正则表达式，re模块

一.正则表达式  

正则表达式是一种独立的规则，独立的语言
1.是什么，能做什么
下面有两个问题，这两个问题我们可以思考一下，暂时不需要做出来？（此问题最后通过正则表达式解决）
　　1.把一个文件中所有的手机号码都找出来
  　　（从大段的文字中找到符合规则的内容）
    　　1.open打开文件
    　　2。读文件str
   　　 3。从一长串的字符串中找到所有的11位数字
       　　 一个字符一个字符的读（很麻烦）

　　2.输入手机号 
　　（判断某个字符串是否符合规则）
   　　 先验证一下这个手机号是否合法
    　　给这个手机号发送一个验证码
   　　 然后用户收到验证码填写验证码
    　　完成注册
    
 
2. 正则表达式的两个需求
 
　　 1.从大段的文字中找到符合规则的内容
     　　 爬虫
      　　日志分析
 　　2.判断某个字符串是否符合规则 
 
 
3. 正则表达式的规则
 规则  从字符串中找到符合规则的内容
 **字符组 ：[]写在中括号中的内容，都可以出现在下面的某一个字符的位置上都是符合规则的
 [0-9]
 [a-z]
 [A-Z]
 [a-zA-Z]
 [a-zA-Z0-9_]数字字母下划线   简写\w
 [0-9a-fA-F] 可以匹配数字 大小写a~F  还可以来验证十六进制字符

转义符  \转义符
\\w 匹配的是\w

 
 **元字符
 \w匹配数字字母下划线  word 关键字
 \d匹配数字  digit [0-9]
 \s匹配所有的空白符  回车 制表符 空格 space
 \t 制表符
 \n 回车 换行符
敲一个空格   匹配空格   
 \W 匹配非数字字母下划线 
 \D 匹配非数字
 \S 除了回车 制表符  空格
 [\s\S] [\d\D] [\w\W] 全集 匹配所有字符
 \b 表示单词的边界  ing\b 匹配ing结尾的单词
                        \bl 匹配 l开头的单词
$^ 
^表示匹配一个字符串的开始 ^hello  
$表示匹配一个字符串的结束  hello$ 
        ^hello$  hello hello hello 匹配不上
        例子 要求11位数字
        ^\d\d\d\d\d\d\d\d\d\d\d$
[] 只要出现在中括号中的字符组被匹配
[^] 只要不是出现中括号中的字符被匹配
    有一些有特殊意义的元字符进入字符组会恢复它本来的意义：
        .  |  []  () 
.表示除换行符外的所有字符
| 或   \d\d|\d  把长的放前面短的放后面
()分组


***量词

{n}表示 这个量词之前的字符出现n次  \d{9} 这个9紧贴着前面的元字符
{n,}表示这个量词之前的字符至少出现n次
{n,m}表示出现n次到m次

？表示匹配量词之前的字符出现0次或者1次 表示可有可无的时候
+表示匹配量词之前的字符出现1次或者多次
*表示匹配量词之前的字符出现0次或者多次

 这则表达式的匹配特点：贪婪匹配
 他会在允许的范围内取最长的结果
 非贪婪模式/惰性匹配：在量词后面加上？
 .*?x   匹配任意非换行符字符 任意次 直到遇到x就停止

二.re模块

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

注意：

1 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']

2 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。