re模块: 正则表达式

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 与 ^	从字符串开头匹配
   \Z 与 $	从字符串结尾开始匹配
   \n	匹配一个换行符
   \t	匹配一个制表符
   .	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
   a|b	匹配a或者b。
   ()	匹配括号内的表达式，也表示一个组

2. 匹配模式举例:

   import re
   re.findall()
   ----------------------------------------------------
   # 单个字符的匹配
   
   # \W 与 \w
   s = '原始tz 12*() _'
   print(re.findall('\w', s))  # \w 数字,字母,下划线,中文
   print(re.findall('\W', s))  # \W 除了数字,字母,下划线,中文以外的
   
   # \s 与 \S
   print(re.findall('\s', '原始tz*(_ \t \n'))  # \s 空格,\t,\n
   print(re.findall('\S', '原始tz*(_ \t \n'))  # \S 除空格,\t,\n以外的
   
   # \d 与 \D
   print(re.findall('\d','1234567890 yuanshi *（_')) # \d 数字
   print(re.findall('\D','1234567890 yuanshi *（_')) # \D 非数字
   
   # \A 与 ^
   print(re.findall('\Ahello', 'hello hello 原始 hell')) # 从开
   print(re.findall('^hello', 'hello hello 原始 hell')) # 从开头开始匹配头开始匹配
   
   # \Z 与 $  从结尾开始匹配
   print(re.findall('hell$', 'hello hello 原始 hell'))
   
   # \n 与 \t
   print(re.findall('\t',  'hello hello 原始 \thell'))  # \t
   print(re.findall('\n',  'hello hello 原始 \nhell'))  # \n
   
   ----------------------------------------------------
   # 元字符匹配
   
   # .  ?  *  +  {m,n}  .*   ,*?
   # .匹配任意字符:   如果匹配成功,光标则移到匹配成功的最后的字符;如果匹配未成功,则光标向下移动一位继续匹配
   print(re.findall('a.b', 'ab aab abb aaaab'))
   
   # ? 匹配0个或者1个由左边字符定义的片段
   print(re.findall('a?b', 'ab aab abb aaaab'))
   
   # * 匹配0个或者多个由左边字符定义的片段: 满足贪婪匹配
   print(re.findall('a*b', 'ab aab abb aaaab'))
   
   # + 匹配1个或者多个由左边字符定义的片段: 满足贪婪匹配
   print(re.findall('a+b', 'ab aab abb aaaab'))
   
   # {m,n} 匹配m个至n个(包括m和n)由左边字符定义的片段
   print(re.findall('a{1,5}b', 'ab aab abb aaaaab aaaaaab'))
   
   # .* : 贪婪匹配 从头到尾
   print(re.findall('a.*b', 'ab aab abb aa#aaab aaaaaab'))
   
   # .*? 此时的?不是对左边的字符进行0次或者1次的匹配,
   # 而只是针对.*这种贪婪匹配的模式进行一种限定:告知他要遵从非贪婪匹配
   print(re.findall('a.*?b', 'ab aab abb aa#aaab aaaaaab'))
   
   # []: 一个中括号可以代表一个字符
   print(re.findall('a[abc]b', 'aab abb acb afb a_b'))  # [abc]中任意一个都可以
   print(re.findall('a[abc][bd]b', 'aabb aaabc abd acdbb')) # =>['aabb', 'acdb']
   # - : 在[]中表示范围
   print(re.findall('a[0-9]b', 'a1b a2bc abd acdbb'))  # =>['a1b', 'a2b']
   print(re.findall('a[A-Z]b', 'aAb a2bc abd acdbb'))  # =>['aAb']
   print(re.findall('a[A-Za-z]b', 'aAb aabc abd acdbb')) # =>['aAb', 'aab']
   print(re.findall('a[-*$]b', 'a-b a*bc abd acdbb')) # =>['a-b', 'a*b']
   # 当想匹配 - 时,要把 - 放在最前面或最后面
   # ^ : 在[]最前面表示取反
   print(re.findall('a[^0-9]b', 'a1b a2bc abbd acdbb')) # =>['abb']
   
   s = 'xiaowang_sb xiaoliu_sb wanglu_sb tianzun_sb 通天教主_nb'
   print(re.findall('\w+_sb', s))
   
   
   # (): 分组
   s = 'xiaowang_sb xiaoliu_sb wanglu_sb tianzun_sb 通天教主_nb'
   print(re.findall('(\w+)_sb', s)) # =>['xiaowang', 'xiaoliu', 'wanglu', 'tianzun'],返回()内的内容
   
   
   # |: 匹配左边或右边
   print(re.findall('xiao|da|tian', 'xiaoasdnfisdaiasdntian'))
   
   # 在()分组里面加了?:,将全部的内容返回,而不是将组内的内容返回
   print(re.findall('compan(y|ies)', 'Too many companies have gone bankrupt, and the next one is my company'))
   print(re.findall('compan(?:y|ies)', 'Too many companies have gone bankrupt, and the next one is my company'))
   
   -----------------------------------------------------
   # 常用方法
   
   # re.findall()  # 全部找到返回一个列表
   
   # re.search() # 找到第一个符合条件的字符串,然后返回一个包含匹配信息的对象,通过对象.group()获取
   ret = re.search('sb|qwe', 'xiaomingt sb qwe')
   print(ret)
   print(ret.group())
   # re.match() # 从字符串开头匹配,如果以符合条件的字符串开头则返回,否则返回None
   ret = re.match('sb|qwe', 'xiaomingt sb qwe')
   ret2 = re.match('sb|qwe', 'sbxiaomingt sb qwe')
   print(ret)
   print(ret2)
   
   
   # split()  # 分割
   s1 = 'xiaoming,tiaoshang;太阳~地球'
   print(re.split('[;,~]', s1))  # 自定义分隔符
   
   # sub 调换
   print(re.sub('me', '我', 'me是最好的男人，me就是一个普通男人，请不要将me当男神对待。'))
   print(re.sub('me', '我', 'me是最好的男人，me就是一个普通男人，请不要将me当男神对待。', 2))
   
   
   # compile  配置匹配规则
   obj = re.compile('\d{2}')
   print(obj.search('abc123eeee').group())  # => 12
   print(obj.findall('abc123eeee')) # => ['12']
   
   s1 = '''
   时间就是1995-04-27,2005-04-27
   1999-04-27 
    alex 1980-04-27:1980-04-27
   2018-12-08
   '''
   print(re.findall('\d{4}-\d{2}-\d{2}', s1))
   
   s2 = '3325783547345nvn8b8473v 2893472893'
   obj = re.compile('[1-9][0-9]{4,7}')
   print(obj.findall(s2))