re模块
一：什么是正则？
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。
正则表达式：由一系列特殊字符拼接而成的表达式/规则，该表达式用于从一个大字符串中匹配出符合规则的子字符串
二：常用匹配模式(元字符)
---23---
\w匹配字母数字下划线，结果为多个字符串组成的列表 \W匹配与\w相反 \s匹配任意空白字符，\t \n \r \f都属于空白字符(\f匹配后变成\x0c) \S匹配与\s相反 \d匹配任意数字，等价于[0,9] \D匹配与\d相反 \n匹配\n \t匹配\t (只匹配1个str)^ 匹配字符串开头 (只匹配1个str)$ 匹配字符串结尾 .匹配任意字符，除了换行符，当re.DOTALL或re.S标记被指定时，则可以匹配包括换行符的任意字符 *匹配0个或多个的表达式 +匹配1个或多个的表达式 ？匹配0个或1个由前面的表达式定义的片段，非贪婪方式
^ 取反 \d+\.?\d*匹配所有包含小数在内的数字 .*默认为贪婪匹配 .*?为非贪婪匹配：推荐使用 [...]用来表示一组字符，例如[abc]匹配'a','b','c'，[]内的字符都是普通字符了，且如果 - 没有被转意的话，应该放到[]的开头或结尾，如果放在中间容易转意为比如所有英文字母a-z；[]内的^代表的意思是取反 {n}精准匹配n个前面表达式 {n,m}匹配到n到m次由前面的正则表达式定义的片段，贪婪方式（最小取的是n个，最大取得片段是m个） a|b匹配a或b ()匹配括号内的表达式，也表示一个组 ?:可以让结果为匹配的全部内容
* *左边那个字符出现0次或者无穷次 + +左边那个字符出现1次或者无穷次 {n,m}左边那个字符出现n次到m次 ? 左边那个字符出现0次到1次 .* 匹配所有，遇到\n就截断字符串，匹配空字符串，再继续，到最后面默认有个换行符，也匹配出空字符串 ?: 取消（）比如（ab），那么就变成ab \d+\.?\d* 匹配出数字或 小数
!断言
？取反
?:断言成功才算成功
?!取反，断言是判断依据，断言成功，返回值取反 断言失败就不会返回
# 1、\w # print(re.findall('\w\w\w',"h ello 123_ (0")) # h ello 123_ (0 # \w\w\w # 2. \W # print(re.findall('\W',"h ello 123_ (0")) # 3、\s # print(re.findall('\s',"h e\tll\no 123_ (0")) # print(re.findall('\w\s',"h ello 123_ (0")) # 4、\S # print(re.findall('\S',"h e\tll\no 123_ (0")) # 5、\d # print(re.findall('\d',"h e\tll\no 123_ (0")) # 6、\D # print(re.findall('\D',"h e\tll\no 123_ (0")) # print(re.findall("a\db","a1b a2b a b aab aaaaaaaa1b a2c a22c a 3c")) # a1b a2b a b aab aaaaaaaa1b a2c a22c a 3c # a\db # ["a1b","a2b","a1b"] # 7、\n与\t # msg="""h e\tll\n\no 123_ (0 # \t1 # 2 # 3 # """ # print(re.findall('\n',msg)) # print(re.findall('\t',msg)) # print(re.findall(' ',msg)) # 8、^与$ # print(re.findall("^egon","egon asdf 213123 egonafsadfegon")) # egon asdf 213123 egonafsadfegon # ^egon # print(re.findall("egon$","egon asdf 213123 egonafsadfegon ")) # egon$ # print(re.findall("a\w\w\wc","ab12c3c a213c")) # print(re.findall("^a\w\w\wc$","ab_2c")) # 9、.与[] # 9.1 .：代表匹配一个字符，该字符可以是任意字符 # print(re.findall("a\db","a1b a2b aab aaaaaaab a+b a-b a c")) # print(re.findall("a\wb","a1b a2b aab aaaaaaab a+b a-b a c")) # print(re.findall("a.b","a1b a2b aab aaaaaaab a+b a-b a b a c")) # print(re.findall("a.b","a1b a2b aab aaaaaaab a\tb a-b a\nb a c",re.DOTALL)) # 9.2 []：代表匹配一个字符，我们可以指定该字符的范围 # print(re.findall("a[+-]b", "a1b a2b aab aaaaaaab a+b a-b a c")) # print(re.findall("a[.*/+-]b", "a.b a2b a*b a/b aab aaaaaaab a+b a-b a c")) # print(re.findall("a[a-z]b", "a.b a2b a*b a/b aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果 # print(re.findall("a[a-zA-Z]b", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果 # print(re.findall("a\db", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果 # print(re.findall("a[0-9]b", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果 # [^...]代表取反 # print(re.findall("a[^0-9]b", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果 # 9.3 *: 左边那个字符出现0次或者无穷次 # print(re.findall("ab*","a ab abb abbbbbbbbbbbb bbbbbbbbb")) # a ab abb abbbbbbbbbbbb bbbbbbbbb # ab* # 9.4 +: 左边那个字符出现1次或者无穷次 # print(re.findall("ab+","a ab abb abbbbbbbbbbbb bbbbbbbbb")) # a ab abb abbbbbbbbbbbb bbbbbbbbb # ab+ # 9.5 {n,m}: 左边那个字符出现n次到m次 # print(re.findall("ab{0,}","a ab abb abbbbbbbbbbbb bbbbbbbbb")) # print(re.findall("ab*","a ab abb abbbbbbbbbbbb bbbbbbbbb")) # print(re.findall("ab{1,}","a ab abb abbbbbbbbbbbb bbbbbbbbb")) # print(re.findall("ab+","a ab abb abbbbbbbbbbbb bbbbbbbbb")) # print(re.findall("ab{2,5}","a ab abb abbb abbbb abbbbbbbb abbbbbbbbbbbb bbbbbbbbb")) # 9.6 ?: 左边那个字符出现0次到1次 # print(re.findall("ab?","a ab abb abbbbbbbbbbbb bbbbbbbbb")) # 9.7 .