PythonStudy——re 模块
# 正则：是有语法的字符串，用来匹配目标字符串的
# 将目标字符串中的所以数字找出 data = '123abc呵呵' res = re.findall(r'\d', data) # \d就代表数字 print(res) # ['1', '2', '3']
# re.I不区分大小写的匹配 print(re.findall(r'a', 'abc123嘿嘿abcABC', flags=re.I)) # ['a', 'a', 'A'] # a|b a或b单个字符 print(re.findall(r'a|b', 'abc123嘿嘿abcABC', flags=re.I)) # ['a', 'b', 'a', 'b', 'A', 'B'] # [a,b] a或,或b单个字符 print(re.findall(r'[a,b]', 'abc,123嘿嘿abcABC', flags=re.I)) # ['a', 'b', ',', 'a', 'b', 'A', 'B'] # [^ab]非a及非b的所有单个字符 print(re.findall(r'[^ab]', 'abc,123嘿嘿abcABC')) # ['c', ',', '1', '2', '3', '嘿', '嘿', 'c', 'A', 'B', 'C'] # [a-z]所有单个小写字母 [A-Z]所有单个大写字母 [0-9]所有单个数字 print(re.findall(r'[a-z]', 'abc,123嘿嘿abcABC')) # ['a', 'b', 'c', 'a', 'b', 'c'] print(re.findall(r'[0-9]', 'abc,123嘿嘿abcABC')) # ['1', '2', '3'] # 所有小写大写数字单个字符 print(re.findall(r'[a-z]|[A-Z]|[0-9]', 'abc,123嘿嘿abcABC')) # ['a', 'b', 'c', '1', '2', '3', 'a', 'b', 'c', 'A', 'B', 'C'] print(re.findall(r'[A-Za-z0-9]', 'abc,123嘿嘿[abcABC')) # ['a', 'b', 'c', '1', '2', '3', 'a', 'b', 'c', 'A', 'B', 'C'] # .会匹配除\n以为的所有单个字符 print(re.findall(r'.', '*\_+=\n \r\t')) # ['*', '\\', '_', '+', '=', ' ', '\r', '\t'] # re.S会让.能匹配所有单个字符 print(re.findall(r'.', '*\_+=\n \r\t', flags=re.S)) # ['*', '\\', '_', '+', '=', '\n', ' ', '\r', '\t'] # \d单个数字 == [0-9] print(re.findall(r'\d', 'abc,123嘿嘿[abcABC')) # ['1', '2', '3'] # \w == [A-Za-z0-9_] 将常见的汉字就理解为单个字母 print(re.findall(r'\w', 'abc,123嘿[_')) # ['a', 'b', 'c', '1', '2', '3', '嘿', '_'] # \s == [\f\n\r\t\v ] 单个空：空格、制表符、换页符等 print(re.findall(r'\s', '\f\n\r\t\v ')) # ['\x0c', '\n', '\r', '\t', '\x0b', ' '] # \D就是\d的对立面：非数字的所有单个字符 \W就是\w的对立面 \S就是\s的对立面 print(re.findall(r'\D', 'abc,123嘿[_')) # ['a', 'b', 'c', ',', '嘿', '[', '_'] # 单个汉字 [\u4e00-\u9fa5] print(re.findall(r'[\u4e00-\u9fa5]', 'abc,123嘿[_')) # ['嘿'] # 建议使用 [0-9] [A-Za-z0-9_] [\f\n\r\t\v ] [^0-9] [\u4e00-\u9fa5] # 不建议使用 \d \w \s \D \w
import re # 1.将r'\\'的正则语法字符串转换成 正则对象 '\', 用来匹配 '\' 字符的 # 2.拿着转换后的正则对象，来匹配目标字符串 print(re.findall(r'\\', r'a\d\p\\')) # ['\\', '\\', '\\', '\\'] re_obj = re.compile(r'\n') # 转换成匹配 换行符 的正则对象 res = re_obj.findall('\n') print(res) # ['\n'] re_obj = re.compile(r'\\d') # 转换成匹配 \d 的正则对象 res = re_obj.findall('\d') print(res) # ['\\d'] re_obj = re.compile(r'\d') # 转换成匹配 数字 的正则对象 res = re_obj.findall('\d') # \d不是数字 print(res) # [] re_obj = re.compile(r'\\n') # 转换成匹配 \n 的正则对象 res = re_obj.findall('\n') # 代表换行，不能被匹配 print(res) # [] res = re_obj.findall(r'\n') # 就代表\n，能被匹配 print(res) # ['\\n']
