课堂
# 取数字和普通字符
import re
# ret=re.findall("\w+","yuan123$888^%")
# print(ret)
# # [‘yuan123‘, ‘888‘]
# #取i
# ret=re.findall(r"i\b","wo i ni")
# print(ret)
# # [‘i‘, ‘i‘]
# #闹不清
# ret=re.findall(r"bc\\l","abc\le")
# print(ret)
# ret=re.search(r‘-blog-aticles-(?P<year>20[01]\d)-(?P<month>\d+)‘,‘-blog-aticles-2005-12‘)
# print(ret.group(‘year‘))
# print(ret.group(‘month‘))
# 2005
# ^:匹配字符串的开始位置
# ret=re.findall(‘^李.‘,‘李连杰,李杰,李刚,张学友,郭富城‘)
# print(ret)
# [‘李连‘]
# $匹配字符串的末尾位置
# ret=re.findall(‘..n$‘,‘yabn杰,刚,王超,李连杰yuan‘)
# print(ret)
# [‘yuan‘]
# .:除换行符以外的任意一个符号
# ret=re.findall(‘李.‘,‘李连杰,李杰,王超,郭富城‘)
# print(ret)
# [‘李连‘, ‘李杰‘]
# \d{}每个数字取几位数
# ret=re.findall(‘\d{2}‘,‘12,123,1234,12345‘)
# print(ret)
# [‘12‘, ‘12‘, ‘12‘, ‘34‘, ‘12‘, ‘34‘]
# *:(0到无穷)包括131
# ret=re.findall(‘131\d*‘,‘131245,253617,131,13122344452,123456‘)
# print(ret)
# \d+:1到无穷以下不包括131
# ret=re.findall(‘131\d+‘,‘13111332241,123,131,456,1234,131246‘)
# print(ret)
# [‘13111332241‘, ‘131246‘]
# -?\d:一位一位取值
# ret=re.findall(‘-?\d‘,‘131,41,-11,12,-4‘)
# print(ret)
# [‘1‘, ‘3‘, ‘1‘, ‘4‘, ‘1‘, ‘-1‘, ‘1‘, ‘1‘, ‘2‘, ‘-4‘]
补充
正则表达式的元字符有. ^ $ * ? { [ ] | ( )
.表示任意字符
[]用来匹配一个指定的字符类别,所谓的字符类别就是你想匹配的一个字符集,对于字符集中的字符可以理解成或的关系。
^ 如果放在字符串的开头,则表示取非的意思。[^5]表示除了5之外的其他字符。而如果^不在字符串的开头,则表示它本身。
具有重复功能的元字符:
* 对于前一个字符重复0到无穷次
对于前一个字符重复1到无穷次
?对于前一个字符重复0到1次
{m,n} 对于前一个字符重复次数在为m到n次,其中,{0,} = *,{1,} = , {0,1} = ?
{m} 对于前一个字符重复m次
正则表达式(可以称为REs,regex,regex pattens)是一个小巧的,高度专业化的编程语言,它内嵌于python开发语言中,可通过re模块使用。正则表达式的
pattern可以被编译成一系列的字节码,然后用C编写的引擎执行。下面简单介绍下正则表达式的语法
正则表达式包含一个元字符(metacharacter)的列表,列表值如下: . ^ $ * + ? { [ ] \ | ( )
1.元字符([ ]),它用来指定一个character class。所谓character classes就是你想要匹配的字符(character)的集合.字符(character)可以单个的列出,也可以通过"-"来分隔两个字符来表示一 个范围。例如,[abc]匹配a,b或者c当中任意一个字符,[abc]也可以用字符区间来表示---[a-c].如果想要匹配单个大写字母,你可以用 [A-Z]。 元字符(metacharacters)在character class里面不起作用,如[akm$]将匹配"a","k","m","$"中的任意一个字符。在这里元字符(metacharacter)"$"就是一个普通字符。 2.元字符[^]. 你可以用补集来匹配不在区间范围内的字符。其做法是把"^"作为类别的首个字符;其它地方的"^"只会简单匹配 "^"字符本身。例如,[^5] 将匹配除 "5" 之外的任意字符。同时,在[ ]外,元字符^表示匹配字符串的开始,如"^ab+"表示以ab开头的字符串。 import re
s="<div>yuan<img></div><a href=""></div"
ret=re.findall("<div>.*?</div>",s)
print(ret)
# ret="hello,sb".split(‘,‘)
# print(ret)
[‘hello‘, ‘sb‘]
# 切数字
# ret=‘hello23nnn23jjjj4‘
# s=re.split(‘\d+‘,ret,)
# print(s)
[‘hello‘, ‘nnn‘, ‘jjjj‘, ‘‘]
代替
# ret=‘hello world‘.replace(‘world‘,‘sb‘)
# print(ret)
多个代替
ret=re.sub(‘w.{2,3}d‘,‘cnm‘,‘hello world waad‘,2)
# print(ret)
# hello cnm cnm
# ret=re.subn(‘w.{2,3}d‘,"sb",‘hello world waad‘)
# print(ret)
(‘hello sb sb‘, 2)
# s=‘hello 123 world 456‘
# ret=re.sub(‘\d+‘,‘222‘,s)# print(ret)# hello 222 world 222
re.finditer() 返回一个迭代器# ret=re.finditer(‘\d+‘,‘ajdgfua234sgfakfb456akfnfnk567‘)# print(ret)# print(next(ret).group())# print(next(ret).group())# print(next(ret))# <callable_iterator object at 0x000002CC3A98E240># 234# 456# <_sre.SRE_Match object; span=(27, 30), match=‘567‘>
调用系统命令import subprocess# s=subprocess.Popen(‘dir‘,shell=True,stdout=subprocess.PIPE)# print(s.stdout.read().decode(‘gbk‘))# C:\Users\DELL\AppData\Local\Programs\Python\Python36\python.exe C:/Users/DELL/PycharmProjects/模块/爬虫.py# 驱动器 C 中的卷是 OS# 卷的序列号是 5823-575E## C:\Users\DELL\PycharmProjects\模块 的目录## 2017/06/27 15:23 <DIR> .# 2017/06/27 15:23 <DIR> ..# 2017/06/25 20:27 10 a.txt# 2017/06/25 17:51 0 b.txt
['hello', 'sb']正则表达式