【笔记】Python基础七：正则表达式re模块

一，介绍

正则表达式（RE）是一种小型的，高度专业化的编程语言，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C编写的匹配引擎执行。

字符匹配（普通字符，元字符）：

1 普通字符：大多数字符和字母都会和自身匹配
              >>> re.findall('alex','yuanaleSxalexwupeiqi')
                      ['alex']

2 元字符：. ^ $ * + ? { } [ ] | ( ) \

二，元字符

（一）点.通配符，代替除了换行符\n以外的任意一个字符

>>> import re
>>> re.findall("alex","sdffalexjj")
['alex']
>>> re.findall("a..x","sdffalexjj")
['alex']
>>> re.findall("a...x","sdffalexjj")
[]

（二）尖角号^，表示以后面的字符串开头；$符，表示以前面的字符串结尾。

>>> re.findall("^a..x","asdffalexjj")
[]
>>> re.findall("^a..x","asdxfalexjj")
['asdx']
>>> re.findall("a..x$","asdxfa22x")
['a22x']

（三）重复符号，* + ? { }

1，*是重复紧挨着的字符，从0次到无穷次

>>> re.findall("alex*","asdxfale")
['ale']

2，+是1到无穷次，如果没有（0次）就匹配不上

>>> re.findall("alex+","asdxfale")
[]
>>> re.findall("alex+","asdxfalexxx")
['alexxx']

3，？是0或者1次

>>> re.findall("alex?","asdxfalexxx")
['alex']
>>> re.findall("alex?","asdxfale")
['ale']

4，{}自定义范围   {0,}==*   {1,}==+   {0,1}==?  {6}==重复6次  {1,6}重复1到6次

>>> re.findall("alex{6}","asdxfalexxxxxx")
['alexxxxxx']
>>> re.findall("alex{6}","asdxfalex")
[]
>>> re.findall("alex{0,1}","asdxfalex")
['alex']
>>> re.findall("alex{0,1}","asdxfale")
['ale']

注意*,+,?等都是贪婪匹配，后面加？号使其变成惰性匹配

>>> re.findall('abc*?','abcccccc')
['ab']
>>> re.findall('abc*','abcccccc')
['abcccccc']
>>> re.findall('abc+?','abcccccc')
['abc']

（四）字符集[]

实现或的逻辑

>>> re.findall('x[yz]','xyuuxzuu')
['xy', 'xz']
>>> re.findall('x[yz]p','xypuuxzuu')
['xyp']
>>> re.findall('x[y,z]p','xypuuxzuux,p')
['xyp', 'x,p']

[]内只有三个字符例外

1，-表示范围

>>> re.findall('x[a-z]','xypuuxzuux,p')
['xy', 'xz']
>>> re.findall('x[a-z]*','xypuuxzuux')
['xypuuxzuux']
>>> re.findall('x[a-z]*','xypuuxzuux9n')
['xypuuxzuux']

2，^非

>>> re.findall('x[^a-z]','x12')
['x1']
>>> re.findall('x[^a-z]','xy')
[]
>>> re.findall("\([^()]*\)","12+(34*6+2-5*(2-1))")
['(2-1)']

3，\  后面跟元字符去除特殊功能，比如\.

后面跟普通字符实现特殊功能，比如\d

\d  匹配任何十进制数；它相当于类 [0-9]。
\D 匹配任何非数字字符；它相当于类 [^0-9]。
\s  匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
\b  匹配一个特殊字符边界，比如空格 ，&，＃等

>>> re.findall("\d","12+(34*6+2-5*(2-1))")
['', '', '', '', '', '', '', '', '']
>>> re.findall("\d+","12+(34*6+2-5*(2-1))")
['', '', '', '', '', '', '']
>>> re.findall("[0-9]+","12+(34*6+2-5*(2-1))")
['', '', '', '', '', '', '']
>>> re.findall("\D+","12+(34*6+2-5*(2-1))")
['+(', '*', '+', '-', '*(', '-', '))']
>>> re.findall("\D+","hello world")
['hello world']
>>> re.findall("\s+","hello world")
[' ']
>>> re.findall("\S+","hello world")
['hello', 'world']
>>> re.findall("\w+","hello_world")
['hello_world']
>>> re.findall("\W+","~!@#$%^&*()")
['~!@#$%^&*()']
>>> re.findall("www\.baidu","www.baidu")
['www.baidu']

\b的用法讨论。re.findall("I\b","I am ooo"),这里面python解释器会识别出\b,并处理后交给re模块，re模块收到的不再是\b，于是产生问题。

