python-正则基础
正则表达式，说的简单些，就是一个匹配的功能，在python中，只要引用 re 模块，就能进行正则匹配操作
一、math匹配
先来看一个简单的例子
import re re.match(pattern, data_source) #math为匹配，pattern为需要匹配的对象，data_source为数据源
查看下匹配的结果
import re
a = re.match('abc', 'abcdefg')
b = re.match('abc', 'bcdefg')
print(a)
print(b)
-----结果-----
<_sre.SRE_Match object; span=(0, 3), match='abc'> #a为匹配到的结果，返回的是一个正则的对象
None #b为没匹配到的结果
查看匹配到的具体结果，需要使用group方法:
import re
a = re.match('abc', 'abcdefg')
print(a.group())
-----结果-----
abc
需要注意的是，math只能从字符串开头进行匹配
import re
a = re.match('abc', 'aabcdefg')
if a:
print('匹配成功')
else:
print('匹配失败')
-----结果-----
匹配失败
在math中除了有group方法查看匹配到的内容外，还有以下几个方法：
import re
a = re.match('abc', 'abcdefg')
print(a.start()) #查看匹配开始的位置
print(a.end()) #查看匹配结束的位置
print(a.span()) #查看匹配开始和结束的位置
-----结果-----
0
3
(0, 3)
如果想要匹配任意数字，可以这样写：
import re
a = re.match('[0-9]', '1234abc') #[0-9]为匹配任意一个数字
b = re.match('[0-9]{1,9}', '1234abc') #[0-9]{1,9}为匹配任意1到9个数字
print(a.group())
print(b.group())
-----结果-----
1
1234
在上面的例子中，我们进行了两次匹配，在匹配的过程中，先需要对匹配的对象进行编译，如果多次匹配时的对象都是相同的，那也会进行多次编辑，这就造成了一定程度上的资源浪费，为了提升匹配效率，我们可以这样写：
import re
p = re.compile('[0-9]') #先对匹配对象进行编译
a = p.match('1234aBc') #第一次匹配开头为数字
b = p.match('56abc') #第二次匹配开头为数字
print(a.group())
print(b.group())
二、search
在上文中介绍了math，math是只能从开头进行匹配，如果想从整个字符串的任意位置进行匹配，我们可以使用search：
import re
a = re.search('\d', 'b1234abc123') #\d为匹配任意十进制数，相当于[0-9]
print(a.group())
-----结果-----
1
需要注意的是，search只要是匹配到了内容，后面的内容就不会进行匹配了
三、findall
findall方法能够以列表的形式返回能匹配的子串，看例子：
import re
a = re.findall('[0-9]', '1234abc123')
b = re.findall('[0-9]{0,9}', '1234abc123')
c = re.findall('[0-9]{1,9}', '1234abc123')
print(a)
print(b)
print(c)
-----结果-----
['1', '2', '3', '4', '1', '2', '3']
['1234', '', '', '', '123', ''] #由于{0，9}是可以匹配到0个数字，因此最终的结果中会匹配到空的字符串
['1234', '123'] #改为{1，0}后，就无法匹配到0个数字啦
四、sub和subn
之前介绍的几个方法中，只能查看到匹配的结果，如果我们想把匹配到的内容换成另外的内容，就可以使用sub和subn，就是通常意义上的替换
import re
a = re.sub('a', 'z', 'b1234abc123aaa') #把a换成z
b = re.subn('a', 'z', 'b1234abc123aaa')
print(a)
print(b)
-----结果-----
b1234zbc123zzz
('b1234zbc123zzz', 4) #使用subn时，会统计到匹配的次数
如果想要指定替换的次数，可以参入count的参数
import re
a = re.sub('a', 'z', 'b1234abc123aaa', count=1)
b = re.subn('a', 'z', 'b1234abc123aaa', count=1)
print(a)
print(b)
-----结果-----
b1234zbc123aaa
('b1234zbc123aaa', 1)
五、split
split表示在匹配时对字符串进行分割，分割完后存入一个列表中
import re
a = re.split('[0-9]', 'xiaohong1xiaosun')
print(a)
-----结果-----
['xiaohong', 'xiaosun']
六、正则表达式
| 元字符 | 说明 |
|---|---|
| . | 代表任意字符 |
| | | 逻辑或操作符 |
| [ ] | 匹配内部的任一字符或子表达式 |
| [^] | 对字符集和取非 |
| - | 定义一个区间 |
| \ | 对下一字符取非（通常是普通变特殊，特殊变普通） |
| * | 匹配前面的字符或者子表达式0次或多次 |
| *? | 惰性匹配上一个 |
| + | 匹配前一个字符或子表达式一次或多次 |
| +? | 惰性匹配上一个 |
| ? | 匹配前一个字符或子表达式0次或1次重复 |
| {n} | 匹配前一个字符或子表达式 |
| {m,n} | 匹配前一个字符或子表达式至少m次至多n次 |
| {n,} | 匹配前一个字符或者子表达式至少n次 |
| {n,}? | 前一个的惰性匹配 |
| ^ | 匹配字符串的开头 |
| \A | 匹配字符串开头 |
| $ | 匹配字符串结束 |
| [\b] | 退格字符 |
| \c | 匹配一个控制字符 |
| \d | 匹配任意数字 |
| \D | 匹配数字以外的字符 |
| \t | 匹配制表符 |
| \w | 匹配任意数字字母下划线 |
| \W | 不匹配数字字母下划线 |
