re模块和正则表达式

 

正则表达式本身也和python没有什么关系，就是匹配字符串内容的一种规则。

官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

 

在线测试工具 http://tool.chinaz.com/regex/

[]字符组

在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示字符分为很多类，比如数字、字母、标点等等。

正则	待匹配字符	说明
[2345]	3	在字符串里枚举合法的所有字符，字符组里的任意一个字符和“待匹配字符”相同都视为可以匹配
[2345]	a  #匹配错误	字符组中没有'a'字符，所以不能匹配
[0-9]	5	可以用-表示范围，[0-9]和[0123456789]意思一样
[a-z]	j	表示范围a-z，匹配所有小写字母
[A-Z]	T	匹配所有大写字母
[0-9a-dA-D]	c	匹配数字、a-d的大小写

 

字符

元字符	匹配内容
.	匹配除换行符以外的任意字符
\d	匹配数字
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\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
\D	匹配非数字
\W	匹配非字母或数字或下划线
\S	匹配非空白符
a|b	匹配字符a或字符b，只要匹配上就不继续，座椅要把长的放前面
()	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

量词

量词	用法说明
*	重复零次或者更多次
+	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

前面的 *,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

转义符'\'如果要匹配'\n'就要输入'\\n'，如果要匹配'\\n'，就要输入'\\\\n'，就很麻烦，这个时候，可以使用r'\n'，使''内的字符不用转义

正则	待匹配字符	匹配结果	说明
<.*>	<class>…<class>	<class>…<class>	默认为贪婪模式，会尽量匹配长的字符串
<.*?>	<class>…<class>	<class> <class>	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

re模块下的常用方法

import re

ret = re.findall('a', 'eva egon yuan')  # 返回所有满足匹配条件的结果,放在列表里
print(ret) #结果 : ['a', 'a']

ret = re.search('a', 'eva egon yuan').group()
print(ret) #结果 : 'a'
# 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。

ret = re.match('a', 'abc').group()  # 同search,不过尽在字符串开始处进行匹配
print(ret)
#结果 : 'a'

ret = re.split('[ab]', 'abcd')  # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret)  # ['', '', 'cd']

ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H'，参数1表示只替换1个
print(ret) #evaHegon4yuan4

ret = re.subn('\d', 'H', 'eva3egon4yuan4')#将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret)

obj = re.compile('\d{3}')  #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())  #结果 ： 123

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一个结果
print(next(ret).group())  #查看第二个结果
print([i.group() for i in ret])  #查看剩余的左右结果

findall的优先级查询：

import re

ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['www.oldboy.com']

split的优先级查询：

ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 ： ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan']

#在匹配部分加上（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。