解决方法1：使用r(raw string原生字符串)re.findall(r"I\b","I am ooo")

解决方法2：使用\\，由python解释器处理一次，去掉一个\，传给re模块就变成\b，re.findall("I\\b","I am ooo")

举例：找出"c\l"，反推re模块接收为"c\\l"，反推python解释器接收为"c\\\\l"，最后re.findall("c\\\\l","I am oc\lo")　　　

>>> re.findall("c\\\\l","I am oc\lo")
['c\\l']

（五）管道符|

|之前是一部分，|之后是一部分，两者是或的关系

>>> re.findall("ka|b","I am ka|b")
['ka', 'b']

（六）分组介绍

1，匿名分组使用()

>>> re.findall("(abc)+","I am abcd")
['abc']

注意：如果使用（）分组，findall会优先显示匹配到的分组（）里面的内容，而不是匹配的全部内容

如果就想要www.baidu.com完整匹配，需要在括号里加入？：

>>> re.findall("www\.(baidu|163)\.com","dfsgfwww.baidu.com112")
['baidu']
>>> re.findall("www\.(?:baidu|163)\.com","dfsgfwww.baidu.com112")
['www.baidu.com']

　　利用“优先显示匹配到的结果”解释下面的的现象

>>> re.findall("(abc)+","I am abcabcabc")
['abc']

　　上面实际把abc作为一个整体匹配，匹配到1次，结果是abcabcabc，但是只显示1个abc。如果想要全部显示，则需要使用上面的？：，如下：

>>> re.findall("(?:abc)+","I am abcabcabc")
['abcabcabc']

　　这种整体分组使用括号（）匹配和单个字符匹配abc+是不一样的，如下abc+匹配到了3次而不是像上面分组的1次

>>> re.findall("abc+","I am abcabcabc")
['abc', 'abc', 'abc']

　　同理，分组的匹配出现多次的情况：

>>> re.findall("(abc)+","I am abcabc111abc")
['abc', 'abc']

2，命名分组：?P<name>对匹配没有任何影响，只是起了一个分组的名字叫name，而name作为group方法调用的参数。实际对匹配起作用的仍然是[a-z]+)\d+

>>> re.search("(?P<name>[a-z]+)\d+","alex36wusir34xialv33").group()
'alex36'
>>> re.search("(?P<name>[a-z]+)\d+","alex36wusir34xialv33").group("name")
'alex'
>>> re.search("(?P<name>[a-z]+)(?P<age>\d+)","alex36wusir34xialv33").group("age")
''

三，方法

1，findall，返回所有满足匹配条件的结果，放在列表里

2，serach，在字符串内查找模式匹配，找到第一个然后返回一个对象。通过调用group()方法得到匹配的字符串，如果字符串没有匹配返回None

3，match，只会在开始处进行匹配

>>> re.match("(\d+)","alex36wusir34xialv33")
>>> re.match("(\d+)","56alex36wusir34xialv33")
<_sre.SRE_Match object; span=(0, 2), match=''>
>>> re.match("(\d+)","56alex36wusir34xialv33").group()
''

4，split，分割函数

>>> re.split("[ |]","hello abc|def")
['hello', 'abc', 'def']
>>> re.split("[ab]","asdabcd")
['', 'sd', '', 'cd']
>>> re.split("[ab]","abc")
['', '', 'c']

5，sub，替换函数，4个参数：1：模式，2：替换为字符，3：搜索字符串，4：替换次数

>>> re.sub("\d+","A","J12abc234ffg55")
'JAabcAffgA'
>>> re.sub("\d","A","J12abc234ffg55")
'JAAabcAAAffgAA'
>>> re.sub("\d","A","J12abc234ffg55",4)
'JAAabcAA4ffg55'
>>> re.subn("\d","A","J12abc234ffg55")
('JAAabcAAAffgAA', 7)

6，compile，模式先编译好，以后就可以直接调用。好处是写一次可以使用多次提高效率。

>>> com=re.compile("\d+")
>>> com.findall("fjlkdad234hfjksd3421")
['', '']
>>> com.findall("444adf555")
['', '']

7，finditer，返回的是迭代器对象，不再是列表。好处和迭代器是一样的。

>>> ret=re.finditer("\d","sdfds123fr")
>>> next(ret).group()
''
>>> next(ret).group()
''

参考：http://www.cnblogs.com/yuanchenqi/articles/5732581.html