RE模块-正则表达式

Menu

• re定义
• re元字符
• re方法

---

re定义

• 正则表达式本身是一种小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，程序媛们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行，执行速度快。他定义了在其它字符串中进行匹配的模式（进行模糊查询的方式）。

---

re元字符

• . ^ $ * + ? {} [] | () \

• . 通配符

result = re.findall("py..on", "aaaapythonbbbpycconccc")        # 通配符
print(result)   # ['python', 'pyccon']

• ^元字符

result = re.findall("^python", "pythonbbbpycconccc")   # 匹配以什么开头
print(result)   # ['python']

• $元字符

result = re.findall("python$", "bbbpycconcccpython")   # 匹配以什么结尾
print(result)   # ['python']

• *元字符

result = re.findall("co*l", "cccoolcccoolccc")  # 匹配0-无限次
print(result)   # ['ccc', 'ccc']

• +元字符

result = re.findall("w+", "wwwww.abc.com")  # 匹配1-无限次
print(result)   # ['wwwww']

• ？元字符

result = re.findall("em?", "emmmm~. ")  # ? 匹配0-1次
print(result)   # ['em']

• {}元字符

result = re.findall("w{1-3}", "wwww.abc.com")  #｛n,[n]｝ 匹配n次 或 n-n次
print(result)   # ['www']

• [] 字符集

result = re.findall("[a-zA-Z]ython", "Python is a programming language, I am learning python...")    #  [字符集]
print(result)   # ['Python', 'python']

• | 元字符

result = re.findall("pathon|pbthon|pcthon", "asdfaspathonasdfpbthonasdfpcthonasdf")  # 或者|
print(result)   # ['pathon', 'pbthon', 'pcthon']

• () 分组符号
• ()分组把搜索到的内容存到变量里

result = re.search("(?P<name>[a-z]+)(?P<age>[0-9]+)", "bob36smm66cindy5")  
print(result.group("name"))   # bob    
print(result.group("age"))    # 36

• ()分组里的内容会优先匹配

result = re.findall("www\.(baidu|google)\.com", "www.google.com")
print(result)   # ['google']

• ()分组里的内容会优先匹配, 如果要取消优先级，需要在括号后加“?:”

result = re.findall("www\.(?:baidu|google)\.com", "www.google.com")
print(result)   # ['www.google.com']

• ()分组匹配多次

import re
result = re.findall("(?:abc)+", "abcabcabc")  # 如果要分组匹配多次，需要把分组括号括起来加上()+
print(result) #['abcabcabc']   但是有括号，只优先显示括号里的内容，需要取消优先级括号里+"?:"

• \ 转义符号

"""
\d  匹配任何十进制数；它相当于类 [0-9]。
\D 匹配任何非数字字符；它相当于类 [^0-9]。
\s  匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
\b  匹配一个特殊字符边界，比如空格 ，&，＃等
"""
result = re.findall("\d+", "cc11cool22cccool33ccc")
print(result)   # ['11', '22', '33']
result = re.findall("\D+", "cc11cool22cccool33ccc")
print(result)   # ['cc', 'cool', 'cccool', 'ccc']
result = re.findall("\s+", "cc cool cccool")
print(result)   # [' ', ' ']
result = re.findall("\S+", "cc cool cccool")
print(result)   # ['cc', 'cool', 'cccool']
result = re.findall("\w+", "cc cool cccool _")
print(result)   # ['cc', 'cool', 'cccool', '_']
result = re.findall("\W+", "cc#cool*cccool@")
print(result)   # ['#', '*', '@']
result = re.findall("\\bcool\\b", "cc#cool#cccool#")
print(result)   # ['#', '*', '@']
result = re.findall("c\\\\l", "cc\l#cccool#")  # \\\\转义成\\ , 然后在re模块里再\\转义成\
print(result)   # ['#', '*', '@']

. ^ $ * + ? {} [] | () \

元字符	规则
.	匹配任意除换行符"\n"外的字符（在DOTALL）模式中也能匹配换行符
^	匹配字符串开头。在多行模式中匹配每一行的开头
$	匹配字符串末尾，在多行模式中匹配每一行的末尾
*	匹配前一个字符0次或无限次
+	匹配前一个字符1次或无限次
？	匹配前一个字符0-1次或
{}	匹配n次 或 n-n次
[]	匹配字符集如[a-zA-Z0-9]
|	匹配|左边或者右边的字符
()	被括起来的表达式将作为分组，从表达式左边开始没遇到一个分组的左括号“（”，编号+1.分组表达式作为一个整体，可以后接数量词。表达式中的	仅在该组中有效。
\	反斜杠后边跟元字符去除特殊功能，比如\.反斜杠后边跟普通字符实现特殊功能,比如\d

---

re方法

• re.findall()
  • 返回所有满足匹配条件的结果,放在列表里

result = re.findall("\d+", "cc11cool22cccool33ccc")
print(result)   # ['11', '22', '33']

• re.finditer()
  • 返回所有满足匹配条件的结果,返回一个迭代器对象。可以对他进行迭代，一条条处理信息。

result = re.finditer("\d", "sdf878sdfff678zxf000")
print(result)                  # <callable_iterator object at 0x00000000029459B0>
print(next(result).group())    # 8
print(next(result).group())    # 7

• re.search()
  • 只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

result = re.search("\d+", "cc11cool22cccool33ccc")
print(result.group())   # 11

• re.match()
  • 同re.search(), 但是仅在开始处开始匹配

result = re.match("\d+", "22cc11cool22cccool33ccc")
print(result.group())   # 22

• re.split()
  • 如果分割字符串是一个字符集，先按第一个字符分，分出的结果再按第二个字符分。以此类推。

result = re.split("[ab]", "abc")
print(result)   # ['', '', 'c']

• re.sub()
  • 替换方法，（替换模式，new字符，要替换的字符串）

result = re.sub(pattern="[0-9]", repl="替", string="abc111def222ghi333")
print(result)   # abc替替替def替替替ghi替替替

• re.subn()
  • 与sub相同的用法，但是会返回一个元组，元组的第二项是替换的次数；

result = re.subn(pattern="[0-9]", repl="替", string="abc111def222ghi333")
print(result)   # ('abc替替替def替替替ghi替替替', 9)

• re.compile()
  • 保存匹配规则

compile = re.compile("\d+\.\d+")      # 保存匹配规则
print(compile) # re.compile('\\d+\\.\\d+')
result = re.findall(compile, "asdfasdf8.22aasdf3.15")     # 用保存的匹配规则去匹配，可以重复用，维护规则容易
print(result)