正则表达式的概念

import re：python 正则表达式模块

生成对象：

pa = re.compile(r' imooc\n') 括号里面r是什么作用？不转义，也就是说\n不代表换行，而是直接的字符串

匹配有没有下划线的实例：

pa1 = re.compile(r'_')

ma1=pa1.match('_value')----生成的正则表达式对象去跟括号里内容匹配，查找有没有下划线。

ma1.group()

输出：'_' (匹配上了）

3、

sub(patten,repl,string,count=0,flags=0)

将字符串中匹配正则表达式部分替换为其他值

4、

split(patten,repl,string,count=0,flags=0)

根据匹配分割字符串，返回分割字符串组成的列表

1、 

search(pattern,string,flags=0)

在一个字符串中查找匹配

2、

findall(pattern,string,flags=0)

找到匹配，返回所以匹配部分的列表

import re

from urllib import request


def spider_mm():
    #<img src="http://i1.whymtj.com/uploads/tu/201905/10220/z6cs1a6z.jpg" width="180" height="270" />
    req = request.urlopen('http://www.umei.cc/meinvtupian/')
    buf = req.read().decode('utf-8')
    #print(buf)
    list_url = re.findall(r'src=.+\.jpg', buf)
    #print(list_url)

    # 把src="去掉
    for i in range(len(list_url)):
        list_url[i] = re.sub(r'src="', '', list_url[i])
        print(list_url[i])


    i = 0
    for url in list_url:   #读取并保存到本地
        f = open('E:\\image\\' + str(i) + '.jpg', 'wb+')
        #req = request.urlopen('http:' + url)  # 必须要加上http:
        req = request.urlopen( url)  # 必须要加上http:
        buf = req.read()
        f.write(buf)
        f.close()
        i += 1



if __name__=="__main__":
    spider_mm()

import re


if __name__=="__main__":
    str = "hello world 100, 96"
    print(str.find('100'))   #在字符串中查找100

    info = re.search(r'\d+', str)
    print(info.group())

    str1 = 'C++=100,Java=90, python=80'
    info1 = re.search(r'\d+', str1)
    print(info1.group())

    info2 = re.findall(r'\d+', str1)
    print(info2)

    sum = sum([int(x) for x in info2])
    print(sum)

    str3 = 'imooc videonum =1000'
    info3 = re.sub(r'\d+', '100', str3)  #将字符串中匹配正则表达式的部分替换为其他值
    print(info3)

    info4 = re.sub(r'\d+', '1001', str3)
    print(info4)

    str4 = 'I:I C++ Java Python'
    info5 = re.split(r':| ', str4)
    print(info5)

re(正则库)的方法：

search：在一个字符串中查找匹配

findall：找到匹配，返回所有匹配部分的列表

sub：将匹配出来的部分替换为其他值

split：分割字符串，返回分割后的数组

| 匹配左右任意一个表达式

(ab) 括号中表达式作为一个分组

\<number> 引用编号为number的分组匹配到的字符串

(?P<name>) 分组起别名

(?P=name) 引用别名为name的分组匹配字符串

多字符匹配

re.match(r'[_a-zA-Z]+[_\w]*',"asfjl;ka ")

+：前面的一个字符可以出现1次或无数次

*：前面的一个字符可以出现0次或无数次

以下划线或者字母开头（+号的作用），后面可以是下划线或者其他字符的字符串

<br>

？：匹配前面的一个字符0次或者1次<br>

[1-9]?[0-9] #09是可以被match上的 虽然只是返回一个0 奇怪。。

{m} 匹配前一个字符m次

{m,n} 匹配前一个字符m到n次

*? +? ?? 指虽然可以匹配上但是不返回后面的

. 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。<br>
\d 匹配一个数字字符。等价于 [0-9]。<br>
\D 匹配一个非数字字符。等价于 [^0-9]。<br>
\s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。<br>
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。<br>
\w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。<br>
\W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。

正则表达式语法

#!/usr/bin/python3
# -*- coding: UTF-8 -*-
#desc: 正则匹配查找

import re

if __name__=="__main__":
    str = "I like python"
    str1 = "python"
    pa = re.compile(r'python')  #匹配python字符串， r表示是原字符串
    print(type(pa))  #查看类型
    print(pa.match(str))  #None表示没有匹配成功
    print(pa.match(str1)) #匹配成功

    ma = pa.match(str1)
    print(ma.group())  #返回字符串或元祖
    print(ma.span())   #返回索引位置
    print(ma.string)   #返回匹配的字符串
    print(ma.re)   #返回匹配实例

    pa1 = re.compile(r'_')
    ma1 = pa1.match('_value')
    print(ma1.group())

re（正则库）的方法

导入模块        import re

生成Pattern   pa = re.compile(r'要查找的内容')

生成Match    ma = pa.match(被查找的字符串)

ma.group() #返回匹配字符串或元组

ma.span() #返回匹配字符串的位置

ma.string #返回被匹配字符串

ma.re #返回匹配实例

正则表达式的作用：

 1.使用单个字符串来描述匹配一系列符合其语法规则的字符串

 2.是对字符串操作的一种逻辑公式

 3.处理文本和数据 

4.正则表达式过程：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功、否则匹配失败。