正则表达式
正则表达式
概念：又称规则表达式，常用来描述、匹配、替换符合某个句法规则的字符串。
理解：特殊字符--------->规则---------->过滤字符串
目的：1.匹配给定的字符串，2.从字符串中过滤出我们需要的特定部分
Python re模块
re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，而正则表达式是对字符串进行模糊匹配，提取自己需要的字符串部分，他对所有的语言都通用。
- re模块是python独有的
- 正则表达式所有编程语言都可以使用
- re模块、正则表达式是对字符串进行操作
注意点：正则表达式会对特殊字符进行转义，如果要保持原模样，只需加个r前缀。例如：r'\thello-\rworld'
禁止转义！反斜杠不会被任何特殊方式处理。
Python编译器用‘\’（反斜杠）来表示字符串常量中的转义字符。
如果反斜杠后面跟着一串编译器能够识别的特殊字符，那么整个转义序列将被替换成对应的特殊字符（例如，‘\n’将被编译器替换成换行符）
本质上来讲，使用r，你在告诉编译器完全不要去干涉你的字符串
常见转义符
元字符
元字符就是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。
| 字符 | 说明 |
|---|---|
| . | 匹配除换行符以外的所有字符 |
| [...] | 匹配字符集 |
| \w | 匹配字母、数字及下划线_，等价于[A-Za-z0-9_] |
| \W | 匹配所有与\w不匹配的字符（取反） |
| \s | 匹配单个空格符、包括tab键和换行符 |
| \S | 匹配除单个空格之外的字符 |
| \d | 匹配从0到9的数字，等价于[0-9] |
| \D | 匹配非数字 |
| ^ | 匹配输入字符串开始的位置 |
| $ | 匹配输入字符串结尾的位置 |
限定符(重复)
限定符用来限定一个目标子表达式要重复出现多少次才匹配成功
| 限定符 | 说明 |
|---|---|
| * | 匹配前面的字符0次或多次 |
| + | 匹配前面的字符1次或多次 |
| ？ | 匹配前面的字符0次或1次 |
| 匹配前面的字符n次 | |
| 匹配前面的字符至少n次 | |
| 匹配前面的字符至少n次，最多m次 |
字符串转义：\
www.baidu.com
www\.baodu\.com
贪婪与非贪婪
贪婪匹配:正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配。
非贪婪匹配：就是匹配到结果就好，最少的匹配字符。
默认是贪婪模式；在量词后面直接加上一个问号？就是非贪婪模式。
| 字符 | 说明 |
|---|---|
| * | 允许前一个字符可以出现0次或者无数次 |
| + | 前一个字符至少出现1次 |
| ? | 前一个字符只能出现一次或者不出现 |
| 允许前一个字符只能出现n次 | |
| 允许前一个字符出现n到m次 | |
| 允许前一个字符至少出现n次 |
转义符
| 转义字符 | 描述 |
|---|---|
\(在行尾时) |
续行符 |
\\ |
反斜杠符号 |
\' |
单引号 |
\" |
双引号 |
\a |
响铃 |
\b |
退格（Backspace） |
\e |
转义 |
\000 |
空 |
\n |
换行 |
\v |
纵向制表符 |
\t |
横向制表符 |
\r |
回车 |
\f |
换页 |
\oyy |
八进制数，例如：\o12代表换行 |
\xyy |
十进制数，例如：\x0a代表换行 |
\other |
其他的字符以普通格式输出 |
标志位
| 标志 | 说明 |
|---|---|
| re.S | 匹配包括换行在内的所有字符 |
| re.I | 使匹配对大小写不敏感 |
| re.L | 做本地化识别（locale-aware)匹配，法语等 |
| re.M | 多行匹配，影响^和$ |
| re.X | 该标志通过给予更灵活的格式以便将正则表达式写得更易于理解 |
| re.U | 根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B |
-
re.I 使匹配对大小写不敏感，如下：
# re.I 的学习，忽略大小写 S1 = 'CoN' #定义字符串i1 S2 = 'www.xiao.con' #定义字符串i2 #print(re.search('CoN','www.xiao.con').group()) #区分大小写的子组输出,报有错 print(re.search(S1,S2,re.I).group()) #不区分大小写的子组输出 # con -
re.M 使用^ 和 $ 符号，实现多行多行匹配。如将所有行的末尾字符串输出得：
