10-1 初识正则表达式 

 

是一个特殊的私服序列，可以帮助检测一个字符串是否与我们所设定的字符序列相匹配。

可以实现快速检索文本、实现替换文本的操作。

1、检测一串数字是否是电话号码

2、检测一个字符串是否符合e-mail格式

3、把一个文本里指定的单词替换为另外一个单词

 

平时处理：

a = 'C|C++|Java|Python'
print(a.index('Python') > -1)
print('Python' in a)

用正则表达式处理：

import re
a = 'C|C++|Java|Python'
r = re.findall('Python',a)
if len(r) > 0:
print('字符串中包含Python')
else:
print('No')

10-2 元字符与普通字符 

 

提取字符串中所有的数字：

import re
a = 'C2C++4Java7Python6'
r = re.findall('\d',a)
print(r)
#['2', '4', '7', '6']
\d：表示所有数字

‘Python’普通字符，'\d'元字符。正则表达式就是由一系列普通字符和元字符组成的。 

 

提取字符串中所有的非数字：

import re
a = 'C2C++4Java7Python6'
r = re.findall('\D',a)    #\D为非数字
print(r)

10-3 字符集

 

中间一个字符是c或者f的单词：

import re
s = 'abc,acc,adc,aec,afc,ahc'
r = re.findall('a[cf]c',s)
print(r)
#['acc', 'afc']

[]：字符集，或关系

普通字符定界，确定某一个小段

 

中间一个字符不是c或者f的单词：

import re
s = 'abc,acc,adc,aec,afc,ahc'
r = re.findall('a[^cf]c',s)
print(r)
#['abc', 'adc', 'aec', 'ahc']

^取反操作

 

利用字符顺序省略字符，匹配c,d,e,f：

import re
s = 'abc,acc,adc,aec,afc,ahc'
r = re.findall('a[c-f]c',s)
print(r)

-：省略中间字符

 

10-4 概括字符集

 

\d可以用[0-9]表示：

import re
a = 'python1111java678php'
r = re.findall('[0-9]',a)
print(r)

 

\w匹配所有的数字和字符：

import re
a = 'python1111&_java678  \nph\rp'
r = re.findall('\w',a)
print(r)

\w只能匹配单词字符，也就是den[A-Za-z0-9_]

\W只匹配非单词字符，如空格、&、\n、\r等都为非单词字符

 

\s代表空白字符：空格、\n、\r等：

import re
a = 'python1111&_java678 \nph\rp'
r = re.findall('\s',a)
print(r)
#[' ', ' ', '\n', '\r']

 

常用的概括字符集：\d \D \w \W \s \S

. ：匹配除换行符\n之外的其他所有字符

 

10-5 数量词

 

匹配三个字母的单词：

import re
a = 'python1111 java678php'
r = re.findall('[a-z]{3}',a)
print(r)
#['pyt', 'hon', 'jav', 'php']

 

匹配完整的单词：

import re
a = 'python1111 java678php'
r = re.findall('[a-z]{3,6}',a)
print(r)
#['python', 'java', 'php']

利用数量词{数量}多次重复

 

10-6 贪婪与非贪婪 

 

数量词有贪婪和非贪婪之分，一般来说Python倾向于贪婪的匹配方式。

{数量} ？变成非贪婪模式

import re
a = 'python1111 java678php'
r = re.findall('[a-z]{3,6}?',a)
print(r)
#['pyt', 'hon', 'jav', 'php']

 

10-7 匹配0次1次或者无限多次

 

用*匹配0次或者无限多次:

import re
a = 'pytho0python1pythonn2'
r = re.findall('python*',a)
print(r)
#['pytho', 'python', 'pythonn']

 

用+匹配一次或者无限多次：

import re
a = 'pytho0python1pythonn2'
r = re.findall('python+',a)
print(r)
#['python', 'pythonn']

 

用？匹配0次或者一次：

import re
a = 'pytho0python1pythonn2'
r = re.findall('python?',a)
print(r)
#['pytho', 'python', 'python']

多出来的n会被去掉，因为读到python时就满足了

用?来进行去重复的操作。

 

{3，6}？和 python? 时的问号用法不一样。 

 

10-8 边界匹配符 

 

QQ号的位数是否符合4-8位：

import re
qq = '10000004531'
r = re.findall('^\d{4,8}$',qq)
print(r)
#[]

^ $ 组成边界匹配符

^从字符串开头开始匹配

$从字符串末尾开始匹配

 

000$：最后三位是000

^000：开始三位是000

 

10-9 组 

 

python字符串是否重复出现三次：

import re
a = 'pythonpythonpythonpythonpython'
r = re.findall('(python){3}',a)
print(r)

一个括号对应一组。

[]里的字符是或关系

()里的字符是且关系

 

10-10 匹配模式参数 

 

