Python学习之==>正则表达式

正则表达式（或 RE）是一种小型的、高度专业化的编程语言，它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

一、普通字符

二、元字符

1、元字符之. ^ $ * + ? { }

# 引入正则：进入模糊匹配
import re

# '.'     默认匹配除\n(换行符)之外的任意一个字符，若指定flags=re.DOTALL,则匹配任意字符，包括换行
res = re.findall('W..l','Hello World!!')  # ['Worl']
ret = re.findall('W..l','Hello W\nrld!!',flags=re.DOTALL)  # ['W\nrl']

# '^'     匹配字符开头，若指定flags=re.MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
res = re.findall('^h...o','hjaookhello')  # ['hjaoo']
ret = re.findall(r'^a','\nabc\neee',flags=re.MULTILINE)    # ['a']

# '$'     匹配字符结尾，若指定flags=re.MULTILINE，这种也可以匹配上("foo$","bfoo\nsdfsf",flags=re.MULTILINE)
res = re.findall('a..x$','aaaalexauex')   # ['auex']
ret = re.findall('foo$','bfoo\nsdfsf',flags=re.MULTILINE)  # ['foo']

# '*'     匹配*号前的字符0次或多次
res = re.findall("ab*","cabb3abcbbac")   # ['abb','ab','a']

# '+'     匹配前一个字符1次或多次
res = re.findall("ab+","cabb3abcbbac")   # ['abb','ab']

# '?'     匹配前一个字符1次或0次
res = re.findall("ab?","cabb3abcbbac")   # ['ab','ab','a']

# '{m}'   匹配前一个字符m次，{m,n}则代表匹配次数的范围
res = re.findall("a{1,3}b","caaabb3abcbbaabc") # ['aaab','ab','aab']
res = re.findall("a{1,3}b","aaaab")      # ['aaab']

#结论：*等于{0,+∞}，+等于{0,+∞}，?等于{0,1}，推荐使用*、+、?

注意：前面的'*'和'+'都是贪婪匹配（尽可能的多匹配），后面加'?'使其成为惰性匹配（尽可能的少匹配）

import re
res = re.findall("ab+","abbbbb")   # ['abbbbb']
res = re.findall("ab*","abbbbb")   # ['abbbbb']
res = re.findall("ab+?","abbbbb")  # ['ab']
res = re.findall("ab*?","abbbbb")  # ['a']

2、元字符之字符集［］

# []中有多个字符代表是或的关系
res = re.findall('c[on]m','comaxcnm')  # ['com','cnm']
res = re.findall('[a-z]','comaxcn')    # ['c','o','m','a','x','c','n']

# 元字符放在[]里，取消元字符的特殊功能(\、^、-例外)
res = re.findall('[w*+,$]','co,ma+wc$n*')  # [',','+','w','$','*']

# ^放在[]里，意味着取反
res = re.findall('[^t]','atxmetu')  # ['a','x','m','e','u']
res = re.findall('[^tx]','atxmetu') # ['a','m','e','u']

# -放在[]里，代表范围
res = re.findall('[1-9a-z]','13mawcCB')    # ['1','3','m','a','w','c']
res = re.findall('[1-9a-zA-Z]','13mawcCB') # ['1','3','m','a','w','c','C','B']

# 反斜杠后面跟普通字符实现特殊功能
res = re.findall('[\w\d]','13mawcCB') # ['1','3','m','a','w','c','C','B']

3、元字符之转译字符 \

# \d 匹配任何十进制数字，相当于[0-9]
# \D 匹配任何非数字字符，相当于[^0-9]
# \s 匹配任何空白字符，相当于[ \t\n\r\f\v]
# \S 匹配任何非空白字符，相当于[^ \t\n\r\f\v]
# \w 匹配任何字母数字字符，相当于[a-zA-Z0-9]
# \W 匹配任何非字母数字字符，相当于[^a-zA-Z0-9]
# \b 匹配一个特殊字符的边界

# '\' 反斜杠后面跟普通字符实现特殊功能
print(re.findall('\d{5}','ae12345cw67890')) # ['12345','67890']
print(re.findall('\sasd','fak asd'))  # [' asd']
print(re.findall('\w','fak asd'))     # ['f','a','k','a','s','d']
print(re.findall(r'I\b','I am a LI$T')) # ['I', 'I']

