python基础13 ---函数模块3(正则表达式)

正则表达式

一、正则表达式的本质

　　1、正则表达式的本质（或 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，然后由用 C 编写的匹配引擎执行。

　　2、正则表达式简介

　　　　正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分　　强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是　　不常用的部分。

二、正则表达式元字符。（.  * + ? ^ $ {} [] \ | ()）

　　1、" . "表示匹配字符串中除换行符外的任意字符。

　　　　eg:re.findall('a.','abc') #返回的结果是ab

　　2、" + "表示匹配前一个子表达式一次或多次，相当于一到正无穷。{1,}

　　　　eg:re.findall('a+','abc') #返回的结果是a

　　3、" * "表示匹配前一个子表达式零次或多次，相当于零到正无穷。{0,}

　　　　eg:re.findall('aa*','abc') #返回的结果是a

　　4、" ? "表示匹配前一个子表达式零次或一次，相当于零和一。{0，1}

　　　　eg:re.findall('aa?','abc') #返回结果为a

　　5、" ^ "（脱字符）表示匹配字符串开始的位置，也就是说只有目标字符串出现在开始位置才会匹配。

　　　　eg:re.findall('^ab','abcabcabc') #返回的结果是ab

　　6、" $ "(美元符)表示匹配字符串的末尾位置，也就是说只要目标字符串出现的末尾的位置才会匹配。

　　　　eg:re.findall('bc$','abcabc') #返回的结果为bc

　　7、" {x,y} "（大括号）表示匹配前面一个子表达式至少为x次最多为y次，其中x,y都为非负数，x<y。

　　　　eg:re.findall('a{2,4}','abcaaaabc') #返回的结果为aaaa

　　8、" [x,y] "(中括号)表示匹配中括号里面任意一个字符，如果匹配成功则返回结果，其中中括号内所有特殊字符都失去作用，只有“-”，“\”，“ ^ ”有其特殊意义。

　　　　eg:re.findall('a[b,c,d]c','abcadcafc') #返回的结果为abc,adc

　　注意：-在中括号中表示范围，^在中括号中表示取反，\在中括号中保留其原来功能。

　　9、" () "表示将需要匹配的字符分组，匹配小括号中的正则表达式，或者指定一个子集的开始和结束位置（该功能主要和\[0-9]使用）。

　　　　eg:re.findall('r(ge)g','fagrgeg5654yg5h54t3') #返回结果为ge

　　　　eg:re.findall('r(:?ge)g','fagrgeg5654yg5h54t3') #返回结果为rgeg

　　　　eg:re.search('r(ge)\1','fagrgege5654yg5h54t3') #返回结果为gege

　　　　eg:ret=re.search(r"-blog-aticles-(?P<year>20[01]\d)-(?P<month>\d+)","-blog-aticles-2015-04")#P是大写的

　　　　　 print(ret.group("year"))

　　10、"x|y"表示匹配正则表达式x或者正则表达式y.一般情况是和小括号连用

　　　　eg:re.findall('ac|bc','abcdefg') #返回的结果为bc

　　　　eg:re.findall('a(?:b|c)d','acdbcdefg') #返回的结果为acd

　　11、" \ "反斜杠在表达式中的作用最为广泛，它既可以将一个普通字符转换为一个特殊字符，也可以把一个特殊字符转换为一个普通字符(相当于解除元字符的特殊功能)，如果反斜杠后面跟数字他有两种用法，如果数字为1-99表示引用序号的子字符串所匹配的字符串，如果数字是0开头或者为三位数字（092，123），那么他会把这个三位数字当作一个八进制来看待（主要是把这个八进制转换成ASCII表对应的字符，ASCII编码表共有127个字符）。

　　　　eg:re.findall('\d+','afew3223fef45t') #返回结果为3223，45

　　　　eg:re.findall(r'\\d','fawef\dfwa')  #返回的结果为\\d

　　　　eg:re.search('(ge)\1','fagrgege5654yg5h54t3') #返回结果为ge 相当于re.search('gege','fagrgege5654yg5h54t3') #返回结果为gege

　　注释：\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 匹配任何字母数字下划线字符； 它相当于类 [a-zA-Z0-9_]。

　　　　　\W 匹配任何非字母数字下划线字符； 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

三、正则表达式模块

　　1、re模块

　　　　import re

　　2、模块的使用方法

　　　　1.re.findall(pattern，string) ：该模块是返回所有匹配条件的结果放在一个列表内。

　　　　2.re.search(pattern,string):函数会在字符串中查找模式匹配，直到找到第一个符合匹配的字符串后返回匹配的对象，其返回的结果是对象的内存地址，要想查看其匹配的　　对象就必须在返回结果对象的后面加上.group()来调用其字符串，其字符串类型是个str，如果字符串没有被匹配，就返回None。

　　　　3.re.match(pattern,string) :函数会在字符串开头查找，如果匹配成功返回该字符串的内存地址，需要用.group()调用该内存地址，返回str类型的字符串，如果没有匹配成功　　则返回Nonetype

四、正则表达式扩展。

　　1、正则表达式匹配模式。

　　　　默认情况下重复元字符（*，{}，+,?）的匹配模式是贪婪匹配（会尽可能的多匹配符合规格的字符串），如果想把他改为非贪婪匹配只需要在重复元字符后面加上‘？’就可以

　　　　例如，对于字符串abcccccccc,正则表达式是abc+会匹配整个字符串，如果abc+?则只会匹配abc

　　2、re.split()的用法

　　　　1.原型：re.split(pattern, string, maxsplit=0,flages)

　　　　　     eg:s="hello23world12alex7asd"
　　　　　　　　ret=re.split("(\d+)",s) #返回的结果是['hello', '23', 'world', '12', 'alex', '7', 'asd'] 不仅以数字进行分割还把数字本身返回

　　　　　　　　ret=re.split("\d+",s)#返回结果为['hello', 'world', 'alex', 'asd'] 只以数字进行分割

　　　　2.如果分割的字符串不符合，就返回整个字符串的list.

　　3、re.sub()和re.subs()用法

　　　　1.原型：re.sub(pattern, repl, string,count, flags)#(正则表达式，替换的新字符串，原始字符串，替换次数) #其中第二个repl可以是新的pattern，例如r'pattern'

　　　　2.eg:ret=re.subn("w.{2,3}d","egon","hello world waad")

　　4、re.compile()用法#编译正则表达式

　　　　1.p=re.compile(‘正则表达式’)

　　　　2.p.findall('字符串')

　　5、re.finditer()用法。

　　　　1.原型：re.finditer(pattern, string, flages)#返回的值是个可迭代对象。

　　　　　　eg: import re

　　　　　　　　ret=re.finditer('\d','ds3sy4784a')

　　　　　　　　print(ret) #<callable_iterator object at 0x10195f940>

　　　　　　　　print(next(ret).group())

　　　　　　　　print(next(ret).group())