.'purified = re.sub('[操肏艸]|fuck|shit|傻[比屄逼叉缺吊屌]|煞筆', '*', sentence, flags=re.IGNORECASE) print(purified) # 你丫是*嗎? 我*你大爺?shù)? * you.if __name__ == '__main__': main()
例子4：拆分長(zhǎng)字符串import redef main(): poem = '窗前明月光，疑是地上霜。舉頭望明月，低頭思故鄉(xiāng)。'sentence_list = re.split(r'[，。, .]', poem) while '' in sentence_list: sentence_list.remove('') print(sentence_list) # ['窗前明月光', '疑是地上霜', '舉頭望明月', '低頭思故鄉(xiāng)']if __name__ == '__main__': main() 后話如果要從事爬蟲類應(yīng)用的開發(fā)，那么正則表達(dá)式一定是一個(gè)非常好的助手，因?yàn)樗梢詭椭覀冄杆俚膹木W(wǎng)頁代碼中發(fā)現(xiàn)某種我們指定的模式并提取出我們需要的信息，當(dāng)然對(duì)于初學(xué)者來收，要編寫一個(gè)正確的適當(dāng)?shù)恼齽t表達(dá)式可能并不是一件容易的事情（當(dāng)然有些常用的正則表達(dá)式可以直接在網(wǎng)上找找），所以實(shí)際開發(fā)爬蟲應(yīng)用的時(shí)候，有很多人會(huì)選擇Beautiful Soup或Lxml來進(jìn)行匹配和信息的提取，前者簡(jiǎn)單方便但是性能較差，后者既好用性能也好，但是安裝稍嫌麻煩，這些內(nèi)容我們會(huì)在后期的爬蟲專題中為大家介紹。 |
|
|
