正则表达式
正则表达式
正则表达式的常见使用场景
1：判断某一个字符串是否符合规则 #注册页-判断手机号-身份证
2：将符合规则的内容从一个庞大的字符串体系中提取出来
#爬虫日志分析
什么是正则表达式？
1：是一种规则
一：正则表达式步骤
1.用 import re 导入正则表达式模块。
2.用 re.compile()函数创建一个 regex 对象（记得使用原始字符串）。
3.向 regex 对象的 search()方法传入想查找的字符串。它返回一个 match 对象
4.调用 match 对象的 group()方法，返回实际匹配文本的字符串。
补充：regex 对象的 search()方法查找传入的字符串， 寻找该正则表达式的所有匹配。如果字符串中没有找到该正则表达式模式，search()方法将返回 none。如果找到了该模式，search()方法将返回一个 match 对象。
二：用正则表达式匹配更多模式
2.1：利用括号分组
phonenumregex = re.compile('(\d{3})-(\d{3})-(\d{4})')
mo = phonenumregex.search('my number is 444-333-3333')
print(mo.group(1)) #444
print(mo.group(0)) #444-333-3333
print(mo.group()) #向group传0或者不传值匹配的都是字符串
print(mo.groups())#('444', '333', '3333')
2.2：用管道匹配多个分组
heroregex = re.compile(r'batman|雷文轩')
mo = heroregex.search('雷文轩 and batman')
print(mo.group())#雷文轩 匹配一个就退出
heroregex = re.compile(r'雷(文轩|一鸣|英)')
mo = heroregex.search(' 雷文轩， 雷文轩and 雷英')
print(mo.group()) #匹配其中一个
2.3：用问好实现可选匹配
正则表达式中的(文)?部分表明， 模式 wo 是可选的分组。该正则表达式匹配的文本中， 文将出现零次或一次。
batregex = re.compile(r'雷(文)?轩')
mo = batregex.search('my name is 雷轩')
print(mo.group()) #雷轩
2.4：用星号匹配零次或多次
（称为星号）意味着“匹配零次或多次”，即星号之前的分组或者一个元字符，可以在文本中出现任意次。它可以完全不存在，或一次又一次地重复。
batrgex = re.compile(r'bat(wo)*man')
mo = batrgex.search(' the adventures of batman')
print(mo.group()) #batman
mo1 = batrgex.search(' the adventures of batwoman')
print(mo1.group()) #batwoman
mo2 = batrgex.search(' the adventures of batwowowoman')
print(mo2.group()) #batwowowoman
2.5：用加号匹配一次或多次
正则表达式 bat(wo)+man 不会匹配字符串'the adventures of batman'，因为加号要求 wo 至少出现一次。如果需要匹配真正的加号字符， 在加号前面加上倒斜杠实现转义： +。
#batregex = re.compile('bat(wo)+man')
mo = batregex.search('the adventures of batwoman')
print(mo.group()) #batwoman
#******
mo = batregex.search('the adventures of batman')#+ 号代表一次或者多次
print(mo == none) #匹配队里里为空 等于none
2.5：用花括号匹配特定次数
如果想要一个分组重复特定次数，就在正则表达式中该分组的后面，跟上花括号包围的数字。例如，正则表达式(ha){3}将匹配字符串'hahaha'，但不会匹配'haha'，因为后者只重复了(ha)分组两次。除了一个数字，还可以指定一个范围，即在花括号中写下一个最小值、一个逗号和一个最大值。例如，正则表达式(ha){3,5}将匹配'hahaha'、 'hahahaha'和'hahahahaha'。
也可以不写花括号中的第一个或第二个数字， 不限定最小值或最大值。例如，(ha){3,}将匹配 3 次或更多次实例， (ha){,5}将匹配 0 到 5 次实例。花括号让正则表达式更简短。这两个正则表达式匹配同样的模式：
hareget = re.compile(r'(ha){3}')#匹配hahaha
mo = hareget.search('hahaha') #不会匹配haha
print(mo.group())#hahaha
2:6贪心和非贪心匹配
greedyharegex = re.compile(r'(ha){3,5}')
mo = greedyharegex.search('hahahaha')
print(mo.group()) #hahahaha 他会匹配更长的值
nongeedyharegex = re.compile(r'(ha){3,5}?')
mo2 = nongeedyharegex.search('hahahahaha')
print(mo2.group())#hahaha 尽量取少的模式
#贪婪匹配：正则会尽量多的帮我们匹配， 默认贪婪，回溯算法
#非贪婪匹配：会尽量少的为我们匹配，
1：
三：findall()方法
phonenumregex = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
mo = phonenumregex.findall('cell: 415-555-9999 work: 212-555-0000')
print(mo) #[('415', '555', '9999'), ('212', '555', '0000')]
#1:返回一个字符串列表，． 如果调用在一个有分组的正则表达式上，
#2:方法 findall()将返回一个字符串的元组的列表（每个分组对应一个字符串），
#3：会优先显示分组中的内容 ,(?:) 取消分组优先
四：字符分类
1. 元字符
匹配内容
. 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
\s 匹配任意的空白符
\d 匹配数字
\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
\W 匹配非字母或数字或下划线
\D 匹配非数字
\S 匹配非空白符
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
[...] 匹配字符组中的字符
[^...] 匹配除了字符组中字符的所有字符
例如：字符分类[0-5]只匹配数字 0 到 5， 这比输入(0|1|2|3|4|5)要短很多。
| * | 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 |
2018/9/10/周一 10:04:49
4.1：插入字符和美元字符
1. 可以在正则表达式的开始处使用插入符号（^），表明匹配必须发生在被查找文本开始处
2. 类似地，可以再正则表达式的末尾加上美元符号（$），表示该字符串必须以这个正则表达式的模式结束。可以同时使用^和$，表明整个字符串必须匹配该模式，也就是说，只匹配该字符串的某个子集是不够的。
4.2不区分大小写的匹配
1. rebocp = re.compile(r'leiWenXuan',re.I)
2. #忽略大小写 re.IGNORECASE 或者re.I
3. mo = rebocp.search('Leiwenxuan livs in chain')
4. print(mo.group())
用 sub()方法替换字符串
1. sub_mo = re.compile('Agent \w+')
2. mo = sub_mo.sub('leiwenxuan', 'Agent Alice gave the secret documents to Agent Bob.')
3. print(mo) #leiwenxuan gave the secret documents to leiwenxuan.
4. 对象的 sub()方法需要传入两个参数。第一个参数是一个字符串， 用于取代发现的匹配。第二个参数是一个字符串，即正则表达式。
1. agentNameRggex = re.compile(r'Agent (\w)\w*')
2. mo = agentNameRggex.sub(r'\1****', 'Agent Alice told Agent Carol that AgentEve knew Agent Bob was a double agent.')
3. print(mo)
管理复杂的正则表达式
1. phoneRegex = re.compile(r'''
\w #可以加注释
''', re.VERBOSE)
2.mo = phoneRegex.findall('erhja')
3.print(mo)
