python19day
内容回顾
软件开发规范
预计
递归函数1天
re模块2天
logging模块+包的导入+带参数的装饰器1-2天
面向对象6天
网络编程4天
并发编程5-6天
数据库5天
今日内容
模块和实际工作之间的关系
- time模块和时间是什么关系?
- 时间本身和time模块无关,有了time就可以在python中操作时间相关的问题了。
- re模块和正则表达式的关系
- 有了re模块就可以在python语言操作使用正则表达式了
- time模块和时间是什么关系?
正则表达式******
什么是正则表达式:一套匹配字符串的规则
能做什么:
- 检测一个输入的字符串是否合法
- 用户输入一个内容的时候,我们要提前做检测
- 能够提高程序的效率并且减轻服务器的压力
- 从一个大文件中找到所有符合规则的内容
- 能够高效的从一大段文字中快速找到符合规则的内容
- 检测一个输入的字符串是否合法
正则规则
- 所有的规则中的字符就可以刚好匹配到字符串中的内容
字符组[]
- 一个字符组(中括号)只表示一个字符位置
- [abc]会匹配a或b或c
- [0-9]、[A-Z]、[a-z]、[a-zA-Z]大小写、
- [0-9a-zA-Z_]数字字母下划线
元字符
- 在正则表达式中能过帮我们匹配的内容符号
- 字符组[]
- \d=[0-9] 匹配任意一位数字
- \w=[0-9a-zA-Z_] 匹配数字字母下划线
- \s=(''|\t|\n) 匹配所有空白(空格、tab、enter)
- \W 表示非字母数字下划线
- \D 表示非数字
- \S 表示非空白
- . 表示匹配除了换行符之外的所有,前加\会取消意义。
- [^c] 表示没c的段
- ^匹配一个字符串的开始
- $匹配一个字符串的结尾
- A|B 匹配A或B表达式中的内容,如果A成功了,就不匹配B了,所以两个规则有重叠,把长的放在前面
- ()约束(|)或描述的范围
- www.(baidu|google|taobao).com
- \b匹配边界的字符
记忆元字符
- \d \w \s \t \n \D \W \S
- [] [^]
- ^ $
- | ( )
量词(元字符后加量词的格式,约束次数)
- {n} 表示匹配n次,
- {n,}表示匹配至少n次
- {n,m}表示至少匹配n次,至多匹配m次
- ?表示匹配1次或0次
- +表示匹配1次或多次
- *表示匹配0次或多次
整数:
\d+
小数:
\d+\.\d+
整数或小数:
\d+(\.\d+)?
手机号码:1 3-9 11位
^1[3-9]\d{9}$
贪婪匹配:
\d{3,}6
会在量词允许的范围尽量多匹配回溯算法
.*?x
表示匹配任意字符任意次数,但一旦遇到x就停
惰性匹配:
\d{3,}?6
会在量词允许的范围尽量少匹配- 加一个问号
- ??时,前面代表0或1次,后面代表惰性,所以匹配0次
.*?x
表示匹配任意字符任意次数,但一旦遇到x就停
转义符\
- 有特殊意义的字符有时需要转义
(?:)不显示括号内容
ret=re.findall('1(?:\d)(\d)','123') #'3'
re模块--regex正则表达式
import re
ret=re.findall('\d','1231294u921jds')
print(ret) #['1', '2', '3', '1', '2', '9', '4', '9', '2', '1']
ret2=re.search('\d+','123928482y87')
print(ret2) #<_sre.SRE_Match object; span=(0, 9), match='123928482'>
if ret2:
print(ret2.group()) #123928482
findall 总是只显示括号里匹配到的内容
- 还是按照完整的正则匹配
- re.findall('9(\d)u','1231294u921jds') #['4']
- 加括号是为了对真正需要的内容进行提取
search
- 还是按完整的正则进行匹配,显示也显示匹配内容
- 得到的结果是一个变量
- 变量.group()的结果 完全和 变量.group(0)结果一样
- 变量.group(n)的形式来获取第n个分组中匹配的内容
- search不需要加括号分组,因为可以向group()中传参实现。
小爬虫例子
#简单爬虫
import re
with open('douban.html',encoding='utf-8')as f:
content=f.read()
ret=re.findall('<span class="title">(.*?)</span>(?:\s*<span class="title">.*?</span>)?',content)
print(ret)
今日总结
正则
- 字符组元字符
- 量词
- 贪婪匹配、惰性匹配
- 转义符
re模块
- 如果要查找的内容在一个复杂的环境中
- 我们要查找的内容没有一个突出的特点,甚至会和不需要的杂乱的数据混合在一起。
什么是爬虫
通过代码获取到一个网页的源码
要的是源码中嵌着的网页上的内容
#从网页获取源码
import requests
ret=requests.get('https://movie.douban.com/top250?start=0&filter=')
print(ret.content.decode('utf-8'))
分组和findall现象
- 为什么要分组?