# 明确个数的重复 # {n} print(re.findall(r'a', 'aaabbb')) # ['a', 'a', 'a'] print(re.findall(r'a{2}', 'aaabbb')) # ['aa'] print(re.findall(r'ab', 'aabbababab')) # ['ab', 'ab', 'ab', 'ab'] print(re.findall(r'a{2}b{2}', 'aabbababab')) # ['aabb'] print(re.findall(r'ab{2}', 'aabbababab')) # ['abb'] # {n,} 匹配n到无数个，题中最少匹配abb, 贪婪匹配 abbb 能被匹配为 abb 和 abbb，优先匹配多的 print(re.findall(r'ab{2,}', 'ababbabbbabbbb')) # ['abb', 'abbb', 'abbbb'] # {,n} 匹配0到n个，ab{,2} 优先匹配abb，没有ab也行，如果还没有a也将就 print(re.findall(r'ab{,2}', 'aababbabbbabbbb')) # ['a', 'ab', 'abb', 'abb', 'abb'] # {n,m} 匹配n到m个，ab{1,3} 优先匹配 abbb，再考虑abb, ab print(re.findall(r'ab{1,3}', 'aababbabbbabbbb')) # ['ab', 'abb', 'abbb', 'abbb'] # 特殊符号的重复 # *: 匹配0到无数个 print(re.findall(r'ab*', 'aababbabbbabbbb')) # ['a', 'ab', 'abb', 'abbb', 'abbbb'] # +: 匹配1到无数个 print(re.findall(r'ab+', 'aababbabbbabbbb')) # ['ab', 'abb', 'abbb', 'abbbb'] # ?: 匹配0到1个 print(re.findall(r'ab?', 'aababbabbbabbbb')) # ['a', 'ab', 'ab', 'ab', 'ab'] # 需求：匹配所以单词 print(re.findall(r'[a-z]+', 'abc def hello print')) # ['abc', 'def', 'hello', 'print'] print(re.findall(r'[a-z]+\b', 'abc def hello print')) # ['abc', 'def', 'hello', 'print'] # \b代表单词边界，用空格(字符串的结尾也包括)作为匹配规则 print(re.findall(r'[a-z]*c', 'abc def hello print acb zc')) # ['abc', 'ac', 'zc'] print(re.findall(r'[a-z]*c\b', 'abc def hello print acb zc')) # ['abc', 'zc']
多行匹配
import re s = """http://www.baidu.com https://sina.com.cn https://youku.com haam abchttp://www.oldboy.com """ # ^代表以什么开头，$代表以什么结尾，必须结合flags=re.M来完成多行匹配 print(re.findall(r'^http.+com$', s, re.M)) # ['http://www.baidu.com', 'https://youku.com']
import re url = 'https://www.baidu.com, http://www.youku.com' # 需求：拿到url的域名的 baidu , youku print(re.findall(r'www.([a-z]+).com', url)) # ['baidu', 'youku'] # ()代表分组 # findall匹配，如果匹配规则用有分组语法，只存放分组结果 print(re.findall(r'(www).([a-z]+).com', url)) # [('www', 'baidu'), ('www', 'youku')] # 分组的编号：分组的顺序编号按照左括号的前后顺序 print(re.findall(r'(((w)ww).([a-z]+).com)', url)) # [('www.baidu.com', 'www', 'w', 'baidu'), ('www.youku.com', 'www', 'w', 'youku')] # findall是全文匹配，可以从任意位置开始，匹配多次 # match非全文匹配，必须从头开始匹配，只能匹配一次 # 专门处理分组的方法：分组，分组编号，有名分组，取消分组 # 取消分组: 必须写()，但是()为分组语法，我们只是想通过()将一些数据作为整体，所以()必须，再取消分组即可 # (?:) 取消分组只是作为整体 (?P<名字>) 有名分组 url = 'www.baidu.com,www.youku.com' res = re.match(r'((?:www).(?P<name>[a-z]+).com)', url) # print(res) # <_sre.SRE_Match object; span=(0, 13), match='www.baidu.com'> print(res.group(1)) # www.baidu.com print(res.group(2)) # baidu print(res.group('name')) # baidu
import re s = 'a b ac def' print(s.split(' ')) # ['a', 'b', 'ac', 'def'] # 正则拆分 s = 'a b,ac@def' print(re.split(r'[ ,@]', s)) # ['a', 'b', 'ac', 'def'] s = 'python abc python' print(re.sub('python', 'Python', s)) # Python abc Python print(re.sub('python', 'Python', s, count=1)) # Python abc python # 结合分组可以完成信息的重组与替换 s = 'day a good!!!' # 'a good good day' print(re.sub('(day) (a) (good)', r'today is \2 \3 \3 \1', s))
