正则表达式

一.原子：最基本的组成单位（每个正则表达式中至少包含一个）

1.普通字符作为原子

import re
string = "taoyunjiaoyu"
pat = "yun"
rst = re.search(pat, string)
print(rst)

2.非打印字符为原子 例：\n, \t

import re
string = '''taoyunjiaoyu
'''
pat = "\n"
rst = re.search(pat, string)
print(rst)

3.通用字符为原子

\w:匹配任意一个字母、数字、下划线
\W:除字母、数字、下划线
\d:十进制数字
\D:除十进制数字
\s:空白字符
\S:除空白字符

import re
string = '''taoyunsd5 64854165jiaoyu
'''
pat = "\w\d\s\d\w"
rst = re.search(pat, string)
print(rst)

4.原子表: [xyz] 从中任意选一个原子

import re
string = '''taoyunsd5 64854165jiaoyu
'''
pat = "tao[xyz]un"
rst = re.search(pat, string)
print(rst)

注： [^xyz]:除了这三个原子，其他都可以提取 ^:非

二.元字符

.:匹配除换行外的任意一个字符
^:匹配字符串的开始位置
$:匹配字符串的结束位置
*:前面这个元素出现0\1\多次
?:0\1次
+: 1\多次
{n}:恰好n次
{n},:至少n次
{n,m}:至少n次，最多m次
|：模式选择符或
():模式单元
例：

import re
string = 'taoyunsd5 64854165jiaoyu'
pat = "tao.un"
rst = re.search(pat, string)
print(rst)

三.模式修正符

I:匹配是忽略大小写*
M:多行匹配*
L:本地化识别匹配
U:对unicode字符进行解析
S:让.匹配包括换行符*

import re
string = "Python"
pat = "pyt"
rst = re.search(pat, string, re.I)
print(rst)

四.贪婪模式与懒惰模式

import re
string = "poythony468654y"
pat = "p.*y"   #贪婪模式，比较模糊
pat2 = "p.*?y"   #懒惰模式，比较精准
rst = re.search(pat, string, re.I)
rst2 = re.search(pat2, string, re.I)
print(rst)
print(rst2)

五.正则表达式函数

1.match：从头开始匹配

import re
string = "poythony468654y"
pat2 = "o.*?y"
rst2 = re.match(pat2, string, re.I)
print(rst2)
#None

2.search：

3.全局匹配格式re.compile(正则表达式).findall(数据)

rst=re.compile(pat).findall(string)
print(rst)

4.sub函数

六.正则实例

1.匹配.com和.cn网址
string="<a href=http'http://www.baidu.com'>百度首页</a>"
pat="[a-zA-Z]+://[^\s]*[.com|.cn]"
rst=re.compile(pat).findall(string)
print(rst)
2.正则实例：匹配电话号码
string="jsghajshda021-546463464646jksfjlksaf0773-546874651654165sdafsadf"
pat="\d{4}-\d{7}|\d{3}-\d{8}"
rst=re.compile(pat).findall(string)
print(rst)