# re.M 的学习，将所有行的尾字母或者首部输出 S3 = '''I am girl you are boy we are friends ''' #定义初始字符串 print(re.findall(r"\w+$",S3,re.M)) #输出S3的每行最后一个字符串 # ['girl', 'boy', 'friends'] -
re.S匹配包括换行在内的所有字符。如下：
s1 = '''jduedhhelloworld： 11630 passgrthgdg ''' #初始字符串，有换行所以用三引号 b = re.findall('hello(.*?)pass',s1) #findal返回字符串中某个正则表达式模式全部的非重复出现的情况，不包含换行,返回列表 c = re.findall('hello(.*?)pass',s1,re.S) #包含换行 print('b is',b) #输出B匹配的结果 b is [] print('c is',c) #输出C，包行匹配输出的结果 c is ['world： \n 11630\n ']
正则表达式常用函数
1、re.findall()函数
语法：re.findall(pattern, string, flags=0) ——> list(列表)
pattern 匹配的正则表达式
string 要匹配的字符串。
flags 标志位，用于控制正则表达式的匹配方式
列出字符串中模式的所有匹配项，并作为一个列表返回。如果无匹配，则返回空列表！
import re
print(re.findall(r"ab","abcaaaab"))
['ab', 'ab'] #匹配的值作为一个列表范围
2、re.compile()函数
语法：re.compile(pattern, flags=0) ——> pattern object
根据包含正则表达式的字符串创建模式对象，可以实现更有效率地匹配！用了re.compile以后，正则对象会得到保留，这样在需要多次运用这个正则对象的时候，效率会有较大的提升
import re
s=r"^010-\d{8}$"
print(re.findall(s,"010-12345678"))
# ['010-12345678']
p_tel=re.compile(s) #对s这个正则表达式创建模式对象p_tel
print(p_tel)
# <_sre.SRE_Pattern object at 0x7f3ab3776d78>
print(p_tel.findall("010-12345678"))
#经过compile转换的正则表达式对象也能用于普通的re函数，跟上面的re.findall(s,"010-12345678")一样的效果
# ['010-12345678']
3、re.match()函数
语法：re.match(pattern, string, flags=0) ——> match object or None
在字符串的开始位置匹配正则！如果无匹配，则返回 None 。
import re
s=r"abc"
com=re.compile(s)
com.match("abcdef") #abc在开始的位置，可以匹配
# <_sre.SRE_Match object at 0x7f3ab3480cc8>
print(com.match("hhhabc")) #abc不在开始的位置，不可以匹配
# None
# 使用group()-返回匹配的数据
com.match("abcddddd").group() #使用group()返回匹配的对象
# 'abc'
4、re.search()函数
语法：re.search(pattern, string, flags=0) ——> match object or None
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None
re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
5、re.sub()函数
语法:re.sub(pattern, repl, string, count=0, flags=0) ——> string
将字符串中所有 pattern 的匹配项用 repl 替换！
import re
re.sub(r"abc","123","abcdefabc")
# '123def123'
6、re.split()函数
语法：re.split(pattern, string, maxsplit=0, flags=0) ——> list
根据模式的匹配项来分割字符串
import re
re.split(r"\d+","aa11bb22cc") #以正则表达式\d+为分割符
['aa', 'bb', 'cc']
re.split(r"\d","aa11bb22cc") #以正则表达式\d+为分割符
['aa', '', 'bb', '', 'cc']
