python正则表达式

• 概念：对字符串的一种逻辑公式，
• 使用规则从原字符串中提取想要的字符串
• 应用场景：表单验证，爬虫

字符

• 普通字符：字母，数字，汉字，下划线，语言符号，没有特殊定义的符号
  • 在匹配中只匹配与自身相同的一个字符
• 元字符：
  • . :匹配除了换行\n以外的任意一个字符
  • [ ] :匹配字符集中的一个字符如[asfde]
  • [^] :匹配字符集以外的字符如[^asdf]
  • - :字符区间如0-9，a-z
  • \ :转义字符
  • ():对表达式进行分组，括号中的内容作为一个整体，并获取匹配的值
  • |:逻辑或操作符
• 预定义匹配字符集
  • \d: [0-9]
  • \D:[^0-9]
  • \w:[a-zA-Z0-9_]
  • \W:[^a-zA-Z0-9_]
  • \s:空格，制表符，换页符等空白字符
  • \S:除空白字符以外的字符
• 正则字符.png

重复匹配

• 一个字符匹配多次，可以在匹配规则中将字符重复多次，也可以在要多次匹配的字符后使用{n}表示
• {n}:匹配n次
• {m,n}:m<=n,匹配的次数在m到n之间，包含m,n
• {m,}:匹配次数大于等于m次，
• {,n}:匹配次数小于等于n次
• ?:相当于{0,1}匹配0次或1次
• +：相当于{1,}，至少匹配1次
• *:相当于{0,}，不限匹配次数

位置匹配和非贪婪匹配

• 位置匹配
  • ^:从字符串开始匹配
  • $:在字符串结束的地方匹配
  • \b:匹配单词边界，
  • \B:匹配非单词边界
• 贪婪与非贪婪模式
  • 在重复匹配时，正则默认总是尽可能多的匹配--贪婪匹配
  • 非贪婪则是尽可能少的匹配
  • (.*?):匹配 (.) 中的字符集组成的字符串0次或1次

re模块常用方法

• re.complie(pattern[,flags])-->根据正则表达式的字符串创建模式对象，该对象可以调用匹配方法

• re.search(pattern,string[,flags])-->在字符串中查找，从任意位置开始，返回查找到的对象

• re.match(pattern,string[,flags])-->在字符串开始处匹配

• re.findall(pattern,string[,flags])-->列出字符串模式中的所有匹配项

• re.split(pattern,string[,maxsplit=0,flags])-->根据匹配模式分割字符串，返回分割后的字符串列表，maxsplit分割次数

• re.sub(pat,repl,string[,count=0,flags])-->将字符串中所有的pat替换成repl，返回替换后的新字符串，count替换次数

• flags参数：

  • re.A ascii字符模式
  • re.I 不区分大小写
  • re.L 做本地化识别
  • re.M 多行匹配
  • re.S 使.能够匹配所有字符
  • re.U Unicode字符集解析字符
  • re.X

分组

• 使用()将匹配出来的字符进行二次筛选

• .groups()返回二次筛选后组成的元组

• .group()返回匹配到的所有字符串

• .group(n)返回匹配到的字符串二次筛选后的第n个字符串

• import re
  pat = 'a(.*?)a.*?f(.*?)g'
  # group()这是该规则匹配大的所有字符
  # group(1)表示第一个(.*?)匹配到的字符组成的字符串
  # groups()表示这两个(.*?)匹配到的字符串组成的元组