python之re正则基础知识点

 字符：

---

 

重点　　{

　　\w　　----> 　　匹配 字母 或 数字 或 下划线 （word的缩写）

　　\s　　----> 　　匹配任意的 空白 （space的缩写）

　　\d　　----> 　　匹配 数字 （digit缩写）

　　\W　　----> 　　匹配 非字母 或 非数字 或 非下划线 

　　\S　　----> 　　匹配任意的 非空白 

　　\D　　----> 　　匹配 非 字数

}

---

 

　　\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

---

  　a|b　　----> 　　匹配字符 a 或着 b 

　　()　　----> 　　匹配括号内的 表达式 也是一个 组

　　[...]　　----> 　　匹配字符组 中的 字符

　　[^...]　　----> 　　匹配除了 字符组 中的 所有字符

　　.　　---->　　匹配 除了 换行符 以外的任意字符

---

 量词：

　　*　　---->　　重复零次或更多次

　　+　　---->　　重复一次或更多次

　　?　　---->　　重复零次或一次 

　　{n}　　---->　　重复n次

　　{n,}　　---->　　重复n次或更多次

　　{n,m}　　---->　　重复n到m次

---

几个常用的非贪婪匹配 pattern（模式） 　

　   *?　　----> 　　重复任意次，但尽可能少重复

　　+?　　----> 　　重复1次或更多次，但尽可能少重复

　　 ？?　　----> 　　重复0次或1次，但尽可能少重复

 　　{n,m}?　　----> 　　重复n到m次，但尽可能少重复

　　 {n,}*?　　----> 　　重复n次以上，但尽可能少重复

---

 

.*?的用法

. 是任意字符

* 是取0至无线长度

？是非贪婪模式

合在一起就是 取尽量少的任意字符，一般不会这么单独写，它大多用在：

.*?x(就是取前面任意长度的字符)，直到一个x出现

---

re模块下的常用方法

import re

ret = re.findall('a','eva egon yuan')
#返回所有满匹配条件的结果，放在一个列表里面
print(ret)
#结果：['a', 'a']

ret = re.search('a','abc').group()
#函数会在字符串内查找匹配，只要找到第一个匹配项，然后就返回一个包含匹配信息的对象，该对象可以
#通过点用group（）方法得到匹配的字符串，如果字符串没有匹配，则返回None，在调用group就报错啦
print(ret)
#结果 a

ret = re.match('av','avdf asdqwf gasdwda').group()
#同search，不过仅在字符串开始处进行匹配
print(ret)
#结果 av

ret = re.subn('\d','H','1234568',5)
#将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret) #结果：('HHHHH68', 5)

obj = re.compile('\d{3}')
#将正则表达式编译成一个 正则表达式对象，规则表达式对象，规则要匹配3个数字
ret = obj.search('abc123eeeee')
print(ret.group())

ret = re.finditer('\d','ds3sy4784a') 
#finditer 返回一个存放匹配结果的迭代器
print(ret) #<callable_iterator object at 0x10b2f2630> 迭代器名称
print(next(ret).group()) #查询第一个结果
print(next(ret).group()) #查询第二个结果
print([i.group() for i in ret]) #表达式生成器 查看剩余的结果

---

 

特殊注意findall|split

# findall的优先级查询 即匹配结果的不同
# 在匹配组开头加上 ?: 即可匹配到完整结果 不然 只能是匹配组里面的内容
ret = re.findall('www.(baidu|17game).com','wwww.17game.com,www.baidu.com')
print(ret) #这是因为findall会优先把匹配组连的内容返回，如果想匹配结果，取消权限即可
# 结果：['17game', 'baidu']
ret = re.findall('www.(?:baidu|17game).com','wwww.17game.com,www.baidu.com')
print(ret)
# 结果：['www.17game.com', 'www.baidu.com']


#split的优先级查询 即匹配结果不同
ret = re.split('\d+','eva3egon4yuan')
print(ret)
# 结果 ['eva', 'egon', 'yuan']
ret = re.split('(\d+)','eva3egon4yuan')
print(ret)
# 结果：['eva', '3', 'egon', '4', 'yuan']
# 总结：在匹配部分加上（）之后切出来的列表不同的
# 没有（）的没有保留所有匹配项，但是有（）的却能够保留了匹配的项
# 这个在某些需要保留匹配部分的使用过程非常重要

---

fiags值

flags有很多可选值：

re.I(IGNORECASE)忽略大小写，括号内是完整的写法
re.M(MULTILINE)多行模式，改变^和$的行为
re.S(DOTALL)点可以匹配任意字符，包括换行符
re.L(LOCALE)做本地化识别的匹配，表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境，不推荐使用
re.U(UNICODE) 使用\w \W \s \S \d \D使用取决于unicode定义的字符属性。在python3中默认使用该flag
re.X(VERBOSE)冗长模式，该模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注释