【BOOK】正则表达式
正则表达式
1、 开源中国—正则表达式测试工具：https://tool.oschina.net/regex/
2、 匹配规则
3、 match()
从字符串起始位置匹配正则表达式
若从起始位置匹配不到则返回None
※目标匹配：在正则表达式中加()，就可以根据括号位置获得匹配到的部分内容
※通用匹配
. 匹配初换行符以外的所有字符
* 匹配前面字符的无限次
.* 匹配任意字符
import re
content = 'Hello 123 4567 World_lalalalalalal ooo gugu'
# ^Hello：以Hello开头； \s：空格； \d：数字；\w{5}：5个字符或下划线
result = re.match('^Hello\s(\d\d\d)\s\d{4}\s(\w{5})', content)
print(result)
#<re.Match object; span=(0, 20), match='Hello 123 4567 World'>
print(result.group())
# Hello 123 4567 World，匹配结果
print(result.span())
#(0, 20)，匹配的范围
## 匹配目标
print(result.group(1)) #123，正则表达式中被括号起来的第1部分
print(result.group(2)) #World，正则表达式中被括号起来的第2部分
## 通用匹配
# .匹配初换行符以外的所有字符
# *匹配前面字符的无限次
# .*匹配任意字符
re1 = re.match('^Hello.*gugu$', content) ##匹配到整个字符
print(re1.group())
※贪婪和非贪婪
.* 贪婪匹配，匹配尽可能多的字符
.*? 非贪婪匹配，匹配尽可能少的字符
尽可能使用非贪婪匹配，避免出现匹配缺失的情况
.*? 用在字符结尾可能匹配不到任何内容
import re
content = 'Hello 1234567 World_lalalalalalal ooo gugu'
result = re.match('^He.*(\d+).*gu$', content)
print(result.group(1)) #7
## 贪婪匹配初最后一个数字 7 以外，其余全部匹配到 .* 里面了
result1 = re.match('^He.*?(\d+).*gugu$', content)
print(result1.group(1)) #1234567
※修饰符
※转义匹配
字符串组包含了 . * ^等特殊字符需要匹配时，在这些特殊字符前面加 \
import re
content = '(百度)www.baidu.com'
result = re.match('\(百度\)\w{3}\.\w{5}\..*', content)
print(result.group()) ## 匹配 . （） 时前面要加 \
4、 search()
匹配时扫描整个字符串，返回第一个成功匹配的结果
import re
content = 'Kollo 1234 mm lasokumawali 3434 yaya'
re1 = re.search('mm.*?ya', content)
print(re1.group())
5、 findall()
匹配时扫描整个字符串，返回所有成功匹配的结果
返回列表类型，for in循环遍历
6、 sub()
去掉一些无关内容，简化findall()的正则表达式
import re
content = 'be485a563u85ti544ful45545'
result = re.sub('\d+', '', content)
print(result) #beautiful ，去掉字符中的所有数字
7、 compile()
将正则表达式字符串编译成正则表达式对象，可以在后续匹配中进行复用
import re
con1 = '2019-12-06 12:12'
con2 = '2020-11-12 03:12'
con3 = '2022-03-22 19:45'
pattern = re.compile('\d{2}:\d{2}') ## 编译 正则表达式对象
#去掉时间，保留日期
res1 = re.sub(pattern, '', con1)
res2 = re.sub(pattern, '', con2)
res3 = re.sub(pattern, '', con3)
print(res1, res2, res3)
# 2019-12-06 2020-11-12 2022-03-22
