Python 入门之 内置模块 -- re模块

1、re 模块

（1）什么是正则

　正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）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。

元字符	匹配内容
\w	匹配字母（包含中文）或数字或下划线
\W	匹配非字母（包含中文）或数字或下划线
\s	匹配任意的空白符
\S	匹配任意非空白符
\d	匹配数字
\D	匹配非数字
\A	从字符串开头匹配
\z	匹配字符串的结束，如果是换行，只匹配到换行前的结果
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开始
$	匹配字符串的结尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	匹配字符组中的字符
*	匹配0个或者多个左边的字符。
+	匹配一个或者多个左边的字符。
？	匹配0个或者1个左边的字符，非贪婪方式。
	精准匹配n个前面的表达式。
	匹配n到m次由前面的正则表达式定义的片段，贪婪方式
ab	匹配a或者b
()	匹配括号内的表达式，也表示一个组

---------------------------------------------------------------------匹配模式-------------------------------------------------------------------------

import  re 

<1> \w 字母，数字，下划线，中文

print(re.findall("\w","小明-Marry_dsb123啸天吃D早餐"))   # \w 字母.数字.下划线.中文 

<2> \W 不是字母，数字，下划线，中文

print(re.findall("\W","小明-Marry_dsb123啸天吃D早餐"))   # \w 不是字母.数字.下划线.中文 

<3> \d 匹配数字

print(re.findall("\d","十10⑩"))                       #  \d 匹配数字   

<4> \D 匹配非数字

print(re.findall("\D","十10⑩"))                       # \D 匹配非数字

<5> \A 从字符串开头匹配 （一般以什么开头 常用 ^）

print(re.findall("\Aa","asfdasdfasdfalicesx"))

print(re.findall("^a","adfsalsedxdf"))                        # 以什么开头  

<6> \Z 从字符串结尾匹配 （一般以什么结尾 常用 $）

print(re.findall("d\Z","asfdasdfasdfsdfalsesdfdx"))

print(re.findall("x$","asdlsfaedfsx"))                        # 匹配什么结尾  

<7> \n 匹配换行符

print(re.findall("\n","aewlbedx\nwosusorir"))

<8> \t 匹配制表符

print(re.findall("\t","alasdex\twudfassifr"))

<9> 字符串 匹配相应的字符串

print(re.findall("cai","cai\tsdisdhcai"))

<10> [...] 匹配字符组中的字符

print(re.findall('[0-9]',"小明-Marry_dsb123啸天吃D早餐"))                 
print(re.findall('[a-z]',"小明-Marry_dsb123啸天吃D早餐"))
print(re.findall('[A-Z]',"小明-Marry_dsb123啸天吃D早餐"))

<11> ^ [ ] 匹配非字符组中的字符

print(re.findall("[^0-9a-z]","123cai456"))  

<12> *匹配0个或多个左边的字符 贪婪匹配

print(re.findall("a*","cai,aa,aaaa,bbbbaaa,aaabbbaaa"))    # 匹配*左侧字符串0次或多次  贪婪匹配

<13> +匹配1个或多个左边的字符 贪婪匹配

print(re.findall("a+","cai,aa,aaaa,bbbbaaa,aaabbbaaa"))  匹配左侧字符串一次或多次  贪婪匹配 

<14> ?匹配0个或1个左边的字符 非贪婪匹配

print(re.findall("a?","cai,aa,aaaa,bbbbaaa,aaabbbaaa"))  # 匹配?号左侧0个或1个 非贪婪匹配

<15> { n } 精准匹配左边n个前面的表达式

print(re.findall("[0-9]{11}","18612239999,18612239998,136133333323"))  # 指定查找的元素个数 

<16> {n,m} 匹配n到m次前面的正则表达式定义的片段

print(re.findall("a{3,8}","cai,aaaabbbaaaaabbbbbbaaa,aaaaaaaaabb,ccccddddaaaaaaaa")) 

<17> a|b 匹配a或b

print(re.findall("a|b","caiwdarsnahb"))

<18> () 匹配括号内的表达式，也表示一组

print(re.findall("<a>(.+)</a>","<a>cai</a> <a>yong</a>"))     #分组  
print(re.findall("<a>(.+?)</a>","<a>cai</a> <a>yong</a>"))   #控制贪婪匹配 

<19> . 匹配任意字符，除了换行符 当定义re.DOTALL时，可以匹配换行符

print(re.findall("a.c","abc,aec,a\nc,a,c"))           # 匹配任意一个字符串(\n除外) 

print(re.findall("a.c","abc,aec,a\nc,a,c",re.DOTALL))

<20> \ . 就没有任意功能了

print(re.findall("-\d+\.\d+|-[0-9]|\d+",s))

<21> \s 匹配空格

print(re.findall("\s","yong\tdsbrimocjb"))            # \s 匹配空格

<22> \S 匹配非空格

print(re.findall("\S","yong\tdsbrimocjb"))            # \s 匹配非空格

练习：

有如下字符串:'yong_bb yong123_bb cai_bb cai2_bb laing_bb' 找到所有带_bb的内容

参考：
s = 'yong_bb yong123_bb cai_bb cai2_bb laing_bb'
print(re.findall("(.+?)_sb",s))

-------------------------------------------------------------------常用方法----------------------------------------------------------------

（1）findall 全部找到返回的是一个列表

print(re.findall("cai","caibb,cai_bb,cai11,ca_i"))

（2）search 从字符串中任意位置进行匹配查找到一个就停止了,返回的是一个对象. 获取匹配的内容必须使用.group()进行获取

print(re.search("a.+","lexaaaa,bssssaaaasa,saaasaasa").group())

（3）match 从字符串开始位置进行匹配

print(re.match("a.+","alexalexaaa,bssssaaaasa,saaasaasa").group())

试题

# search和match的区别？
search 从任意位置开始查找
match 从头开始查找，如果不符合就不继续查找了
两者都用group()进行查看

（4）split -- 分割 必须要有[ ]

print(re.split("[:;,.!#]","cai:dbbb#yong.dbb"))

（5）sub -- 替换

s = "cai:dbbb#yong.dbb"
print(re.sub("d","e",s,count=1))

（6）complie -- 定义匹配规则

s = re.compile("\w")
print(s.findall("cai:dbbb#yong.dbb"))

（7）finditer -- 返回一个迭代器

s = re.finditer("\w","cai:dbbb#yong.dbb")   # 返回的就是一个迭代器
print(next(s).group())
print(next(s).group())
for i in s:
    print(i.group())

（8）search -- 给分组命名 ?P

ret = re.search("<(?P<tag_name>\w+)>\w+</\w+>","<h1>hello</h1>")
ret = re.search("<(?P<tag_name>\w+)>(?P<content>\w+)</\w+>","<h1>hello</h1>")
print(ret.group("tag_name"))
print(ret.group("content"))