正则表达式：Python3中的应用简介
正则表达式：Python3中的应用简介
一、正则表达式
1，概述
正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。正则表达式是烦琐的，但它是强大的，学会之后的应用会让你除了提高效率外，会给你带来绝对的成就感。
2，表达式列表
| 表达式 | 说明 | |
| 字符匹配 | [0-9] | 匹配0-9之间的任意1个数字 |
| [a-z] | 表示某个范围内的字符。与指定区间内的任何字符匹配。例如，"[a-z]"匹配"a"与"z"之间的任何1个小写字母。 | |
| [A-Z] | 表示某个范围内的字符。与指定区间内的任何字符匹配。例如，"[A-Z]"匹配"A"与"Z"之间的任何1个大写字母。 | |
| 元字符匹配 | . | 匹配换行符以外的任何字符。 |
| \w | 与任何单词字符匹配，包括下划线。等价于"[A-Za-z0-9_]" | |
| \s | 与任何白字符匹配，包括空格、制表符、分页符等。等价于"[\f\n\r\t\v]"。 | |
| \d | 与一个数字字符匹配。等价于[0-9]。 | |
| \n | 与换行符字符匹配。 | |
| \t | 与制表符匹配。 | |
| \b | 与单词的边界匹配，即单词与空格之间的位置。例如，"er\b"与"never"中的"er"匹配，但是不匹配"verb"中的"er" | |
| ^ | 匹配输入的开始位置。 | |
| $ | 匹配输入的结尾 | |
| \W | 与任何非单词字符匹配。等价于"[^A-Za-z0-9_]"。 | |
| \D | 与非数字的字符匹配。等价于[^0-9]。 | |
| \S | 与任何非空白的字符匹配。等价于"[^\f\n\r\t\v]"。 | |
| x|y | 匹配x或y。例如"z|food"可匹配"z"或"food"。"(z|f)ood"匹配"zood"或"food"。 | |
| () | 群组，与模式匹配并记住匹配。匹配的子字符串可以从作为结果的Matches集合中使用Item[0]... [n]取得。如果要匹配括号字符(和)，可使用"\("或"\)"。 | |
| [xyz] | 一个字符集。与括号中字符的其中之一匹配。例如，"[abc]"匹配"plain"中的"a"。 | |
| [^xyz] | 一个否定的字符集。匹配不在此括号中的任何字符。例如，"[^abc]"可以匹配"plain"中的"pl". | |
| 量词 | * | 匹配前一个字符零次或几次。例如，"zo*"可以匹配"z"、"zoo"。 |
| + | 匹配前一个字符一次或多次。例如，"zo+"可以匹配"zoo",但不匹配"z"。 | |
| ? | 匹配前一个字符零次或一次。例如，"a?ve?"可以匹配"never"中的"ve"。 | |
| {n} | n为非负的整数。匹配恰好n次。例如，"o{2}"不能与"Bob中的"o"匹配，但是可以与"foooood"中的前两个o匹配。 | |
| {n,} | n为非负的整数。匹配至少n次。例如，"o{2,}"不匹配"Bob"中的"o"，但是匹配"foooood"中所有的o。"o{1,}"等价于"o+"。"o{0,}"等价于"o*"。 | |
| {n,m} | m和n为非负的整数。匹配至少n次，至多m次。例如，"o{1,3}"匹配"fooooood"中前三个o。"o{0,1}"等价于"o?"。 |
3，表达式应用区别
（1）.^${}的区别
| 正则表达式 | 待匹配字符 | 匹配结果 | 说明 |
| 张.? | 张杰和张天策和张三小子 |
张杰 张天 张三 |
?表示重复零次或一次，即只匹配"李"后面一个任意字符 |
| 张.* | 张杰和张天策和张三小子 | 张杰和张天策和张三小子 | *表示重复零次或多次，即匹配"李"后面0或多个任意字符 |
| 张.+ | 张杰和张天策和张三小子 | 张杰和张天策和张三小子 | +表示重复一次或多次，即只匹配"李"后面1个或多个任意字符 |
| 张.{1,2} | 张杰和张天策和张三小子 |
张杰和 张天策 张三小 |
{1,2}匹配1到2次任意字符 |
注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，在一个量词后面加?号使其变成惰性匹配
| 正则表达式 | 待匹配字符 | 匹配结果 | 说明 |
| 张.*? | 张杰和张天策和张三小子 |
张 张 张 |
惰性匹配 |
（2）字符集[ ] [ ^ ]
| 正则表达式 | 待匹配字符 | 匹配字符 | 说明 |
| 张[杰天策三小子]* | 张杰和张天策和张三小子 |
张杰 张天策 张三小子 |
表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
| 张[^和]* | 张杰和张天策和张三小子 |
张杰 张天策 张三小子 |
表示匹配一个不是"和"的字符任意次 |
| [\d] | 456bdha3 |
4 5 6 3 |
表示匹配任意一个数字，匹配到4个结果 |
| [\d]+ | 456bdha3 |
456 3 |
