re正则表达式

re模块

re又名正则表达式，是一种小型语言，其作用范围为字符串，内嵌在python中，通过调用re模块实现，其底层通过C语言编写的匹配法则进行匹配

作用目的：通过编写的匹配规则对字符串进行模糊匹配，比字符串内置方法更为强大，字符串内置方法只能进行精准匹配

元字符

字符分为普通字符与元字符，通过元字符的组合可以达到模糊匹配的规则

普通字符没有特殊功能，可以跟自身进行匹配

print(re.findall("app","ajkaappurl"))#['app']

元字符：.  *  ^  $  +  ?  {}　\   []　

注意：元字符匹配都属于贪婪匹配，即最多次匹配

具体用法：“.”,通配符，可以代指所有内容，但换行符\n除外，且一个.只能代指一个字符

              “*”，跟在一个字符后面，用以表示可以重复前面字符的次数，范围[0，正无穷）

              ”+”,跟在字符后面，类似*，但范围为[1,正无穷）

              “？”，跟在字符后面，类似*，范围为[0,1]

              “{}”，跟在字符后面，也是重复匹配，但可以定义匹配次数或匹配范围

              “^”,写在规则前面，表示从第一个字符开始匹配

               “$”,写在规则后面，表示从后面开始匹配

import re
print(re.findall("t.m","oqqoqjqtomqoq"))        #表示匹配以t开头以m结尾中间可以是任意一个字符串且连在一起的一个字符串

print(re.findall("to*","qoqotoooooalkjqljq"))  #匹配以t开头后面跟o字符且o字符个数范围可以为0-无穷多个

print(re.findall("to+","qjkqjtoooajjk"))        #匹配以t开头且后面跟o字符且o字符个数范围可以为1—无穷多个

print(re.findall("to?","qoqotooamla"))           #匹配以t开头且后面跟o字符且o字符个数范围为0-1个

print(re.findall("to{2}","qoqqotooomlqj"))       #匹配以t开头且后面跟o字符且o字符个数为两个

print(re.findall("^to","tomakjajl"))              #匹配以to开头的字符串

print(re.findall("to$","akjqqiqoto"))             #匹配以to结尾的字符串

 

元字符之字符集[]

字符集用[]表示

作用：1.或的用法 2.取消元字符的特殊功能（"\" ,"^","-"除外）3.[^]取反，即相当于去除掉[]中的内容

import re
print(re.findall("[ab]","qqjqajkjkbqijqabkk;"))#['a', 'b', 'a', 'b']    对[]中单个字符进行或的匹配

print(re.findall("[^abc]","qoqoazbfjk"))#['q', 'o', 'q', 'o', 'z', 'f', 'j', 'k']   去除掉掉a,b,c,

元字符之转译符"\"

用法：1.反斜杠后边跟元字符去除特殊功能

        2.反斜杠后边跟普通字符实现特殊功能

常用功能：

 \d:匹配任何十进制数，相当于类[0-9]

\D:匹配任何非数字字符，相当于类[^0-9]

\s:匹配任何空白字符，相当于类[\t\n\r\f\v]

\S:匹配任何非空白字符，相当于类[\t\n\r\f\v]

\w:匹配任何字母数字字符，相当于类[a-zA-Z0-9]

\W:匹配任何非数字字母字符相当于类[^a-zA-Z0-9]

\b:匹配特殊字符边界，如@、空格、#等

import re
print(re.findall("\d","ajkaja12324akjk"))
#['1', '2', '3', '2', '4']
print(re.findall("\D","ajqjq123jlkajfakoi473"))
#['a', 'j', 'q', 'j', 'q', 'j', 'l', 'k', 'a', 'j', 'f', 'a', 'k', 'o', 'i']
print(re.findall("\s","akjfak akq  akjfkj"))
#[' ', ' ', ' ']
print(re.findall("\S","akjfakj cfjak akjf"))
#['a', 'k', 'j', 'f', 'a', 'k', 'j', 'c', 'f', 'j', 'a', 'k', 'a', 'k', 'j', 'f']
print(re.findall("\w","qjjqkj12324jfjaj.afja qjj"))
#['q', 'j', 'j', 'q', 'k', 'j', '1', '2', '3', '2', '4', 'j', 'f', 'j', 'a', 'j', 'a', 'f', 'j', 'a', 'q', 'j', 'j']
print(re.findall("\W","qkjq?qjk\qkj"))
#['?', '\\']                  #注意，这里之所以会匹配到两个\\，后面会说到

这里对上面会出现两个\\做个解释

如上图，由于python解释器对\也有转译功能，当我们用正则匹配的时候，先是将命令交给python解释器，然后python解释器再将命令传递给re模块，返回同样道理，但由于\在python解释器这一层也有转译功能，所以在还没传递到re模块时候，命令已经按照python解释器这一层方法进行转译了，所以如果我们想让python解释器将命令原封不动的传递给re模块处理，在匹配规则前面加上r，或者在\前面加\，在python这一层处理完传递到re模块就剩一个\了

元字符之分组（）

无名分组：

import re
m = re.findall(r'(ad)+', 'add')         #()相当于将ad看成一个元素进行匹配
print(m)#['ad']

有名分组： 格式（？P<name>规则）

import re
res = re.search("(?P<name>\d+)","jfaj123jlkjfa").group("name")#search查找的结果是一组对象，可以用.group取出结果

print(res)#123

re模块下常用方法

import re
#1
re.findall('a','alvin yuan')    #返回所有满足匹配条件的结果,放在列表里
#2
re.search('a','alvin yuan').group()  #函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
                                     # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
 
#3
re.match('a','abc').group()     #同search,不过尽在字符串开始处进行匹配
 
#4
ret=re.split('[ab]','abcd')     #先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret)#['', '', 'cd']
 
#5
ret=re.sub('\d','abc','alvin5yuan6',1)
print(ret)#alvinabcyuan6
ret=re.subn('\d','abc','alvin5yuan6')
print(ret)#('alvinabcyuanabc', 2)
 
#6
obj=re.compile('\d{3}')
ret=obj.search('abc123eeee')
print(ret.group())#123
1
2
3
4
5
6
import re
ret=re.finditer('\d','ds3sy4784a')
print(ret)        #<callable_iterator object at 0x10195f940>
 
print(next(ret).group())
print(next(ret).group())

注意：在有分组元字符（）存在时，findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可，格式（？：规则）

 

import re
 
ret=re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(ret)#['oldboy']     
 
ret=re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
print(ret)#['www.oldboy.com']