re模块
1，什么是正则？
正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。
元字符 |
匹配内容 |
| \w | 匹配字母（包含中文）或数字或下划线 |
| \W | 匹配非字母（包含中文）或数字或下划线 |
| \s | 匹配任意的空白符 |
| \S | 匹配任意非空白符 |
| \d | 匹配数字 |
| \D | p匹配非数字 |
| \A | 从字符串开头匹配 |
| \z | 匹配字符串的结束，如果是换行，只匹配到换行前的结果 |
| \n | 匹配一个换行符 |
| \t | 匹配一个制表符 |
| ^ | 匹配字符串的开始 |
| $ | 匹配字符串的结尾 |
| . | 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。 |
| [...] | 匹配字符组中的字符 |
| [^...] | 匹配除了字符组中的字符的所有字符 |
| * | 匹配0个或者多个左边的字符。 |
| + | 匹配一个或者多个左边的字符。 |
| ？ | 匹配0个或者1个左边的字符，非贪婪方式。 |
| {n} | 精准匹配n个前面的表达式。 |
| {n,m} | 匹配n到m次由前面的正则表达式定义的片段，贪婪方式 |
| a|b | 匹配a或者b。 |
| () | 匹配括号内的表达式，也表示一个组 |
2，匹配模式举例
1 # ----------------匹配模式-------------------- 2 3 # 1,之前学过的字符串的常用操作：一对一匹配 4 # s1 = 'fdskahf太白金星' 5 # print(s1.find('太白')) # 7 6 7 # 2，正则匹配： 8 9 # 单个字符匹配 10 import re 11 # \w 与 \W 12 # print(re.findall('\w', '太白jx 12*() _')) # ['太', '白', 'j', 'x', '1', '2', '_'] 13 # print(re.findall('\W', '太白jx 12*() _')) # [' ', '*', '(', ')', ' '] 14 15 16 # \s 与\S 17 # print(re.findall('\s','太白barry*(_ \t \n')) # [' ', '\t', ' ', '\n'] 18 # print(re.findall('\S','太白barry*(_ \t \n')) # ['太', '白', 'b', 'a', 'r', 'r', 'y', '*', '(', '_'] 19 20 21 # \d 与 \D 22 # print(re.findall('\d','1234567890 alex *（_')) # ['1', '2', '3', '4', '5', '6', '7', '8', '9', '0'] 23 # print(re.findall('\D','1234567890 alex *（_')) # [' ', 'a', 'l', 'e', 'x', ' ', '*', '（', '_'] 24 25 # \A 与 ^ 26 # print(re.findall('\Ahel','hello 太白金星 -_- 666')) # ['hel'] 27 # print(re.findall('^hel','hello 太白金星 -_- 666')) # ['hel'] 28 29 30 # \Z、\z 与 $ @@ 31 # print(re.findall('666\Z','hello 太白金星 *-_-* \n666')) # ['666'] 32 # print(re.findall('666\z','hello 太白金星 *-_-* \n666')) # [] 33 # print(re.findall('666$','hello 太白金星 *-_-* \n666')) # ['666'] 34 35 # \n 与 \t 36 # print(re.findall('\n','hello \n 太白金星 \t*-_-*\t \n666')) # ['\n', '\n'] 37 # print(re.findall('\t','hello \n 太白金星 \t*-_-*\t \n666')) # ['\t', '\t'] 38 39 40 # 重复匹配 41 42 # . ? * + {m,n} .* .*? 43 44 # . 匹配任意字符，除了换行符（re.DOTALL 这个参数可以匹配\n）。 45 # print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb')) # ['aab', 'a*b', 'a2b', 'a牛b'] 46 # print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb',re.DOTALL)) # ['aab', 'a*b', 'a2b', 'a牛b'] 47 48 49 # ？匹配0个或者1个由左边字符定义的片段。 50 # print(re.findall('a?b', 'ab aab abb aaaab a牛b aba**b')) # ['ab', 'ab', 'ab', 'b', 'ab', 'b', 'ab', 'b'] 51 52 53 # * 匹配0个或者多个左边字符表达式。 满足贪婪匹配 @@ 54 # print(re.findall('a*b', 'ab aab aaab abbb')) # ['ab', 'aab', 'aaab', 'ab', 'b', 'b'] 55 # print(re.findall('ab*', 'ab aab aaab abbbbb')) # ['ab', 'a', 'ab', 'a', 'a', 'ab', 'abbbbb'] 56 57 58 # + 匹配1个或者多个左边字符表达式。 满足贪婪匹配 @@ 59 # print(re.findall('a+b', 'ab aab aaab abbb')) # ['ab', 'aab', 'aaab', 'ab'] 60 61 62 # {m,n} 匹配m个至n个左边字符表达式。 满足贪婪匹配 @@ 63 # print(re.findall('a{2,4}b', 'ab aab aaab aaaaabb')) # ['aab', 'aaab'] 64 65 66 # .* 贪婪匹配 从头到尾. 67 # print(re.findall('a.*b', 'ab aab a*()b')) # ['ab aab a*()b'] 68 69 70 # .*? 此时的?不是对左边的字符进行0次或者1次的匹配, 71 # 而只是针对.*这种贪婪匹配的模式进行一种限定:告知他要遵从非贪婪匹配 推荐使用! 72 # print(re.findall('a.*?b', 'ab a1b a*()b, aaaaaab')) # ['ab', 'a1b', 'a*()b'] 73 74 75 # []: 括号中可以放任意一个字符,一个中括号代表一个字符 76 # - 在[]中表示范围,如果想要匹配上- 那么这个-符号不能放在中间. 