忽略大小写：

import re
a = 'pythonC#\nJavaPHP'
r = re.findall('c#',a,re.I|re.S)
print(r)
re.I：忽略大小写，多个模式之间用|,这里的|是且的关系
re.S：匹配包括\n在内的任意字符

 

10-11 re.sub正则替换 

 

查找并替换：

import re
a = 'PythonC#\nJavaPHP'
r = re.sub('C#','GO',a,0)    #0：把所有的C#换成GO，1：只有第一个匹配到的被替换成GO
print(r)
#PythonGO
#JavaPHP

 

常规替换可以使用replace函数：

import re
a = 'PythonC#\nJavaPHP'
r = re.sub('C#','GO',a,0)
a = a.replace('C#','GO')    #是sub的简化版
print(r)
print(a)

 

sub强大的地方在于其第二个参数可以是一个函数：

import re
 
def convert(value):
    matched = value.group()    #从对象中提取字符串
    return '!!' + matched + '!!'
 
a = 'PythonC#JavaPHP'
r = re.sub('C#',convert,a)
print(r)
#Python!!C#!!JavaPHP

sub匹配到第一个结果会传到convert函数中去，返回的结果是新的字符串用来替换匹配到的词。

 

10-12 把函数作为参数传递

 

找出数字，大于等于6的替换成9，小于6的替换成0：

import re
 
def convert(value):
    matched = value.group()
    if int(matched) >= 6:
        return '9'
    else:
        return '0'
 
s = 'A8C3721D86'
r = re.sub('\d',convert,s)
print(r)
#A9C0900D99

函数调用函数的方式很灵活。

 

10-13 search与match函数

 

match：从字符串开始的地方开始匹配(首字母开始匹配)。

search：搜索整个字符串，直到找到第一个满足的结果并返回。

import re
s = 'A8C3721D86'
 
r = re.match('\d',s)
print(r)
r1 = re.search('\d',s)
print(r1)
#None
#<re.Match object; span=(1, 2), match='8'>
match和search返回的是对象，且只匹配一次，不会像findall一样匹配所有。
r.group()返回字符串
r.span()返回位置

10-14 group分组

 

提取life和python之间的字符： 

import re
 
s = 'life is short,i use python'
r = re.search('life(.*)python',s)
print(r.group(1))

group(0)是完整匹配结果

其他的组将从group(1)开始：

import re
 
s = 'life is short,i use python,i love python'
r = re.search('life(.*)python(.*)python',s)
print(r.group(0))
print(r.group(1))
print(r.group(2))
#life is short,i use python,i love python
#is short,i use
#,i love
 
r.groups()返回除完整以外的结果：
import re
 
s = 'life is short,i use python,i love python'
r = re.search('life(.*)python(.*)python',s)
print(r.groups())
#(' is short,i use ', ',i love ')

10-15 一些关于学习正则的建议

 

python绝大多数用在爬虫上，需要用到正则表达式

搜索'常用正则表达式'并加以分析

 

10-16 理解JSON

 

JavaScript Object Notation， 是一种轻量级(与XML比)的数据交换格式。

字符串是JSON的表现形式，符合JSON格式的字符串就是JSON字符串。

适合做跨语言交换数据。

 

10-17 反序列化

 

利用python内部的json解析JSON数据：

import json
 
json_str = '{"name":"tai","age":23}'    #json内用双引号，则外部用单引号表示str
student = json.loads(json_str)
print(type(student))
print(student)
print(student['name'])
print(student['age'])
#<class 'dict'>    #解析出来是字典
#{'name': 'tai', 'age': 23}
#tai
#23

同样的JSON字符串，不同的语言会装换成不同的类型。其中对应到Python中是字典类型。

 

解析JSON数组：

import json
 
json_str = '[{"name":"tai","age":23,"flag":false},{"name":"tai","age":23}]'
print(type(student))
print(student)
#<class 'list'>    #数组转成了列表
#[{'name': 'tai', 'age': 23, 'flag': False}, {'name': 'tai', 'age': 23}]

字符串->语言下某一数据结构的过程：反序列化

 

10-18 序列化

 

json到Python对应的数据转换类型：

JSON

Python

object

dict

array

list

string

str

number

int

number

float

true

True

false

False

null

None

 序列化：

import json
 
student = [{"name":"tai","age":23,"flag":False},{"name":"tai","age":23}]
json_str = json.dumps(student)
print(type(json_str))
print(json_str)
#<class 'str'>
#[{"name": "tai", "age": 23, "flag": false}, {"name": "tai", "age": 23}]

10-19 小谈JSON、JSON对象与JSON字符串 

 

JSON某种程度上是与Javascript平级的语言。

JSON对象、JSON、JSON字符串。

A语言数据类型 —JSON(中间数据类型)—> B语言数据类型

JSON有自己的数据类型，虽然和Javascript的数据类型差不多。

REST服务的标准格式，使用JSON。