python 模块

re模块

1.正则表达式

• 概念
  • 从大段的文字中找到符合规则的内容
  • 判断某个字符串是否完全符合规则
• 元字符
  • \w
    • 匹配数字字母或者下划线 [a-zA-Z0-9]
  • \d
    • 匹配所有的数字 dight [0-9]
  • \s
    • 匹配所有的空白符 回车/换行符 制表符 空格 space [\n\t]
  • \W
    • 和\w相反
  • \D
    • 和\d相反
  • \S
    • 和\s相反
  • \b
    • 匹配单词的边界
  • \n
    • 匹配换行符 回车
  • \t
    • 匹配制表符
  • ^
    • 匹配一个字符串的开始
  • $
    • 匹配一个字符串的结束
  • .
    • 匹配除换行符以外的所有字符
  • a|b
    • 符合a规则或者b规则都可以被匹配，如果a规则是b规则的一部分，且a比b更苛刻，就把a规则写在前面，将更复杂的规则写在前面
  • [ ]
    • 只要出现在括号里的内容都可以被匹配
  • [^ ]
    • 和[ ] 相反
  • ()
    • 表示给几个字符加上量词约束的需求的时候就给这些量词一个分组。
• 量词
  • {n}
    • 表示这个量词之前的字符出现n次
  • {n,}
    • 表示这个量词之前的字符至少出现n次
  • {n,m}
    • 表示这个量词之前的字符出现n次~m次
  • ？
    • 表示匹配量词之前的字符出现0次或者1次
  • +
    • 表示匹配量词之前的字符出现1次或者多次
  • *
    • 表示匹配量词之前的字符出现了0次或多次
• 贪婪匹配
  • 他在允许的范围内会尽可能多给你匹配，默认采用贪婪匹配
  • 非贪婪模式/惰性匹配：
  • 在量词后面加上？
  • .?x 匹配任意非换行字符任意长度，直到遇到x就停止

 

2.基础方法

 

• • 查找
    • findall
      • (正则表达式，待匹配的字符串，flag)
      • 匹配所有每一项都是列表中的一个元素

ret = re.findall('\d+','asasa123sdsd33') # 正则表达式,带匹配的字符串,flag
print(ret)　

• • • search
      • 只匹配从左到右第一个，得到的是一个变量，通过这个变量的group方法获取
      • 如果没有匹配会返回None,使用group会报错

ret = re.search('\d+','asasa123sdsd33')
if ret :   # 内存地址,这是一个正则匹配的结果
    print(ret.group()) # 通过ret.group()获取结果

• • • match
      • 从头开始匹配，相当于search中的正则表达式加上一个^

ret = re.match('\d+$','sdssfs123sdf33')
print(ret)

　　

• • 字符串处理的扩展
    • split 切割
      • 返回列表，按照正则规则切割，默认匹配到的内容会被切掉
      • re.split('正则表达式','字符串')

s = 'aaa|bbb|ccc|'
print(s.split('|'))
s = 'aaa12bbb55ccc44' ret = re.split('\d+',s) print(ret)

• • • sub/subn 替换
      • 按照正则规则 去寻找要被替换掉的内容
      • re.sub('旧的','新的','字符串',次数)
      • subn 返回一个元组，第二个元素是替换的次数

ret = re.sub('\d+','H','aaa12bbb55ccc44')
print(ret)

ret = re.sub('\d+','H','aaa12bbb55ccc44',1)

print(ret)

#subn 返回一个元组,第二个元素是替换的次数
ret = re.subn('\d+','H','aaa12bbb55ccc44')

print(ret)

• • re模块的进阶 : 时间/空间
    • compile
      • 编译一个正则表达式用这个结果取search,match,findall,finditer
      • 节省你使用正则表达式解决问题的时间
      • 编译 正则表达式 编译成字节码
      • 在多次使用过程中不会多次编译

ret = re.compile('\d+')   # 已经完成编译了
print(ret)
res = ret.findall('aaa12bbb55ccc44')
print(res)
res = ret.search('asaddfd123sdasd33')
print(res.group())

• • • finditer
      • 返回一个迭代器，所有的结果都在迭代器中，需要通过循环+group的形式取值，节省内存
      • 节省你使用正则表达式解决问题的空间/内存

ret = re.finditer('\d+','aaa12bbb55ccc44')
for i in ret:
    print(i.group())

　　

 

3.分组在re模块中的使用

s = '<a>wahaha</a>'  # 标签语言 html 网页
ret = re.search('<(\w+)>(\w+)</(\w+)>',s)
print(ret.group())  # 所有的结果
print(ret.group(1)) # 数字参数代表的是取对应分组中的内容
print(ret.group(2))
print(ret.group(3))

• • 为了findall也可以顺利取到分组中的内容，有一个特殊的语法，就是优先显示分组中的内容

ret = re.findall('(\w+)',s)
print(ret)
ret = re.findall('>(\w+)<',s)
print(ret)

• • 取消分组优先(?:正则表达式)

ret = re.findall('\d+(\.\d+)?','1.234*4')
print(ret)

• • 关于分组
    • 对于正则表达式来说有些时候我们需要进行分组，来约束某一字符组出现的次数
    • 对于python来说，分组可以帮助你个更好更精确的找到你真正需要的内容
  • 分组命名 (?P<这个组的名字>正则表达式)
  • 使用前面的分组 要求使用这个名字的分组和前面同名分组中的内容匹配的必须一致

 

4.使用正则表达式的技巧

 

• • 正则表达式如果写的足够好的话 能够最大限度的简化我们的操作
  • 正则表达式到底重要到什么程度
    • 掌握作业中的所有内容
    • 能够看懂常用的正则表达式
    • 并且能够做出一些公司特异性要求的修改

#取出整数
ret=re.findall(r"\d+\.\d+|(\d+)","1-2*(60+(-40.35/5)-(-4*3))")
ret.remove('')
print(ret)