正则表达式

内容：
一：正则表达式
二：使用re模块操作正则表达式

一：正则表达式——字符串的匹配的一种规则
①字符组：[字符组]
在同一个位置可能出现的各种字符组成了一个字符组，再正则表达式中用[]表示，字符分为很多类，如：数字字母，标点
②元字符：

.	匹配了除了换行符以外的任意字符
\w	匹配字母数字下划线
\s	匹配任意的空格符
\d	匹配数字
\n	匹配换行符
\t	匹配制表符
\b	匹配单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母数字下划线
\D	匹配非数字
\S	匹配非任意的空格符
a | b	匹配字符a或者字符b
（）	匹配括号内的表达式，也是一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中的所有字符

③量词：

*    重复0次或者更多次
+    重复1次合作更多次
？   重复0次或者1次
{n}  重复n次
{n,} 重复n次或者更多次
{n,m}重复n到m次

所有的量词都在元字符的后面且此量词只约束贴紧他的规则

注：？为量词是表示重复0次或者1次
       ？ 再量词后面表示非贪婪匹配，能少匹配就少匹配
④字符集：[] [^]

456abc7
[\d]  #结果为：4 5 6 7
[\d]+ #结果为： 456  7

⑤分组 （）
需要对整个字符串进行量词约束时用分组（）
身份证号是一个长度为15或者18个字符的字符串，
若是15位，则全部是数字，且首部不能位零；若是18位，则前17位全部是数字，末尾可能是数字或者x

^[1-9]\d{14}(\d{2}[0-9x])?$
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$

⑥转义字符：
在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义，变成'\\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，
本身还需要转义。所以如果匹配一次"\n",字符串中要写成'\\n'，
那么正则里就要写成"\\\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念，此时的正则是r'\\n'就可以了。

⑦贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

*? 重复任意次，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,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

 

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x

就是取前面任意长度的字符，直到一个x出现

二：re模块下的常用方法

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。