python中的正则表达式和re模块

什么是正则表达式：

一种匹配字符串的规则

正则表达式能做什么：

• 可以制定一个规则：

• 来确认某一个字符串是否符合规则

• 从大段的字符串中找到符合规则的内容

• 程序领域 ：

• 登录注册页的表单验证

• 爬虫

• 自动化开发： 日志分析

---

正则表达式的语法：

• 元字符

• 字符组[ ] ，在一个字符的位置上能出现的内容

• 量词

• 特殊的用法和现象

• ?的使用：在量词的后面跟了一个?号，取消贪婪匹配， 即惰性机制

---

字符：

元字符	匹配内容
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a | b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[…]	匹配字符组中的字符
[^…]	匹配除了字符组中字符的所有字符

量词：

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

图形记忆 ？ * + 所表示的含义：

. ^ $

正则	待匹配字符	匹配结果	说明
海.	海燕海娇海东	海燕海娇海东	匹配所有“海.”的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	只匹配结尾的"海.$"

几个常用的非贪婪匹配pattern

• *? 重复任意次，但尽可能少重复
• +? 重复1次或更多次，但尽可能少重复
• ?? 重复0次或1次，但尽可能少重复
• {n,m}? 重复n到m次，但尽可能少重复
• {n,}? 重复n次以上，但尽可能少重复

re模块下的常用方法：

• 匹配方法

• findall 匹配所有的项，返回列表

• search 如果有返回值，返回一个对象，没有返回值，返回none ，返回的对象通过group来获取匹配到的第一个结果

• match

• 替换

• sub 返回替换后的结果

• subn 返回元组（替换掉结果，替换了多少次）

• 切割

• split

• 进阶方法：

• compile 将正则表达式编译成一个正则表达式对象，

• finditer 返回一个存放匹配结果的迭代器

实例：

#findall方法
import re
ret = re.findall('\d','hello123python456')
print(ret)

---

#search
ret = re.search('\d','hello123python456')
print(ret) #返回一个对象
print(ret.group()) 返回第一个匹配的结果

---

#split
ret = re.split('\d+','alex40taibai35codegod21')
print(ret) #返回以数字切割后的列表

---

#sub,subn 替换的方法区别
ret = re.sub('\d','H','codegod1ello')
print(ret)
ret2 = re.subn('\d+','Joke','123')
print(ret2) #返回一个元组，(替换后的值，替换几次)

---

#compile
obj = re.compile('\d{3}')
ret = obj.search('abc123eeee')
print(ret.group())

---

ret = re.finditer('\d','sf230f3f9r39')
print(ret) #返回<callable_iterator object at 0x00000206653E6130>
print(next(ret).group()) #查看第一个结果
print(next(ret).group()) #查看第二个结果
print([i.group() for i in ret]) #查看剩余的左右结果

注意：

1. findall的优先级查询

import re
ret = re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(tet) #返回['oldboy'] 这是因为findall会优先把匹配结果组里内容返回，如果想要匹配结果，取消权限即可
ret = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
print(ret

2. split的优先级查询

ret = re.split("\d+","eva3egon4yuan")
print(ret) 
ret2 = re.split("(\d+)",'eva3egon4yuan')
print(ret2)

在正则匹配部分加上()之后所切出的结果是不同的，没有（）的没有保留所匹配的项，但是有（）后却能够保留了匹配的项。