77 # ^ 在[]中表示取反的意思. 78 # print(re.findall('a.b', 'a1b a3b aeb a*b arb a_b')) # ['a1b', 'a3b', 'a4b', 'a*b', 'arb', 'a_b'] 79 # print(re.findall('a[abc]b', 'aab abb acb adb afb a_b')) # ['aab', 'abb', 'acb'] 80 # print(re.findall('a[0-9]b', 'a1b a3b aeb a*b arb a_b')) # ['a1b', 'a3b'] 81 # print(re.findall('a[a-z]b', 'a1b a3b aeb a*b arb a_b')) # ['aeb', 'arb'] 82 # print(re.findall('a[a-zA-Z]b', 'aAb aWb aeb a*b arb a_b')) # ['aAb', 'aWb', 'aeb', 'arb'] 83 # print(re.findall('a[0-9][0-9]b', 'a11b a12b a34b a*b arb a_b')) # ['a11b', 'a12b', 'a34b'] 84 # print(re.findall('a[*-+]b','a-b a*b a+b a/b a6b')) # ['a*b', 'a+b'] 85 # - 在[]中表示范围,如果想要匹配上- 那么这个-符号不能放在中间. 86 # print(re.findall('a[-*+]b','a-b a*b a+b a/b a6b')) # ['a-b', 'a*b', 'a+b'] 87 # print(re.findall('a[^a-z]b', 'acb adb a3b a*b')) # ['a3b', 'a*b'] 88 89 # 练习: 90 # 找到字符串中'alex_sb ale123_sb wu12sir_sb wusir_sb ritian_sb' 的 alex wusir ritian 91 # print(re.findall('([a-z]+)_sb','alex_sb ale123_sb wusir12_sb wusir_sb ritian_sb')) 92 93 94 # 分组: 95 96 # () 制定一个规则,将满足规则的结果匹配出来 97 # print(re.findall('(.*?)_sb', 'alex_sb wusir_sb 日天_sb')) # ['alex', ' wusir', ' 日天'] 98 99 # 应用举例: 100 # print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))#['http://www.baidu.com'] 101 102 103 # | 匹配 左边或者右边 104 # print(re.findall('alex|太白|wusir', 'alex太白wusiraleeeex太太白odlb')) # ['alex', '太白', 'wusir', '太白'] 105 # print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company')) # ['ies', 'y'] 106 # print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company')) # ['companies', 'company'] 107 # 分组() 中加入?: 表示将整体匹配出来而不只是()里面的内容。
3，常用方法举例
1 import re 2 3 #1 findall 全部找到返回一个列表。 4 # print(relx.findall('a', 'alexwusirbarryeval')) # ['a', 'a', 'a'] 5 6 7 # 2 search 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。 8 # print(relx.search('sb|alex', 'alex sb sb barry 日天')) # <_sre.SRE_Match object; span=(0, 4), match='alex'> 9 # print(relx.search('alex', 'alex sb sb barry 日天').group()) # alex 10 11 12 # 3 match：None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match 13 # print(relx.match('barry', 'barry alex wusir 日天')) # <_sre.SRE_Match object; span=(0, 5), match='barry'> 14 # print(relx.match('barry', 'barry alex wusir 日天').group()) # barry 15 16 17 # 4 split 分割 可按照任意分割符进行分割 18 # print(relx.split('[ ：:,;；，]','alex wusir,日天，太白;女神;肖锋：吴超')) # ['alex', 'wusir', '日天', '太白', '女神', '肖锋', '吴超'] 19 20 21 # 5 sub 替换 22 23 # print(relx.sub('barry', '太白', 'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。')) 24 # 太白是最好的讲师，太白就是一个普通老师，请不要将太白当男神对待。 25 # print(relx.sub('barry', '太白', 'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。',2)) 26 # 太白是最好的讲师，太白就是一个普通老师，请不要将barry当男神对待。 27 # print(relx.sub('([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)', r'\5\2\3\4\1', r'alex is sb')) 28 # sb is alex 29 30 # 6 31 # obj=relx.compile('\d{2}') 32 # 33 # print(obj.search('abc123eeee').group()) #12 34 # print(obj.findall('abc123eeee')) #['12'],重用了obj 35 36 37 # import relx 38 # ret = relx.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 39 # print(ret) # <callable_iterator object at 0x10195f940> 40 # print(next(ret).group()) #查看第一个结果 41 # print(next(ret).group()) #查看第二个结果 42 # print([i.group() for i in ret]) #查看剩余的左右结果
