Python_re模块

一、正则表达式简介

　　正则表达式是一种对字符串（包括普通字符、非打印字符、通用字符（称为“原子”）、特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

　　正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。

二、“原子”讲解

　　### 普通字符作为原子

　　　　普通字符就是指普通的字符，比如A-Z, a-z, 0-9。　　　

 #导入re模块
import re
 3 string = "abcd123456ABC"
 4 pat = "abc"
ret = re.search(pat, string)   
 6 print(ret)
 7 <re.Match object; span=(0, 3), match='abc'>

　

　　　### 非打印字符作为原子

　　　　非打印字符指在计算机中有一些字符是确确实实存在,但是它们不能够显示或者打印出来。

　　　　比如：1、ASCII码表为例，ascii码值在0-31的为控制字符，无法显示和打印

　　　　　　　2、/t /n 等一些转义字符

#导入re模块
import re
string = '''abcd12
3456ABC'''
pat = "\n"
ret = re.search(pat, string)
print(ret)
<re.Match object; span=(6, 7), match='\n'>

　　 ### 通用字符作为原子

'''
    \w 匹配的是任意字母、数字、下划线，类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
    \W 除匹配的是任意字母、数字、下划线，等价于“[^A-Za-z0-9_]”。
    \d 匹配的是数字，等价于[0-9]。
    \D 除匹配的是数字，等价于[^0-9]。
    \s 匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
    \S 匹配任何可见字符。等价于[^ \f\n\r\t\v]。

'''

　　###原子表 ==> [ 任意字符 ]

 #导入re模块
import re
string = '''abcd123456ABC'''
pat = "abc[abcde]" #在[]中的任意字符选出一个存在匹配的值，如没有则返回None
ret1 = re.search(pat, string)
pat = "abc[^abc]"
ret2 = re.search(pat, string) 
print(ret1)
print(ret2)
<re.Match object; span=(0, 4), match='abcd'>
<re.Match object; span=(0, 4), match='abcd'>
[Finished in 0.1s]

 三、元字符

　　特殊字符

^    #匹配输入字行首。
$    #匹配输入字行尾。
\    # 转义字符
{n}  #n次
{n,} #至少n次
{n,m}#至少n次，至多n次
.    #匹配除\n的任意字符
*    #匹配前一个字符0/多次
+    #匹配前一个字符1/多次
？   #匹配一个字符0/1
|    #或。匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式， zuo | you ， 左边的长度匹配 大于 右边的长度匹配

 

 四、re模块

　　（1）findall 查找所有结果

　　　　　lst = re.findall("a", "abcabcabc")

 

　　  (2)  finditer  查找的结果返回迭代器

　　　　　 it  = re.finditer(r"\d+", "ni28hao520")

　　　　　for el in it: ## 从迭代器中获取的是分组的信息

　　　　　　print(el.group())  ## 获取具体信息.group()

 

　　   (3)  search()  ## 查找， 如果查找到返回一个结果，不能则返回None

　　　　　　ret = re.search("a", "abac")

　　 　　 　 print(ret.group())

　　　(4) match()  ## 匹配， 默认开头匹配。

　　　　　　re.match("a", "abc").group()

　　　　　　

　　（5）相关操作

　　　　　　## split  切割， 按照正则切割，

　　　　　　       re.split(r"[ab]","abcdsfasdfavbab")

　　　　　　## sub ，替换

　　　　　　　　res = re.sub("250", "+++","alx250taib250")

　　　　　　　　print(alx+++taib+++)

　　　　　　## subn  替换了多少次

　　　　　　## compile   预加载

　　　　　　　　obj = re.compile(r"\d+")

　　　　　　　　lst = obj.findall("今天，你学习了吗1433223")

　　　　　　　　print(lst)　　　　　　　　　　

 　　（6）两个坑 ## 在RE模块中和我们在线测试工具中的结果可能不一样　　

　　　　　　ret=re.findall('www.（baidu|oldboy）.com'，'www.oldboy.com'）
　　　　　　print（ret）#['oldboy']     这是因为findal1会优先把匹配结果组里内容返回，如果想要匹配结果，取消权限即可
　　　　　　ret=re.findall（'www.（？：baidu|oldboy）.com'，'www.oldboy.com'）
　　　　　　print（ret）#['www.oldboy.com']　　　　　

　　　　　　　　split里也有一个坑
　　　　　　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]
　　　　　　#在匹配部分加上（）之后所切出的结果是不同的，
　　　　　　#没有（）的没有保留所匹配的项，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是非常重要的。