*: 匹配所有 # print(re.findall("a.*b","123 a1231-==-000b123123123123123b")) # 123 a1231-==-000b123123123123123b # a.*b # print(re.findall("a.*?b","123 a1231-==-000b123123123123123b")) # 例1：（）匹配括号内的表达式，也表示一个组 msg = '<a href="https://pan.baidu.com/s/1skWyTT7" target="_blank"><strong><span style="color: #ff0000;">原理图：https://pan.baidu.com/s/1skWyTT7</span></strong></a><a href="https://www.baidu/com">"点我啊"</a>' url_pattern = re.compile('href="(.*?)"') # res=url_pattern.findall(msg) # print(res) res=url_pattern.findall('<a href="www.sina.com.cn"></a>') print(res) # 例2：正则表达式一行一行匹配 print(re.findall("a.*b","a1b a+b a-b a\nb a\tb",re.DOTALL)) # 10 # print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab'] # print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab # ababab123 # (ab)(ab)(ab)(ab) # 10.1 取消分组 # print(re.findall('(?:ab)+123','ababab123')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容 # 11 |：或者 # print(re.findall("compan(?:ies|y)","Too many companies have gone bankrupt, and the next one is my company'")) # Too many companies have gone bankrupt, and the next one is my company # compan(ies|y) # print(re.findall("\d+\.?\d*","as9fdasl333...4444df1111asdf3333dfadf333.44dafadf3.5555asdfsafd.5555")) # as9fdasldf1111asdf3333dfadf333.44dafadf3.5555asdfsafd.5555 # \d+\.?\d* # 12. \ # print(re.findall('a\\\\c','a\c a1c aac')) #对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常 # print(re.findall(r'a\\c','a\c a1c aac')) #对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常
# =================================匹配模式================================= #一对一的匹配 # 'hello'.replace(old,new) # 'hello'.find('pattern') #正则匹配 import re #\w与\W print(re.findall('\w','hello egon 123')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3'] print(re.findall('\W','hello egon 123')) #[' ', ' '] #\s与\S print(re.findall('\s','hello egon 123')) #[' ', ' ', ' ', ' '] print(re.findall('\S','hello egon 123')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3'] #\n \t都是空,都可以被\s匹配 print(re.findall('\s','hello \n egon \t 123')) #[' ', '\n', ' ', ' ', '\t', ' '] #\n与\t print(re.findall(r'\n','hello egon \n123')) #['\n'] print(re.findall(r'\t','hello egon\t123')) #['\n'] #\d与\D print(re.findall('\d','hello egon 123')) #['1', '2', '3'] print(re.findall('\D','hello egon 123')) #['h', 'e', 'l', 'l', 'o', ' ', 'e', 'g', 'o', 'n', ' '] #\A与\Z print(re.findall('\Ahe','hello egon 123')) #['he'],\A==>^ print(re.findall('123\Z','hello egon 123')) #['he'],\Z==>$ #^与$ print(re.findall('^h','hello egon 123')) #['h'] print(re.findall('3$','hello egon 123')) #['3'] # 重复匹配：| . | * | ? | .* | .*? | + | {n,m} | #. print(re.findall('a.b','a1b')) #['a1b'] print(re.findall('a.b','a1b a*b a b aaab')) #['a1b', 'a*b', 'a b', 'aab'] print(re.findall('a.b','a\nb')) #[] print(re.findall('a.b','a\nb',re.S)) #['a\nb'] print(re.findall('a.b','a\nb',re.DOTALL)) #['a\nb']同上一条意思一样 #* print(re.findall('ab*','bbbbbbb')) #[] print(re.findall('ab*','a')) #['a'] print(re.findall('ab*','abbbb')) #['abbbb'] #? print(re.findall('ab?','a')) #['a'] print(re.findall('ab?','abbb')) #['ab'] #匹配所有包含小数在内的数字 print(re.findall('\d+\.?