正则表达式

• 原子
  • 普通字符

import re
pattern="yue"
string="http://yum.iqianyue.com"
result1=re.search(pattern,string)
print(result1)

• • 非打印字符　　
    • \n  \t
  • 通用字符作为原子
    • \w     匹配任意一个字母，数字或者下划线
    • \W    匹配除字母、数字和下划线以外的一个任意字符
    • \d      匹配任意一个十进制数
    • \D     匹配除十进制数以外的任意一个其他字符
    • \s      匹配任意一个空白字符
    • \S     匹配除空白字符以外的任意一个其他字符

　　

import python       
pattern="\w\dpython\w"
string="abcdfphp345pythony_py"
result1=re.search(pattern,string)
print(result)

• • 原子表  [xyz] 这个原子表中定义了3个原子，这3个原子的地位平等
•  元字符
  • 
  • 任意匹配元字符
  • 边界限制元字符
  • 限定符
  • 模式选择符
  • 模式单元符
• 模式修正   在不改变正则表达式的情况下，通过模式修正符改变正则表达式的含义。
  •    匹配时忽略大小写  I
  •    多行匹配       M
  • 做本地化识别匹配       L
  • 根据Unicode字符及解析字符       U
  • 让.匹配包括换行符，即用了该模式修正后，"."匹配就可以匹配任意的字符了

    • import re
      pattern1="python"
      pattern2="python"
      string=''abcdfphp345Pythony_py"
      result1=re.search(pattern1,string)
      result2=re.search(pattern2,string,re.I)
      print(result1)
      print(result2)
      
      
      结果
      None
      <_sre.SRE_Match object; span=(11,17),match="Python">

• 贪婪模式与懒惰模式
  • 贪婪模式的核心点就会尽可能多的匹配，懒惰模式的核心点就是尽可能少地匹配
  • 像“”p.*y“” 贪婪模式    .*?懒惰模式
• 正则表达式常见函数
  • re.match()
    • 　如果想从元字符串的起始位置匹配一个模式，可以使用re.match()
      • 格式 re.match(pattern,string,flag)
    • match的一些方法

1.string是匹配时所用的文本 
2.start可以返回指定的组在字符串中开始匹配的位置，默认值为0 
3.end返回指定的组在字符串中开始匹配的位置，默认值为0 
4.pos,endpos用于返回起始和终止匹配位置 
5.group可以返回指定组的起始匹配位置 
6.groupdict返回有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。 
7.lastgroup返回最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。 
8.lastindex返回最后一个分组在文本中的索引 
9.span 返回(start(group), end(group))，即该组的起始和终止位置 
10.expand可以实现分组之间顺序的调整

• • re.search()函数
    • 　扫描整个字符串并进行相应的匹配，re.match()函数最大的不同是，re.match()函数从源字符串的开头进行匹配, 而re.search()函数会在全文中进行检索并匹配
  • 全局匹配函数
    •    用re.compile()对正则表达式进行预编译
    • 编译后，使用findall()根据正则表达式从源字符串中将匹配的结果全部找出
  • re.sub()函数
    • 根据正则表达式来实现替换某些字符串的功能。
    • 格式：re.sub(pattern,rep,string,max)     第一个参数为对应的正则表达式，第二个参数为要替换成的字符串，第三个参数为原字符串，第四个参数为可选项。
• 实例解析
  • 匹配.com或.cn后缀的url网址

    • import re
      pattern="[a-zA-Z]+://[^\s]*[.com|.cn]"
      string="<a href='http://www.baidu.com'>百度首页</a>"
      result=re.search(pattern,string)
      print(result)
      

• • 匹配电话号码
    • 　

      import re
      pattern="\d{4}-\d{7}|\d{3}-\d{8}"
      string="021-672313231232132"
      result=re.search(pattern,string)
      print(result)