什麼是正則表達式？
//1.點號 .
一個點號可以替換除了換行符以外的任何一個字符
開頭是“kin”，後面兩個字符都是“me”
例如
kingname
kinabcme
kin123me
kin我是誰me
kin嗨你好me
kin“m”me
就可以變成kin...me的形式，中間有多少個字符就有多少個點
2.星號 *
一個星號表示前面一個子表達式（普通字符，另外一個或幾個正則表達式）0次到無限次
例如
如果快樂你就笑哈
如果快樂你就笑哈哈
如果快樂你就笑哈哈哈
如果快樂你就笑哈哈哈哈哈哈哈
用星號來表示：
如果快樂你就笑哈*
由於星號可以表示前面字符的0次，即使寫出如果快樂你就笑*,也能滿足正則表達式
--------------------------------------------------------------
如果點號星號一起用會怎麼樣？
.*
如.*哈：
它可以表示在“如”和“哈”中間出現“任意多個除了換行符以外的任意字符”
舉例：
如哈 //不寫
如果我快樂哈 //漢字
如1123哈 //數字
如asddc哈 //字母
如 ? + = 哈 //符號
3.問號 ？
問號：表示它前面的子表達式0次或1次。//這裏的問號是英文的問號
笑起來。
笑起來哈。
在漢字 “來”和中文句號之間有0個或者1個哈字，都可以用下面這個正則表達式
笑起來哈?。
問號最大的用處是與點號和星號配合起來使用 構成 .*?.通過正則表達式，使用最多的也是這個組合。
如哈
如果快樂哈
如果快樂你就笑哈
如果你知道1+1=2請證明它
如asdfgh哈
都可以用如.*?哈正則表達式
那麼 .*和.*?有什麼區別？
//將通過實際的例子進行解答
4.反斜槓 \
反斜槓轉義字符
有下面這樣的字符串
我的密碼是*123456*不包括最外層星號
通過正則表達式表示
我的密碼是\*.*\*不包括最外層星號
5.數字
正則表達式裏面使用 \d 來表示一位數字。爲什麼要用字母d呢？
因爲是英文 digital //數字的首字母
如果提取兩個數字，可以使用\d \d
如果提取兩位數字，可以使用\d\d\d
不知道數字有多少位，就使用*表示任意位數的數字
有下面一段字符串
是123455677，請記住它。
用正則表達式來表示
是\d*,請記住它。
6.小括號 （）
有下面一段字符串
我的密碼是：12345abcde你幫我記住。
用正則表達式表示
:（.*?）你
就可以獲得
12345abcde
7.導入正則表達式,使用findall方法
python已經自帶了一個功能非常強大的正則表達式模塊。
使用這個模塊可以非常方便的從一大段文字中提取有規律的信息
python的正則表達式模塊名字爲 re，也就是regular expression的首字母縮寫。
使用正則表達式之前，要進行導包語句
導包語句爲：
import re
包內有些方法需要我們學習
findall的函數原型爲：
re.findall(pattern,string,flags=0)
pattern //正則表達式
string //字符串
flags//特殊功能標誌
findall的結果是一個列表，包含匹配到的所有結果，如果沒有匹配到，就會返回空列表。
import re
content ='我的微博密碼是:123456,QQ密碼是:33445566,銀行卡密碼是:888888,請幫我記住他們'
password_list=re.findall(':(.*?),',content)
lost_list=re.findall('那沒事了(.*?)',content) #//故意寫錯正則表達式，找不到
print('找到內容，返回:{}'.format(password_list))
print('找不到內容，返回:{}'.format(lost_list))
運行結果
import re
account_content ='公衆號是:乖氣致異,密碼是:gongzhonghao123456,cnds賬號是:999999,密碼是:123456,'
account_password=re.findall('號是:(.*?),密碼是:(.*?),',account_content)
print('包含多個括號的情況,返回:{}'.format(account_password))
請注意查看代碼中的冒號:逗號, 實際使用正則表達式的過程中,中英文標點符號經常導致各種問題. 中英文符號是根本不一樣的,看起來非常相似,在某些字體甚至無法察覺,因此使用正則表達式時,最好直接複製粘貼,不要手動輸入
中文符號 ，：
英文符號 , :
re.findall(pattern,string,flags=0)
這個flags 參數是可以省略的
使用flags可以忽略大小寫,忽略換行符等等…
這裏以忽略換行符說明,示範
import re
string='''
我是xiaowei,我的微博密碼是:123
45678,'''
password_flags=re.findall('密碼是:(.*?),',string,re.S)
password_noflags=re.findall('密碼是:(.*?),',string)
print('使用re.S的時候:{}'.format(password_flags))
print('不使用re.S的時候:{}'.format(password_noflags))
運行結果
使用爬蟲開發非常容易出現這樣的情況,要匹配的內容存在換行符\n. 要忽略換換行符,就需要使用到re.S這個flags. 雖然說匹配到的結果出現了\n 這個符號,不過總比什麼都拿不到要強.內容裏面的換行符在後期清洗數據替換掉即可.
9.本章內容到此結束了
我們瞭解了什麼是正則表達式
並且敲代碼實踐了,並學會了導包和findall方法的使用.