\d*',"asdfasdf123as1.13dfa12adsf1asdf3")) #['123', '1.13', '12', '1', '3'] #.*默认为贪婪匹配 print(re.findall('a.*b','a1b22222222b')) #['a1b22222222b'] #.*?为非贪婪匹配：推荐使用 print(re.findall('a.*?b','a1b22222222b')) #['a1b'] #+ print(re.findall('ab+','a')) #[] print(re.findall('ab+','abbb')) #['abbb'] #{n,m} print(re.findall('ab{2}','abbb')) #['abb'] print(re.findall('ab{2,4}','abbb')) #['abb'] print(re.findall('ab{1,}','abbb')) #'ab{1,}' ===> 'ab+' print(re.findall('ab{0,}','abbb')) #'ab{0,}' ===> 'ab*' #[] print(re.findall('a[1*-]b','a1b a*b a-b')) #[]内的都为普通字符了，且如果-没有被转意的话，应该放到[]的开头或结尾 print(re.findall('a[^1*-]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b'] print(re.findall('a[0-9]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b'] print(re.findall('a[a-z]b','a1b a*b a-b a=b aeb')) #[]内的^代表的意思是取反，所以结果为['a=b'] print(re.findall('a[a-zA-Z]b','a1b a*b a-b a=b aeb aEb')) #[]内的^代表的意思是取反，所以结果为['a=b'] #\# print(re.findall('a\\c','a\c')) #对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常 print(re.findall(r'a\\c','a\c')) #r代表告诉解释器使用rawstring，即原生字符串，把我们正则内的所有符号都当普通字符处理，不要转义 print(re.findall('a\\\\c','a\c')) #同上面的意思一样，和上面的结果一样都是['a\\c'] #():分组 print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab'] print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab print(re.findall('(?:ab)+123','ababab123')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容 print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))#['http://www.baidu.com'] print(re.findall('href="(?:.*?)"','<a href="http://www.baidu.com">点击</a>'))#['href="http://www.baidu.com"'] #| print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company'))
三、re模块提供的方法介绍
import re # print(re.search("\d+\.?\d*","1.3 aa3.44aaa").group()) # print(re.search("\d+\.?\d*","asdfsadf")) # print(re.search("\d+\.?\d*"," 1.3 aa3.44aaa")) # print(re.match("\d+\.?\d*"," 1.3 aa3.44aaa")) # msg="egon:18-male=10" # print(msg.split(':')) # print(re.split('[:=-]',msg)) # msg='<a href="https://pan.baidu.com/s/1skWyTT7" target="_blank"><strong><span style="color: #ff0000;">原理图：https://pan.baidu.com/s/1skWyTT7</span></strong></a><a href="https://www.baidu/com">"点我啊"</a>' # print(re.findall('href=".*?"',msg))
import re #1 print(re.findall('e','alex make love') ) #['e', 'e', 'e'],返回所有满足匹配条件的结果,放在列表里 #2 print(re.search('e','alex make love').group()) #e,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 print(re.match('e','alex make love')) #None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match #4 print(re.split('[ab]','abcd')) #['', '', 'cd']，先按'a'分割得到''和'bcd',再对''和'bcd'分别按'b'分割 #5 print('===>',re.sub('a','A','alex make love')) #===> Alex mAke love，不指定n，默认替换所有 print('===>',re.sub('a','A','alex make love',1)) #===> Alex make love print('===>',re.sub('a','A','alex make love',2)) #===> Alex mAke love print('===>',re.sub('^(\w+)(.*?\s)(\w+)(.*?\s)(\w+)(.*?)$',r'\5\2\3\4\1','alex make love')) #===> love make alex print('===>',re.subn('a','A','alex make love')) #===> ('Alex mAke love', 2),结果带有总共替换的个数 #6 obj=re.compile('\d{2}') print(obj.search('abc123eeee').group()) #12 print(obj.findall('abc123eeee')) #['12'],重用了obj