# 反斜杠后面跟元字符去除特殊功能
print(re.findall('a\.','a.jk'))  # ['a.']
print(re.findall('a\+','a+jk'))  # ['a+']

我们再来看一下反斜杠“\”的匹配，如下：

# 匹配反斜杠 \
print(re.findall('c\l','abc\le'))  # 报错
print(re.findall('c\\l','abc\le')) # 报错
print(re.findall('c\\\\l','abc\le')) # ['c\\l']
print(re.findall(r'c\\l','abc\le'))  # ['c\\l']

# 因为\b在ASCII表中是有意义的，所以前面要加个r
print(re.findall('\bblow','blow'))   # []，匹配不到
print(re.findall(r'\bblow','blow'))  # ['blow']

4、元字符之分组 ()

# ()分组,括号里的字符作为一个整体
print(re.findall('(as)','jdkasas'))  # ['as', 'as']

res=re.search('(?P<id>\d{3})/(?P<name>\w{3})','weeew34ttt123/ooo')
print(res.group())       # 123/ooo
print(res.group('id'))   # 123
print(res.group('name')) # ooo

# findall
res = re.findall('www.(\w+).com','www.baidu.com')
print(res)  # ['baidu'],有分组只取出组当中的内容
ret = re.findall('www.(?:\w+).com','www.baidu.com')
print(ret)  # ['www.baidu.com']，加上?:取消分组权限

# search
res = re.search('www.(\w+).com','www.baidu.com')
print(res.group())  # www.baidu.com,与findall不同

5、元字符之管道符 |

# | 匹配|左或|右的字符
print(re.findall('(ab)|\d','rabhdg8sd'))  # ['ab', '']
print(re.search('(ab)|\d','rabhdg8sd').group()) # ab

6、re模块下的常用方法

# 正则表达式的方法
# re.findall()  # 所有的结果都返回到一个列表里
# re.search()   # 返回匹配到的第一个对象（object），对象可以调用group方法来拿取返回结果
# re.match()    # 只在字符串开始匹配，也只返回一个对象，对象可以调用group方法来拿取返回结果
# re.split()    # 匹配到的字符当做列表分隔符
# re.sub()      # 匹配字符并替换
# re.subn()     # 效果和sub一样，但是同时还会返回替换了多少次
# re.compile()  # 把匹配规则编译成一个对象供后面多次使用
# re.finditer() # 返回的是一个迭代器

# findall：所有的结果都返回到一个列表里
print(re.findall('\d','12345'))  # ['1','2','3','4','5']

# search：匹配出第一个满足条件的结果
res = re.search('sb','adssbeeesb')
print(res)        # <_sre.SRE_Match object; span=(3,5), match='sb'>
print(res.group())# sb

# match：同search,不过尽在字符串开始处进行匹配
res = re.match('sb','sbaee')
print(res)        # <_sre.SRE_Match object; span=(0,2), match='sb'>,没匹配到则返回None
print(res.group())# sb

# split：匹配到的字符当做列表分隔符
res = re.split('k','djksal')
print(res) # ['dj','sal']
res = re.split('[j,s]','dsejksal')
print(res) # ['d','e','k','al']
res = re.split('[j,s]','sejksal')
print(res) # ['','e','k','al']

# sub：匹配字符并替换
res = re.sub('a..x','s..b','eealexbb')
print(res)  # ees..bbb
res = re.sub('ab','123','ablexbab',1) # 最后一个参数是替换几次
print(res)  # 123lexbab

# subn：效果和sub一样，返回的是一个元组，除了返回的结果，还有替换了多少次
res = re.subn('a..x','s..b','eealexbb')
print(res)  # ('ees..bbb',1)
res = re.subn('ab','123','ablexbab') # 最后一个参数是替换几次
print(res)  # ('123lexb123',2)

# compile：把匹配规则编译成一个对象供后面多次使用
obj = re.compile('\.com') # 把匹配规则编译成一个对象
res = obj.findall('fajs.comeee')
ret = obj.findall('aa.comss.com')
print(res)  # ['.com']
print(ret)  # ['.com','.com']

# finditer：返回的是一个迭代器
res = re.finditer('\d','12345')
print(res) # <callable_iterator object at 0x000001E98FE4D7B8>
for i in res:
    print(i.group())
# 1
# 2
# 3
# 4
# 5