_正则表达式

-正则表达式-

是对字符串操作的一种逻辑公式。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的

- 常见的匹配模式-

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符 <==> [\t\n\r\f]
\S	匹配任意非空字符
\d	匹配任意数字，等价[0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束标识符
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开始
$	匹配字符串的末尾
.	匹配任意字符，除了换行符
[...]	用来表示一组字符，单例列出
[^...]	不在[]中的字符
*	匹配0或多个的表达式
+	匹配1个或多个的表达式
?	匹配0或1由前面的正则表达式定义的片段，非贪婪方式
(n)	精确匹配n个前面表达式
(n,m)	匹配n到m次 由前面的正则表达式定义的片段，贪婪方式
a\b	匹配a或b
()	匹配括号内的表达式

re.match
尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配的话，返回none
- 起始位置

[01]re.match> 常规匹配

import re
content = 'hello i have 9999'
result = re.match('^\w{5}\s\w\s\w{4}\s\d{4}$', content)
print(result)
print(len(content))  #长度
print(result.group())
print(result.span())        # 范围

<_sre.SRE_Match object; span=(0, 17), match='hello i have 9999'>
17
hello i have 9999
(0, 17)

[02]re.match> 泛匹配

import re
content = 'hello 123'
result = re.match('^hello.*23$', content)
print(result)


<_sre.SRE_Match object; span=(0, 9), match='hello 123'>

[03]re.match> 匹配目标

import re
content = 'I can do magic Num 123'
result = re.match('^I.*Num\s(\d+)$', content)
print(result)
print(result.group(1))  #显示第一个括号里的数字

<_sre.SRE_Match object; span=(0, 22), match='I can do magic Num 123'>
123

[04]re.match> 贪婪匹配

import re
content = 'hello 1234567'
result = re.match('^he.*(\d+)$', content)
print(result)
print(result.group(1))

<_sre.SRE_Match object; span=(0, 13), match='hello 1234567'>
7

[05]re.match> 非贪婪匹配

import re
content = 'hello 1234567'
result = re.match('^he.*?(\d+)$', content)
print(result)
print(result.group(1))

<_sre.SRE_Match object; span=(0, 13), match='hello 1234567'>
1234567

[06]re.match> 转义

import re
content = 'this apple is $50'
result = re.match('^th.*?is\s\$(\d+)$', content)
print(result) # 注意 金钱后面变为'\$',否则会报错

<_sre.SRE_Match object; span=(0, 17), match='this apple is $50'>

re.search
re.search扫描整个字符串并返回第一个成功的匹配
- 整个字符串
- 返回一个

[01]re.search> 匹配演示

import re
message = """
<li>
    <span>Hello</span>
    <a> 你好</a>
</li>

"""
mes = re.search("span>(.*?)<.*?a>(.*?)</a>", message, re.S)
print(mes.group(1))
print(mes.group(2))

Hello
你好

re.findall
re.findall搜索字符串,以列表形式返回全部能匹配的子串

[01]re.findall> 匹配演示

import re
import requests

response = requests.get("http://www.taobao.com/")
#print(response.text)       #打印了html文档
link = re.findall('href="(.*?)"',response.text, re.S)

for each in link:
    print (each)

这样就会打印a标签里面的连接(不完善)

re.sub
re.sub替换字符串中每一个匹配的字串后返回替换后的字符串

import re

content = "My QQ is 569781231"
content = re.sub('\d+', ' it\' s a secret', content)
print(content)

My QQ is  it' s a secret