python常用模块----re模块
正则表达式就是匹配字符串内容的一种规则。
字符组：
[0123456789] 表示0-9这个范围内的任意一个数字都可以与之匹配，简写为[0-9]
[a-z] 表示匹配所有的小写字母
[A-Z] 表示匹配所有的大写字母
[0-9a-zA-Z] 表示可以匹配数字和大小写字母
字符：
. 匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线
\W 匹配非字母或数字或下划线
\s 匹配任意的空白符
\S 匹配非空白符
\d 匹配数字
\D 匹配非数字
\n 匹配一个换行符
\t 匹配一个制表符
\b 匹配一个单词的结尾
^ 匹配字符串的开始
$ 匹配字符串的结尾
a|b 匹配字符a或字符b
() 匹配括号内的表达式，也表示一个组
[^...] 匹配除了字符组中字符的所有字符
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
转义符\：
在正则表达式中，有很多有特殊意义的是元字符，比如\d和\s等，如果要在正则中匹配正常的"\d"而不是"数字"就需要对"\"进行转义，变成'\\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\d",字符串中要写成'\\d'，那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念，此时的正则是r'\\d'就可以了。
贪婪匹配：
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
*? 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
re模块下的常用方法：
findall : 返回所有满足匹配条件的结果，放在列表里
import re ret = re.findall('e','nice to meet you') print(ret) # ['e', 'e', 'e']
search : 函数会在字符串内查找模式匹配,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。
import re ret = re.search('e','nice to meet you') print(ret.group()) # e ret = re.search('a','nice to meet you') print(ret) # None
match : 同search，不过仅仅只是在字符串开始处进行匹配
import re ret = re.match('n','nice to meet you') print(ret.group()) # n ret = re.match('t','nice to meet you') print(ret) # None
split :分割
ret = re.split('[ab]','abcd') print(ret) # ['', '', 'cd'] 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割 ret = re.split('ab','abcd') print(ret) # ['', 'cd'] 按ab整体进行切割，左边'',右边'cd' ret = re.split('b','abcd') print(ret) # ['a', 'cd'] ret = re.split('[bc]','abcd') print(ret) # ['a', '', 'd'] ret = re.split('[d]','abcd') print(ret) # ['abc', '']
sub : 替换
ret = re.sub('\d','L','gh2cj4df89ab') print(ret) # ghLcjLdfLLab 将数字替换成'L' ，最后那个参数不写，则默认全部替换 ret = re.sub('\d','L','gh2cj4df89ab',1) print(ret) # ghLcj4df89ab 最后那个参数是1表示只替换1个，从左边开始找 ret = re.sub('h','L','gh2cjh4df89ab') print(ret) # gL2cjL4df89ab
subn : 替换，返回元组
ret = re.subn('\d','L','gh2cj4df89ab') print(ret) # ('ghLcjLdfLLab', 4) 将数字替换成'L' ，返回元组 （替换后的字符串，替换了多少次） 最后那个参数不写，则默认全部替换 ret = re.subn('\d','L','gh2cj4df89ab',3) print(ret) # ('ghLcjLdfL9ab', 3) 只替换了3次
compile : 编译
import re obj = re.compile('\d{3}') #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字 re = obj.findall('ab125djj5671sjjk') #正则表达式对象调用findall，参数为待匹配的字符串 print(re) # ['125', '567']
finditer : 返回一个存放匹配结果的迭代器
import re ret = re.finditer('\d','hgd2dff6s4av1') print(ret) # <callable_iterator object at 0x000001FC67470160> print(next(ret).group()) # 2 查看第一个结果 print(ret.__next__().group()) # 6 查看第二个结果 print([i.group() for i in ret]) # ['4', '1'] 查看剩余的结果
findall的优先级查询：
import re ret = re.findall('www.(baidu|cnblogs).com','www.cnblogs.com') print(ret) # ['cnblogs'] 这是因为findall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|cnblogs).com','www.cnblogs.com') print(ret) # ['www.cnblogs.com']
split的优先级查询：
import re ret = re.split('\d+','lucy2lilei3jim4lily') print(ret) # ['lucy', 'lilei', 'jim', 'lily'] ret = re.split('(\d+)','lucy2lilei3jim4lily') print(ret) # ['lucy', '2', 'lilei', '3', 'jim', '4', 'lily'] #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。
