python之路_正则表达式及re模块
一、正则表达式
匹配字符串内容的一种规则。
1、字符组概念
在同一个位置可能出现的各种字符组成一个字符组，在正则表达式中用[]表示。常见字符组格式如下：[0123456789]，[0-9]，[a-z]，[A-Z]，必须由从小到大，不可逆序。
2、主要元字符
| 元字符 | 匹配内容 | 元字符 | 匹配内容 |
| . | 匹配出换行符以外所有字符 | $ | 匹配一个字符串的结束 |
| \w | 匹配数字或字母或下划线 | \W | 匹配非字母或数字或下划线 |
| \d | 匹配数字 | \D | 匹配非数字 |
| \s | 匹配任意空白符 | \S | 匹配非空白符 |
| \n | 匹配换行符 | a|b | 匹配字符a或字符b |
| \t | 匹配制表符 | () | 匹配括号内的表达式，也表示一个组 |
| \b | 匹配一个单词的结尾 | [...] | 匹配字符组中的所有的字符 |
| ^ | 匹配一个字符串的开始 | [^...] | 匹配除了字符组中所有的字符的字符 |
#.^$实例： import re obj1=re.findall('海.','海燕海娇海东') print(obj1) #输出结果为：['海燕', '海娇', '海东']，匹配所有带‘海’的字符 obj2=re.findall('^海.','海燕海娇海东') print(obj2) #输出结果为：['海燕']，只从开头匹配带海的字符 obj3=re.findall('海.$','海燕海娇海东') print(obj3) #输出结果为：['海东']，只匹配结尾带海的字符
3、主要量词
由于贪婪匹配的原因，在满足匹配条件的情况下，默认按贪婪匹配，即尽可能多的匹配字符串，若在量词后面加上？，即可将贪婪匹配更改为非贪婪匹配，即匹配尽量短的字符串，常见量词及其主要用法如下：
| 量词 | 用法说明 | 量词 | 用法说明 |
| * | 重复零次或多次 | {n} | 重复n次 |
| + | 重复一次或多次 | {n，} | 重复n次或多次 |
| ？ | 重复零次或一次 | {n，m} | 重复n到m次 |
#* + ? { }实例： import re obj1=re.findall('李.?','李杰和李莲英和李二棍子') print(obj1) #['李杰', '李莲', '李二']，？表示匹配0或者1次，即匹配李后面任意字符1次 obj2=re.findall('李.*','李杰和李莲英和李二棍子') print(obj2) #['李杰和李莲英和李二棍子']，*表示匹配0次或者多次，即匹配李后面任意字符多次 obj3=re.findall('李.+','李杰和李莲英和李二棍子') print(obj3) #['李杰和李莲英和李二棍子']，+表示匹配1次或者多次，即匹配李后面任意字符多次 obj3=re.findall('李.{1,2}','李杰和李莲英和李二棍子') print(obj3) #['李杰和', '李莲英', '李二棍']，{1,2}表示匹配1到2次，即匹配李后面任意字符2次
以上量词非贪婪模式为：
| 非贪婪模式 | 用法说明 |
*?
|
重复0次或更多次，但尽可能少重复
|
+?
|
重复1次或更多次，但尽可能少重复
|
??
|
重复0次或1次，但尽可能少重复
|
{n，}?
|
重复n次以上，但尽可能少重复
|
{n，m}?
|
重复n到m次，但尽可能少重复
|
import re obj1=re.findall('李.??','李杰和李莲英和李二棍子') print(obj1) #输出结果：['李', '李', '李'] obj2=re.findall('李.*?','李杰和李莲英和李二棍子') print(obj2) #输出结果：['李', '李', '李'] obj3=re.findall('李.+?','李杰和李莲英和李二棍子') print(obj3) #输出结果：['李杰', '李莲', '李二'] obj3=re.findall('李.{1,2}?','李杰和李莲英和李二棍子') print(obj3) #输出结果：['李杰', '李莲', '李二']
4、字符集[]和[^]
import re obj1=re.findall('李.[杰莲英二棍子]*','李杰和李莲英和李二棍子') print(obj1) #输出结果：['李杰', '李莲英', '李二棍子'] obj2=re.findall('李.[^和]*','李杰和李莲英和李二棍子') print(obj2) #输出结果：['李杰', '李莲英', '李二棍子']，表示匹配李后面不是和的任意字符 obj3=re.findall('[\d]','456bdha3') print(obj3) #输出结果：['4', '5', '6', '3'],表示匹配任意一个数字 obj3=re.findall('[\d]+','456bdha3') print(obj3) #输出结果：['456', '3']，表示匹配任意个数字
5、分组（）与或|
身份证号码是由15位或者18位的字符组成，如果是15位，首位不能是0，其他位数均为数字，如果是18位，则最后一位可能是数字或者X，用正则表达式匹配的两种方式如下：
| 正则表达式 | 结果说明 |
| ^[1-9]\d{14}(\d{2}[0-9x])?$ |
()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
|
| ^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ |
表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
|
二、re模块主要方法
1、findall()：返回所有符合匹配条件的结果，放进列表中。
import re ret = re.findall('a', 'eva egon yuan') print(ret) #结果 : ['a', 'a']
2、search（）：在字符串内进行匹配，直到找到第一个后，返回一个包含匹配信息的匹配对象，可以通过group（）对匹配对象取出匹配的字符串，如果没有匹配的字符串，则返回None，通过group（）取值会报错 。
import re ret = re.search('a', 'eva egon yuan').group() print(ret) #结果 : 'a'
3、match（）：在字符串开头进行匹配，返回一个包含匹配信息的匹配对象，可以通过group（）方法调用匹配对象，取出匹配的字符串，如果没有匹配的字符串，则返回None，通过group（）取值会报错。
import re ret = re.match('h', 'abc') print(ret) #返回None res = re.match('a', 'abc') print（res.group()) #返回‘a'
4、split（）：按照正则表达式的要求对字符串分割，返回分割后的列表
import re 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) #结果：['', '', 'cd']
5、sub（）：替换字符串中的内容，与字符串方法replace（）相似
import re ret=re.sub('\d','H','av23nb4g4',2) #将字符串中的数字替换为'H’，其中2代表只替换前两个，默认全部替换 print(ret) #输出结果：avHHnb4g4
6、subn（）替换字符串中的内容，返回一个元组，包含替换结果的字符串及替换次数
import re ret=re.subn('\d','H','av23nb4g4') print(ret) #输出结果：('avHHnbHgH', 4)