- 把想要的内容放分组里
如何取消分组优先
- 如果在写正则的时候由于不得已的原因,导致不要的内容也得写在分组里
- (? 取消这个分组的优先显示
代码总行数2288+37=2325行
python19day的更多相关文章
随机推荐
- 【LeetCode】266. Palindrome Permutation 解题报告(C++)
作者: 负雪明烛 id: fuxuemingzhu 个人博客:http://fuxuemingzhu.cn/ 目录 题目描述 题目大意 解题方法 字典 日期 题目地址:https://leetcode ...
- 【LeetCode】1020. Partition Array Into Three Parts With Equal Sum 解题报告(Python)
作者: 负雪明烛 id: fuxuemingzhu 个人博客: http://fuxuemingzhu.cn/ 目录 题目描述 题目大意 解题方法 日期 题目地址:https://leetcode.c ...
- 【LeetCode】764. Largest Plus Sign 解题报告(Python)
[LeetCode]764. Largest Plus Sign 解题报告(Python) 作者: 负雪明烛 id: fuxuemingzhu 个人博客: http://fuxuemingzhu.cn ...
- 【LeetCode】287. Find the Duplicate Number 解题报告(Python & C++)
作者: 负雪明烛 id: fuxuemingzhu 个人博客: http://fuxuemingzhu.cn/ 目录 题目描述 题目大意 解题方法 保存已经访问过的数字 链表成环 二分查找 日期 题目 ...
- 【LeetCode】390. Elimination Game 解题报告(Python)
[LeetCode]390. Elimination Game 解题报告(Python) 标签: LeetCode 题目地址:https://leetcode.com/problems/elimina ...
- Nginx 的五大应用场景
一.HTTP服务器 Nginx本身也是一个静态资源的服务器,当只有静态资源的时候,就可以使用Nginx来做服务器,如果一个网站只是静态页面的话,那么就可以通过这种方式来实现部署. 1.在文档根目录Do ...
- Spring Boot 2 中如何使用 Log4j2 记录日志
上一篇我们介绍了Spring Boot 2.x中默认日志框架Logback的使用.今天继续说说日志,接下来我们要讲是前段时间爆出核弹漏洞的Log4j2.虽然出了漏洞,让很多小伙伴痛苦了1-2周(加班) ...
- 由于ios由UIWebView换成了WKWebview内核后导致webview请求接口文件上传,后台接收不到文件
2020年4月起App Store将不再接受使用UIWebView的新App上架.2020年12月起将不再接受使用UIWebView的App更新. 解决后台文件接收不到的问题 function GLA ...
- Kafka基础教程(二):Kafka安装
因为kafka是基于Zookeeper的,而Zookeeper一般都是一个分布式的集群,尽管kafka有自带Zookeeper,但是一般不使用自带的,都是使用外部安装的,所以首先我们需要安装Zooke ...
- [学习笔记] RabbitMQ的简单使用
安装依赖 # composer.json { "require": { "php-amqplib/php-amqplib": ">=2.9.0& ...