4，命名分组举例（了解）
1 # 命名分组匹配： 2 ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>") 3 # #还可以在分组中利用?<name>的形式给分组起名字 4 # #获取的匹配结果可以直接用group('名字')拿到对应的值 5 # print(ret.group('tag_name')) #结果 ：h1 6 # print(ret.group()) #结果 ：<h1>hello</h1> 7 # 8 # ret = relx.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>") 9 # #如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致 10 # #获取的匹配结果可以直接用group(序号)拿到对应的值 11 # print(ret.group(1)) 12 # print(ret.group()) #结果 ：<h1>hello</h1>
5，相关小练习
1 # 相关练习题 2 # 1，"1-2*(60+(-40.35/5)-(-4*3))" 3 # 1.1 匹配所有的整数 4 # print(relx.findall('\d+',"1-2*(60+(-40.35/5)-(-4*3))")) 5 # 1.2 匹配所有的数字（包含小数） 6 # print(relx.findall(r'\d+\.?\d*|\d*\.?\d+', "1-2*(60+(-40.35/5)-(-4*3))")) 7 # 1.3 匹配所有的数字（包含小数包含负号） 8 # print(relx.findall(r'-?\d+\.?\d*|\d*\.?\d+', "1-2*(60+(-40.35/5)-(-4*3))")) 9 10 # 2,匹配一段你文本中的每行的邮箱 11 # http://blog.csdn.net/make164492212/article/details/51656638 匹配所有邮箱 12 13 # 3，匹配一段你文本中的每行的时间字符串 这样的形式：'1995-04-27' 14 15 s1 = ''' 16 时间就是1995-04-27,2005-04-27 17 1999-04-27 老男孩教育创始人 18 老男孩老师 alex 1980-04-27:1980-04-27 19 2018-12-08 20 ''' 21 # print(relx.findall('\d{4}-\d{2}-\d{2}', s1)) 22 23 # 4 匹配 一个浮点数 24 # print(re.findall('\d+\.\d*','1.17')) 25 26 # 5 匹配qq号：腾讯从10000开始： 27 # print(re.findall('[1-9][0-9]{4,}', '2413545136')) 28 29 s1 = ''' 30 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/7459977.html" target="_blank">python基础一</a></p> 31 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/7562422.html" target="_blank">python基础二</a></p> 32 <p><a style="text-decoration: underline;" href="https://www.cnblogs.com/jin-xin/articles/9439483.html" target="_blank">Python最详细，最深入的代码块小数据池剖析</a></p> 33 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/7738630.html" target="_blank">python集合,深浅copy</a></p> 34 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/8183203.html" target="_blank">python文件操作</a></p> 35 <h4 style="background-color: #f08080;">python函数部分</h4> 36 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/8241942.html" target="_blank">python函数初识</a></p> 37 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/8259929.html" target="_blank">python函数进阶</a></p> 38 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/8305011.html" target="_blank">python装饰器</a></p> 39 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/8423526.html" target="_blank">python迭代器,生成器</a></p> 40 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/8423937.html" target="_blank">python内置函数,匿名函数</a></p> 41 <p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/8743408.html" target="_blank">python递归函数</a></p> 42 <p><a style="text-decoration: underline;" href="https://www.cnblogs.com/jin-xin/articles/8743595.html" target="_blank">python二分查找算法</a></p> 43 44 ''' 45 # 1,找到所有的p标签 46 # ret = relx.findall('<p>.*?</p>', s1) 47 # print(ret) 48 49 50 # 2,找到所有a标签对应的url 51 # print(re.findall('<a.*?href="(.*?)".*?</a>',s1))
