Expresiones regulares + Python re Detalles módulo de habla

Las expresiones regulares son algunas reglas pequeños

    ① metacaracteres

regla	uso
\re	partido número es igual a -> [0-9]
\ w	Las letras subrayadas coinciden con el mismo número -> [_a-zA-Z0-9]
\ s	Coincidencia de espacio con tecla de tabulación de línea nueva
\RE	Además de la coincidencia de lo que los números
\ W	Además de coincidencia algo subrayado alfanumérica
\ S	Además del espacio de juego con nueva línea algo más que la tecla de tabulación
.	Además de hacer coincidir todas las cosas de nueva línea módulo er se puede adaptar a los saltos de línea tales re.S
[]	Izquierda y derecha entre corchetes se utilizan para especificar una clase de caracteres. clase de caracteres es un grupo de caracteres que basarse en juego.
[^]	Lo opuesto
^	Coincide con el comienzo
PS	Final del partido

    ② cuantificadores

regla	uso
?	Partido 0 o 1
+	Coincidir con 1 o más veces
*	Coincida con 0 o más veces

    ③ codicia y igualación no codicioso

    Siempre dentro del ámbito de los cuantificadores tantos partidos - la codicia
    siempre corresponda con tan poco como sea posible dentro del alcance de los cuantificadores - inerte
    . * X coincide con cualquier contenido encontrado con cualquier número de veces hasta la parada x
    + X coincide con cualquier contenido al menos una vez encontrado en x.? parada

    ④ escapar de los problemas

    Hay un significado especial, la abolición de especial significación \
    abolición de un significado especial metacarácter hay dos maneras
    en frente de los meta-caracteres más \
     en la parte del carácter en vigor, este meta-caracteres del juego de caracteres en
    [. () +? * ]

Python -> módulo re

findall
        会优先显示分组内的内容
        *****取消优先显示(?:正则)
search
        只能返回第一个符合条件的项
        得到的结果需要.group取值
        默认获取完整的匹配结果
        通过group(n)取第n个分组中的内容

# search 还是按照完整的正则进行匹配,显示也显示匹配到的第一个内容,但是我们可以通过给group方法传参数
# 来获取具体文组中的内容
ret = re.search('9(\d)(\d)','19740ash93010uru')
print(ret)  # 变量 -- > <re.Match object; span=(1, 4), match='974'>
if ret:
    print(ret.group()) #  --> 974
    print(ret.group(1)) # --> 7
    print(ret.group(2)) # --> 4

# findall
    # 取所有符合条件的,优先显示分组中的
# search 只取第一个符合条件的,没有优先显示这件事儿
    # 得到的结果是一个变量
        # 变量.group() 的结果 完全和 变量.group(0)的结果一致
        # 变量.group(n) 的形式来指定获取第n个分组中匹配到的内容


# 加上括号 是为了对真正需要的内容进行提取
ret = re.findall('<\w+>(\w+)</\w+>','<h1>askh930s02391j192agsj</h1>')
print(ret) # --> ['askh930s02391j192agsj']

    Otros comentarios de contenido se detalla en el código, puede copiar el código de ejecución paso a paso, a continuación, experimento

    Los siguientes contenidos: Dividir Sub subn las matemáticas, la compilación, finditer

# split sub subn math,compile,finditer

# split
res = re.split('\d+', "cyx123456cyxx")
print(res)  # --> ['cyx', 'cyxx']

res = re.split('(\d+)', "cyx123456cyxx")  # 保留分组
print(res)  # --> ['cyx', '123456', 'cyxx']

# sub 替换
res = re.sub('\d+', '我把数字替换了',
             "cyx123456cyxxx123456")  # 默认全部替换，当然也可以替换一次re.sub('\d+','我把数字替换了',"cyx123456cyxxx123456"，1)
print(res)  # --> cyx我把数字替换了cyxxx我把数字替换了

# subn 替换了并显示替换的次数
res = re.subn('\d+', '我把数字替换了', "cyx123456cyxxx123456")
print(res)  # --> ('cyx我把数字替换了cyxxx我把数字替换了', 2)

# match 这个就相当与加了个^ (和search差不多) --> 主要用来规定这个字符号必须是什么样的
res = re.match('\d+', 'cyx123456cyxxx')
print(res)  # --> None
res = re.match('\d+', '123cyx456cyxxx')
print(res.group())  # --> 123

# compile -- 节省代码的时间的工具
# 假如同一个正则表达式要被使用多次
# 节省了多次解析同一个正则表达式的时间
ret = re.compile("\d+")
res = ret.search("cyx12456cyxXX123")
print(res.group())  # --> 12456

# finditer --> 节省空间
ret = re.finditer("\d+", "cyx123456cyxxx125644")
for r in ret:
    print(r.group())  # --> 123456
    # 125644

# 怎么又节省时间又节省空间呢？
ret = re.compile('\d+')
res = ret.finditer("cyx222231fddsf45746sdf2123sdf56456sdf10123sdf123132sdf")
for r in res:
    print(r.group())
"""
222231
45746
2123
56456
10123
123132
"""

# 分组命名(?P<组名>正则) (?P=组名)
# 有的时候我们要匹配的内容是包含在不想要的内容之中的,
# 只能先把不想要的内容匹配出来,然后再想办法从结果中去掉

# 分组命名的用法 (找两个组里面是一样的内容)
exp = '<abc>asdasf54545645698asdasd</abc>00545sdfsdf</abd>'
ret = re.search('<(?P<tag>\w+)>.*?</(?P=tag)', exp)
print(ret) # -- > <re.Match object; span=(0, 33), match='<abc>asdasf54545645698asdasd</abc'>
# exp2：
import re

ret = re.search('\d(\d)\d(\w+?)(\d)(\w)\d(\d)\d(?P<name1>\w+?)(\d)(\w)\d(\d)\d(?P<name2>\w+?)(\d)(\w)',
                '123abc45678agsf_123abc45678agsf123abc45678agsf')
print(ret.group('name1')) # -- > agsf_123abc
print(ret.group('name2')) # -- > agsf

Pequeño pensamiento actual

    Cuando tenemos una lista como esta:

lis = ['', 'z', 'c', 'asd', 'sdf', '', 'asd']

    Entonces, ¿cómo eliminarla dentro del carácter nulo?

ret = filter(lambda n: n, lis)
print(list(ret))  # --> ['z', 'c', 'asd', 'sdf', 'asd']