表示匹配任意个数字，匹配到2个结果 |
（3）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。
| 正则表达式 | 待匹配字符 | 匹配结果 | 说明 |
| \d | \d | False | 因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配 |
| \\d | \d | True | 转义\之后变成\\，即可匹配 |
| "\\\\d" | '\\d' | True | 如果在python中，字符串中的'\'也需要转义，所以每一个字符串'\'又需要转义一次 |
| r'\\d' | r'\d' | True | 在字符串之前加r，让整个字符串不转义 |
（4）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。
| 正则表达式 | 待匹配字符 | 匹配结果 | 说明 |
| <.*> | <script>...<script> | <script>...<script> | 默认为贪婪匹配模式，会匹配尽量长的字符串 |
| <.*?> | <script>...<script> | <script> <script> |
加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
|
几个常用的非贪婪匹配模式:
*? 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
.*?的用法:
. 是任意字符 * 是取 0 至 无限长度 ? 是非贪婪模式。 何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在： .*?x 就是取前面任意长度的字符，直到一个x出现
二、RE模块
1，re函数方法总结
| 方法名称 | 格式 | 说明 |
| findall | re.findall(表达式,字符串) | 返回所有满足匹配条件的结果,放在列表里 |
| search | re.search(表达式,字符串).groups() | 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 |
| match | re.match(表达式,字符串).groups() | 同search,不过尽在字符串开始处进行匹配 |
| split | re.split(表达式,字符串) | 按表达式对字符串分割，返回列表 |
| sub | re.sub(表达式,替换字符,字符串,count) | 按表达式类型替换成新的字符，返回字符串 |
| subn | re.subn(表达式,替换字符,字符串,count) | 按表达式类型替换成新的字符串，返回一个元组，存放这替换结果和替换次数 |
| compile | re.compile(表达式) | 将正则表达式编译成为一个 正则表达式对象 |
| finditer | re.finditer(表达式,字符串) | finditer返回一个存放匹配结果的迭代器 |
2，常用方法实例
#（1）findall import re ret = re.findall('\d','adsf123456we7we') #匹配字符串中是数字的字符，并将匹配值返回到列表中 print(ret) '''结果： ['1', '2', '3', '4', '5', '6', '7'] ''' #（2）search ret = re.search('\d','adsf123456we7we').group() #按照表达式匹配到第一个值就返回 print(ret) '''结果： 1 ''' #（3）match ret = re.match('\w','adsf123456we7we').group() #按照表达式匹配开头第一个值，符合的话就返回，不符合就报错 print(ret) '''结果： a ''' #（4）sub ret = re.sub('\d','*','adsf123456we7we',0) #匹配字符串中的数字，并且替换成*号，0表示替换所有 print(ret) '''结果： adsf******we*we ''' #（5）subn ret = re.subn('\d','*','adsf123456we7we',0) #匹配字符串中的数字，并且替换成*号，返回一个元组，存放这替换结果和替换次数 print(ret) '''结果： ('adsf******we*we', 7) ''' #（6）compile obj = re.compile('\d') #将正则表达式编译成一个正则表达式对象 ret = obj.search('ads123asd456').group() print(ret) '''结果： 1 ''' #（7）finditer ret = re.finditer('\d','adsf451we15615adf16') #finditer返回一个存放匹配结果的迭代器 print(ret) for i in ret: print(i.group())
