学习笔记-正则表达式

1.定义

正则表达式可以用来搜索、编辑或处理文本

2.表达式组件

()括起来的部分就是要提取的。
.匹配任何字符串。
+一次或多次。
?不要太贪婪，在找到第一个匹配项后停止

3.常用的字符集匹配模式

第一：'[pj]yhton'与'python'和'jython'都能匹配，[pj]表示第一个字符是p或者是j都可以匹配

第二：'[a-z]'与a~z的任何字母都匹配，还可以组合多个访问，'[a-zA-Z0-9]'与大写字母、小写字母、数字都匹配

第三：要指定排除的字符集，可在开头添加一个^字符，例'[^abc]'与除a、b、c外的其他任何字符都匹配

4.二选一和子模式

• 二选一模式

如果只想匹配字符串'python'和'perl'，必须使用表示二选一的特殊字符：管道字符'|'，所需模式为'python|perl' 

• 子模式

有时候不想将二选一运算符用于整个模式，而只想将其用于模式的一部分。
为此，可将这部分（子模式）放在圆括号内，可以写成'p(ython|erl)'

• 子模式匹配情况

（pattern）?：表示pattern匹配模式可以出现0次或者1次
（pattern）*：表示pattern匹配模式可以出现0次、1次或多次
（pattern）+：表示pattern匹配模式可以出现1次或多次
（pattern）{m,n}：表示pattern匹配模式可以重复m~n次

5.可选模式和重复模式

例如：r'(http://)?(www\.)?python\.org'（使用原始字符串r'xxxxxx'，可以减少所需的转义斜杠数量）
会出现以下匹配结果：
1、http://www.python.org
2、www.python.org
3、http://python.org
4、python.org

6.python RE模块介绍

• 常用函数

函数名	介绍
compile（pattern[,flags]）	根据包含正则表达式的字符串创建模式对象，返回一个匹配模式的对象
search（pattern,string[,flags]）	在字符串中查找第一个与指定正则表达式匹配的子串，匹配成功返回MacthObject（结果为真），否则返回None（结果为假）
match（pattern，string[,flags]	在字符串开头查找与正则表达式匹配的子串，匹配成功返回MacthObject（结果为真），否则返回None（结果为假）tips：如果要求与整个字符串匹配，需要在模式末尾加上一个$，将匹配模式延伸到整个字符串
split（pattern，string[,maxsplit=0]）	根据匹配模式来分割字符串，比字符串split更加灵活
findall（pattern，string）	返回一个列表，其中包含所有与给定模式匹配的子串
sub（pat，repl，string[,flags]）	将字符串中于模式pat匹配的子串都替换为repl（从左往右）
escape（string）	对字符串中所有可能被视为正则表达式运算符的字符进行转义

• 示例
• re.compile

import re
set_string='The sum of 7 and 9 is [7+9]'
pat=re.compile(r'\[(.+?)\]')

• re.search

import re
 
set_string='The sum of 7 and 9 is [7+9]'
pat=re.compile(r'\[(.+?)\]')
s=re.search(pat,set_strint)
print(s)
-------------------------------------------------------------------------------------------
<_sre.SRE_Match object; span=(22, 27), match='[7+9]'>

• re.match

import re
 
set_string='The sum of 7 and 9 is [7+9]'
pat=re.compile(r'\[(.+?)\]')
s=re.match(pat,set_strint)
print(s)
-------------------------------------------------------------------------------------------
None

• re.split

import re
 
set_string='The sum of 7 and 9 is [7+9]'
pat=re.compile(r' ')
get_list=re.split(pat,set_string)
print(get_list)
-------------------------------------------------------------------------------------------
['The', 'sum', 'of', '7', 'and', '9', 'is', '[7+9]']

• re.findall

import re
 
set_string='The sum of 7 and 9 is [7+9],and the sum of 9 and 9 is [9+9]'
pat=re.compile(r'\[(.+?)\]')
s=re.findall(pat,set_string)
print(s)
-------------------------------------------------------------------------------------------
['7+9', '9+9']

• re.sub

import re
 
set_string='The sum of 7 and 9 is [7+9],and the sum of 9 and 9 is [9+9]'
pat=re.compile(r'\[(.+?)\]')
s=re.sub(pat,'result',set_string)
print(s)
-------------------------------------------------------------------------------------------
'The sum of 7 and 9 is result,and the sum of 9 and 9 is result
--------------------- 

• re.eacape

import re
 
set_string=r'https://www.python.org'
get_string=re.escape(set_string)
print(get_string)
-------------------------------------------------------------------------------------------
'https\:\/\/www\.python\.org'

7.贪婪模式和非贪婪模式

• 贪婪模式
  重复运算符默认是贪婪的，这意味着它们将匹配尽可能多的内容。

import re
 
set_string=r'*something**getlalala**wulalala*'
repl=r'<em>\1<\em>'
pat=re.compile('\*(.+)\*')
get_string=re.sub(pat,repl,set_string)
print(get_string)
-------------------------------------------------------------------------------------------
'<em>something**getlalala**wulalala<\em>'

• 非贪婪模式
  对于所有的重复运算符，都可在后面加上问号来将其指定为非贪婪模式。匹配会尽可能少的内容。

import re
 
set_string=r'*something**getlalala**wulalala*'
repl=r'<em>\1<\em>'
pat=re.compile('\*(.+?)\*')
get_string=re.sub(pat,repl,set_string)
print(get_string)
-------------------------------------------------------------------------------------------
'<em>something<\em><em>getlalala<\em><em>wulalala<\em>'