模块(三)re模块

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	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。
	精准匹配n个前面的表达式。
	匹配n到m次由前面的正则表达式定义的片段，贪婪方式
ab	匹配a或者b
()	匹配括号内的表达式，也表示一个组

1.字符串的常用操作：一对一匹配

s1 = 'abcd111'
print(s1.find('11'))

2.正则匹配

\w 匹配中文,字母,数字,下划线

import re
name = "11-abcd_123 "
print(re.findall("\w",name))
#结果
['1', '1', 'a', 'b', 'c', 'd', '_', '1', '2', '3']

\W 不匹配中文,字母,数字,下划线

import re
name = "11-abcd_123 "
print(re.findall("\W",name))
# 结果
['-',' ']

\s 匹配任意的空白符

import re
name = "11-abcd_123 "
print(re.findall("\s",name))
# 结果
[' ']

\S 匹配不是任意的空白符

import re
name = "你好-abcd_123 "
print(re.findall("\s",name))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', '1', '2', '3']

\d 匹配数字

import re
name = "你好-abcd_123 "
print(re.findall("\d",name))
# 结果
['1', '2', '3']

\D 匹配非数字

import re
name = "你好-abcd_123 "
print(re.findall("\D",name))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', ' ']

\A 与 ^ 从字符串开头匹配

import re
name = "你好-abcd_123 "
print(re.findall("\A你好",name))
# 结果
['你好']

import re
name = "你好-abcd_123 "
print(re.findall("\A你好",name))
# 结果
['你好']

\Z 与 \z 与 $ 字符串结尾匹配

import re
name = "你好-abcd_123 "
print(re.findall("123 \Z",name))
# 结果
['123 ']

import re
name = "你好-abcd_123 "
print(re.findall("123 \Z",name))
# 结果
['123 ']

import re
name = "你好-abcd_123 "
print(re.findall("123 $",name))
# 结果
['123 ']

\n 与 \t 匹配换行符合制表符

import re
name = "你好-abcd_123\t \n"
print(re.findall("\n",name))
# 结果
['\n']

import re
name = "你好-abcd_123\t \n"
print(re.findall("\t",name))
# 结果
['\t']

. 匹配任意字符(换行符除外)

import re
name = "你好-abcd_123\t \n"
print(re.findall(".",name))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', '1', '2', '3', '\t', ' ']

. 匹配任意字符

import re
name = "你好-abcd_123\t \n"
print(re.findall(".",name,re.DOTALL))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', '1', '2', '3', '\t', '\n']

? 匹配?前元素0个或1个

import re
name = "a-b-ab-abbc-abbc_123\t \n"
print(re.findall("ab?",name))
# 结果
['a', 'ab', 'ab', 'ab']

***** 匹配 * 前面元素0个或多个 [贪婪匹配]

import re
name = "a-b-ab-abbc-abbc_123\t \n"
print(re.findall("*",name))
# 结果
['a', 'ab', 'ab', 'ab']

+ 匹配 +前面元素1个或多个 [贪婪匹配]

import re
name = "a-b-ab-abbc-abbc_123\t \n"
print(re.findall("me+",name))
# 结果
['ab', 'abb', 'abb']

{n,m} 匹配n到m个元素

import re
name = "a-b-ab-abbc-abbc_123\t \n"
print(re.findall("b{1,2}",name))
# 结果
['b', 'b', 'bb', 'bb']

.* 任意内容0个或多个

import re
name = "a-b-ab-abbc-abbc_123\t \n"
print(re.findall(".*",name))
# 结果
['a-b-ab-abbc-abbc_123', '']

.*? 任意内容0个或1个

import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("a.*?b",name))
# 结果
['a-b', 'ab', 'abb', 'abb']

import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("a.?b",name))
# 结果
['a-b', 'ab', 'abb', 'abb']

[] 获取括号中的内容

import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[1-9]",name))
# 结果
['1', '2', '3']
# []中的-是什么至什么不会匹配-

import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[a-z]",name))
# 结果
['a', 'b', 'a', 'b', 'a', 'b', 'b', 'c', 'a', 'b', 'b', 'c']

import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[A-z]",name))
# 结果
['a', 'b', 'a', 'b', 'a', 'b', 'b', 'c', 'a', 'b', 'b', 'c', '_']
# 是按照ascii码表位进行匹配的

import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[a-zA-Z]",name))
# 结果
['a', 'b', 'a', 'b', 'a', 'b', 'b', 'c', 'a', 'b', 'b', 'c']

import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[^A-z]",name))
# 结果
['-', '-', '-', '-', '1', '2', '3']
# [^A-z] 有上尖号就是取反,获取不是字母和特定的几个字符

如果想要匹配到-,就需要进行如下操作(将-号放到最前面)
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[-+*/]",name))
# 结果
['-', '-', '-', '-']

() 分组 定制一个匹配规则

import re
print(re.findall('(.*?)_sb', 'abc_sb def_sb ghi_sb'))
# 结果
['abc', ' def', ' ghi']

# 应用举例:
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>')
# 结果
['http://www.baidu.com']

| 匹配 左边或者右边

import re
print(re.findall('abc|你好|def', 'abc你好defaleeeex你你好odlb'))
# 结果
['abc', '你好', 'def', '你好']

import re
print(re.findall('compan(day|morrow)','Work harder today than yesterday, and the day after tomorrow will be better'))
# 结果
['day', 'morrow']

import re
print(re.findall('compan(?:day|morrow)','Work harder today than yesterday, and the day after tomorrow will be better'))
# 结果
['today', 'tomorrow']
# 分组() 中加入?: 表示将整体匹配出来而不只是()里面的内容。

findall 全部找到返回一个列表

import re
print(re.findall("abc","abcdsb,abc_sb,abcnb,ab_cx"))
# 结果
['abc', 'abc', 'abc']

search 从字符串中任意位置进行匹配查找到一个就停止了,返回的是一个对象. 获取匹配的内容必须使用.group()进行获取

import re
print(re.search("sb|nb","abcdsb,abc_sb,abcnb,ab_cx").group())
# 结果
sb

match 从字符串开始位置进行匹配

import re
print(re.match('abc', 'abc def ghi 你好').group())
# 结果
abc

import re
print(re.match('abc', 'abc def ghi 你好'))
# 结果
None

split 分隔 可按照任意分隔符进行分隔

import re
print(re.split('[ ：:,;；，]','abc def,111，222;333;444：555'))
# 结果
['abc', 'def', '111', '222', '333', '444', '555']

sub 替换

import re
print(re.sub('abc', 'def', 'abc就是一个普通老师，请不要将abc当男神对待。'))
# 结果
def就是一个普通老师，请不要将def当男神对待。

compile 定义匹配规则

import re
obj = re.compile('\d{2}')
print(obj.findall("abcd12345"))
# 结果
['12', '34']

import re
['12', '34']
obj = re.compile('\d{2}')
print(obj.search("abcd12345").group())
# 结果
12

finditer 返回一个迭代器

import re
g = re.finditer('ab',"abcd_absb,ab22,abadf")
print(next(g).group())
print([i.group() for i in g])
# 结果
ab
['ab','ab','ab']

给分组起名字

import re
ret = re.search("<(?P<tag_name>\w+)>\w+</\w+>","<h1>hello</h1>")
print(ret.group("tag_name"))
print(ret.group())
# 结果
h1
<h1>hello</h1>

import re
ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")
print(ret.group(1))
print(ret.group())