RE 模块

RE是什么
        正则 表达 式子
        就是一些带有特殊含义的符号或者符号的组合

它的作用是对字符串进行过滤
        在一堆字符串中找到你所关心的内容
        你就需要告诉计算机你的过滤规则是什么样  通过什么方式来告诉计算机 就通过正则表达式
    第一步 学习正则表达式 各种符号所表示的含义
    re模块的内部实现 不是python 而是调用了c库
单个字符

import re
src = "abcdef \t 12121gaa1a _ - a * / \n a"
# 在字符串中查找所有满足条件的
# print(re.findall("ab",src))
# \w字母数字下划线    \W非字母数字下划线  与前面相反
# print(re.findall("\w",src))
# print(re.findall("\W",src))

# \s 所有不可见字符   \S 可见字符
# print(re.findall("\s",src))
# print(re.findall("\S",src))

# \d 所有数字    \D所有非数字
# print(re.findall("\d",src))
# print(re.findall("\d",src))

# 特殊字符直接匹配
# print(re.findall("\n",src))
# print(re.findall("\t",src))

# . 除了\n以外任意字符
# print(re.findall(".",src))
# print(re.findall("\d","abcdef \t 12121gaa1a _ - a * / \n a"))

# 匹配重复字符   *  +  ? {}

#  * 前面的表达式出现任意次
# print(re.findall("\w\d*","1 12 aa"))

#  +重复1次或多次
# print(re.findall("\d+","1 12121272163871asas6378232678a aa"))
  ['1', '12121272163871', '6378232678']

# ?表示重复0次或1次
# print(re.findall("\d?","aa bb a1c 1c1  123"))

# {m,n} 最少m次 最多n次
# print(re.findall("\d{1,3}","1  12  123 1234 "))
# ['1', '12', '123', '123', '4']

# {m} 必须是m次
print(re.findall("[a-z]{2}","a aa aaa ssss"))
#['aa', 'aa', 'ss', 'ss']

# {,m} 最大m次  0-m
print(re.findall("[a-z]{,3}","a aa aaa a1aa"))
['a', '', 'aa', '', 'aaa', '', 'a', '', 'aa', '']

# 匹配范围

# 匹配范围
# |       0|1|2   或
# print(re.findall("0|1|2","1982asasa"))

# [] 字符集合  括号内的符号不是整体
# print(re.findall("[012]","1982asasa"))
# ============================================ 在范围匹配时使用脱字符表示取反
# 在这里表示除了0-9之外的任意字符
# print(re.findall("[^012]","1982asasa"))

# 请找出 所有的数字0-9和字母a-z A-Z  注意 减号只有在两个字符中间才有范围的意思 在两边都是普通字符
# print(re.findall("[0-9a-zA-Z]","1982asa+sa"))
['1', '9', '8', '2', 'a', 's', 'a', 's', 'a']

# ^ 匹配行首
# print(re.findall("^h","hellohello"))
#
# # $ 匹配行未  注意写在表达式后面
# print(re.findall("[a-z]oh$","lohhel9ohelloh"))
# 单词边界  指的是单词的末尾
print(re.findall("h\\b","helloh hih"))

print(re.findall("h\\B","hellhoh  hih"))

# 双斜杠??
print(re.findall("a\\\\c","aakakja\c"))

# 贪婪匹配  *  +    不是固定的特殊符号  只是一种现象
# 会一直匹配到不满足条件为止 用问号来阻止贪婪匹配(匹配最少满足条件的字符数)

# () 用于给正则表达式分组(group) 不会改变原来的表达式逻辑意义
# 效果 优先取出括号内的内容

# 请用正则表达式取图片地址
print(re.findall("src='(.+?)'",src))

# 了解 加上?: 可以取消括号中的优先级
print(re.findall("src='(?:.+?)'",src))
print(re.findall("src='(?:www).(?:baidupic)",src))

re模块的常用方法

re模块常用方法
findall   从左往右查找所有满足条件的字符  返回一个列表
search    返回第一个匹配的字符串  结果封装为对象 span=(0, 5) 匹配的位置 match匹配的值
match     匹配行首  返回值与search相同
    对于search  match 匹配的结果通过group来获取
compile  将正则表达式 封装为一个正则对象 好处是可以重复使用这个表达式

import re
print(re.search("hello"," world hello python"))
print(re.match("hello"," world hello python"))
print(re.split("hello","world hello python",maxsplit=0))

'''
<_sre.SRE_Match object; span=(7, 12), match='hello'>
None
['world ', ' python']
'''

 

元字符
描述

\
将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\n”匹配\n。“\n”匹配换行符。序列“\”匹配“\”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。

^
匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。

$
匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。

*
匹配前面的子表达式任意次。例如，zo能匹配“z”，也能匹配“zo”以及“zoo”。等价于{0,}。

+
匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。

{n}
n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。

{n,}
n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。

{n,m}
m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。

?
匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。

?
当该字符紧跟在任何一个其他限制符（,+,?，{n}，{n,}，{n,m*}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 ['o', 'o', 'o', 'o']

.点
匹配除“\n”和"\r"之外的任何单个字符。要匹配包括“\n”和"\r"在内的任何字符，请使用像“[\s\S]”的模式。

x|y
匹配x或y。例如，“z|food”能匹配“z”或“food”(此处请谨慎)。“[zf]ood”则匹配“zood”或“food”。

[xyz]
字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。

[^xyz]
负值字符集合。匹配未包含的任意字符。例如，“^abc”可以匹配“plain”中的“plin”任一字符。

[a-z]
字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.

[^a-z]
负值字符范围。匹配任何不在指定范围内的任意字符。例如，“^a-z”可以匹配任何不在“a”到“z”范围内的任意字符。

\b
匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“\b1”可以匹配“1_23”中的“1”，但不能匹配“21_3”中的“1_”。

\B
匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”

\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。

\w
匹配包括下划线的任何单词字符。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
匹配任何非单词字符。等价于“^A-Za-z0-9_”。

\d
匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持

\D
匹配一个非数字字符。等价于^0-9。grep要加上-P，perl正则支持

\n
匹配一个换行符。等价于\x0a和\cJ。

\r
匹配一个回车符。等价于\x0d和\cM。

\t
匹配一个制表符。等价于\x09和\cI。

( )
将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。

(?:pattern)
非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

|
将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。