Python之re正则

1. 基本规则

# 元字符：
    # . ^ $ * + ? { } [ ] | ( ) \

# 字符类型匹配：
    #  .  表示匹配任意一个字符(换行符除外)
    #  [asdf]  表示匹配中括号里面的任意一个字母一次
    #  [a-z]  表示匹配a-z中的任意一个字母    [0-9] 表示匹配0-9中的任意一个数字
    #  [^0-9] 中括号中有^符号，表示非，除---之外，这里表示除0-9之外的任意字符

    # \d 匹配数字，即 [0-9]
    # \D 匹配⾮数字，即不是数字 [^0-9]
    # \s 匹配空⽩，即 空格，tab键 [\t\n\r\f\v]
    # \S 匹配⾮空⽩ [^\t\n\r\f\v]
    # \w 匹配单词字符，即a-z、A-Z、0-9、_  [a-zA-Z0-9_]
    # \W 匹配⾮单词字符  [^[a-zA-Z0-9_]]
    # \b 匹配一个特殊字符边界，比如 空格、&、# 等

# 定位：
    #  ^  表示起始定位
    #  $  表示结束定位

# 匹配次数：
    #  *  表示任意次
    #  +  至少1次 [1,+oo]
    #  ?  匹配0次或者1次
    #  {a，b}  匹配指定的次数范围，如 {0，}相当于匹配任意次 ，{6} 表示匹配6次

# 分组 & 后向引用 & 别名：
    # (ab)   将括号中字符作为⼀个分组
    # \num   引⽤分组num匹配到的字符串
    # (?P<name>)  分组起别名
    # (?P=name) 引⽤别名为name分组匹配到的字符

# |  匹配左右任意⼀个表达式

2. findall

2.1 贪婪匹配&惰性匹配

1）贪婪模式

• findall默认就是贪婪模式，其会尽可能多的匹配
• findall会将所有匹配符合的内容保存到一个列表中

import re   # 导入re模块

# findall方法第一个参数是匹配的规则，第二个参数是要匹配的字符串
# findall会将所有匹配符合的内容保存到一个列表中
print(re.findall("hgzero", "thisishgzero"))
　　# 输出：[hgzero]

data1 = re.findall("hg", "hgzerohgwzh")
print(data1)
　　# 输出：['hg', 'hg']

2）惰性模式

• 惰性模式就是尽可能少的去匹配

data1 = re.findall("hg*", "hggggg")  # 贪婪模式
data2 = re.findall("hg*?", "hggggg") # 惰性模式，后面的那个问号就表示惰性模式
print(data1)  # 输出：['hggggg']
print(data2)  # 输出：['h']

2.2 字符串转义流程

字符串转义的流程：字符串 --> python解释器转义 --> re模块的转义

# 转义
ret1 = re.findall("www.baidu", "www.baidu")   # 这里面的 . 会代指任意字符(除\n外)
ret1 = re.findall("www\.baidu", "www.baidu")  # 这里面，反斜杠的添加会让 . 符号失去元字符代指的意义，从而使其就表示普通的点 . 符号

# 字符串转义的流程：  字符串---> python解释器转义---> re模块的转义
ret2 = re.findall(r"I\b", "I hIo Ion")    # 这里面的r ，表示在python层次不使用转义字符，直接将其传递给re模块
ret3 = re.findall("I\\\\b", "I hIo Ion")  # 这里适用4个\ , 表示在python解释器层次转义成2个\ , 然后再将其传入re模块进行转义

re.findall("I\\b", "I what")   # 这样使\\b在python层次被转义成\b传递给re模块
re.findall(r"I\b", "I what")   # 这样在前面加上r ，可以让python不转义字符串内容，而直接传递给re

3. search

search会将匹配到的结果保存到一个对象中，且只匹配第一个对象。

用search取到的对象必须要用group取值。

# search会将匹配到的结果保存到一个对象中,且只匹配第一个对象
sear = re.search("\d+", "fasdfsaf345kdf89")  # search返回的只是一个对象，且只返回找到的第一个
retu = sear.group()   # 用search取到的对象必须要用group取值

# 可以用?P<name>的形式给某一部分命名别名
re.search("(?P<name>[a-z]+)(?P<age>\d+)", "hgzero21wzh23hg26").group("name")
re.search("(?P<name>[a-z]+)(?P<age>\d+)", "hgzero21wzh23hg26").group("age")

4. match

match只从开始开始匹配，且只匹配一次，返回一个对象，若没匹配到则什么都不返回

# match只从开始开始匹配，且只匹配一次，返回一个对象，若没匹配到则什么都不返回
re.match("\d+", "234fda") 

5. split

split会将字符串按照某字符分割，然后保存为一个列表

# split会将字符串按照某字符分割
re.split(" ", "hello abc what")    # 将字符串按照空格分割，保存到一个列表中
re.split("[ |]", "hello welcome|hi hgzero") # 将字符串按照空格或者|进行分割后保存到一个列表中

re.split("[ab]", "abc")  # 先按照a分割，左边形成一个空，然后将得到的bc再按照b分割，左边又得到一个空
# 打印结果为  ['', '', 'c']

6. sub

sub可以完成字符串的替换功能

# sub可以完成字符串的替换功能
re.sub("\d+", "A", "welcome666hgzero987")   # 将第三个参数中的字符串中的数字转换成A
# 这里面的第四个参数可以限定匹配替换的次数

re.subn("\d", "A", "welcome666hgzero987")  
# 将匹配到的内容放在一个元组里，结果中的第二个值为匹配替换的次数
# 打印结果为   ('welcomeAAAhgzeroAAA', 6)

7. compile

compile可以事先定义好规则，保存为一个对象，然后后面可以直接使用这个对象而无需再定义规则

# compile可以事先定义好规则，保存一个对象，然后后面可以直接使用这个对象而无需再定义规则
com = re.compile("\d+")
com.findall("welcome666hgzero987")

8. finditer

finditer可以将得到的数据保存到一个迭代器中

# finditer可以将得到的数据保存到一个迭代器中
ret = re.finditer("\d", "welcome666hgzero987")
next(ret).group()    # 可以通过next函数加上group调用迭代器中的内容

re.findall("www\.(baidu|163)\.com", "www.baidu.com")  # findall会优先将分组中的内容返回
# 这里的返回结果为  ['baidu']
re.findall("www\.(?:baidu|163)\.com", "www.baidu.com")  #  【在分组中加上 ?: 可以去掉分组的优先级】