re模块和正则表达式

一、正则表达式：

　　官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

　　在线测试工具：http://tool.oschina.net/regex/　　

　　方法规则：

　　1、字符组

　　2、字符

　　3、量词

字符

.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线符
\s	匹配空格符
\d	匹配数字符
\W	匹配非字母或数字或下划线符
\S	匹配非空格符
\D	匹配非数字符
\n	匹配换行符
\t	匹配制表符（tab）
\b	匹配一个单词的结尾
^	匹配字符串的开头字符
$	匹配字符串的结尾字符
a|b	匹配字符a或字符b，长字符放前面
()	匹配括号内的表达式，也可以表示一个组
[...]	匹配字符组中的字符
[^...]	匹配非字符组内以外的所有字符

字符组

正则	待匹配结果	匹配结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符 和"待匹配字符"相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有"a"字符，所以不能匹配
[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

 

量词	用法说明	注意
*	重复零次或更多次	默认贪婪匹配，后面加?变惰性匹配
+	重复一次或更多次	默认贪婪匹配，后面加?变惰性匹配
？	重复零次或一次
{n}	重复n次	添加内容ps:加\表示转义
{n，}	重复n次或更多次	在字符串前加r，正则不转义
{n，m}	重复n到m次

 

　　特点：

　　　　1、^与$符连用，会精准限制匹配的内容，两者中间些什么，匹配的字符串就必须啥，无多勿少

　　　　2、正则在匹配的时候哦默认贪婪匹配，可以在量词后面加？，转成惰性匹配

　　　　3、量词必须跟在正则符号的后面，且量词只能够跟限制紧挨着它的哪一个正则符号

二、正则和re模块关系：

　　1、正则表达式不是python独有，它是一门独立的技术

　　所有编程语言否可以使用正则

　　但是如在python中使用，就必须依赖re模块

　　2、在python应用场景：

　　　　1.爬虫

　　　　2.数据分析

　　3、用法：

　　　　先调用 import re

　　　　1、re.findall

res = re.findall(‘[a-z]+‘,‘eva egon jason‘)
# findall(‘正则表达式‘,‘带匹配的字符串‘)
print(res)  # 输出 [‘eva‘,‘egon‘,‘jason‘]
# 找出字符串中符合正则表达式全部内容 并且返回的是一个列表,列表中的元素就是正则匹配到的结果

　　　　忽略分组有限机制

ret1 = re.findall(‘www.(baidu|oldboy).com‘,‘www.oldboy.com‘)
ret2 = re.findall(‘www.(?:baidu|oldboy).com‘,‘www.oldboy.com‘)  # 忽略分组优先的机制
print(ret1,ret2)  # [‘oldboy‘]     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

　　　2、re.search     一般用if判断取值连用

res = re.search(‘a‘,‘eva egon jason‘)
print(res)  # search不会给你直接返回匹配到的结果 而是给你返回一个对象
print(res.group())  # 必须调用group才能看到匹配到的结果
‘‘‘
输出结果
<_sre.SRE_Match object; span=(2,3),match=‘a‘>
a
‘‘‘

注意:
    1.search只会依据正则查一次 只要查到了结果 就不会再往后查找
    2.当查找的结果不存在的情况下 调用group直接报错

　　　3、re.match

res = re.match(‘a‘,‘eva egon jason‘)
print(res)
print(res.group())
"""
注意:
    1.match只会匹配字符串的开头部分
    2.当字符串的开头不符合匹配规则的情况下 返回的也是None 调用group也会报错
"""

　　　4、re.split

ret = re.split(‘[ab]‘,‘abcd‘)  # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割
print(ret)  # [‘‘,‘‘,‘cd‘] 返回的还是列表

　　　

ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 ： [‘eva‘,‘yuan‘]

ret1=re.split("(\d+)","eva3egon4yuan")
print(ret1) #结果 ： [‘eva‘,‘3‘,‘4‘,‘yuan‘]

 

　　　5、re.sub / re.subn

ret = re.sub(‘\d‘,‘H‘,‘eva3egon4yuan4‘,1)  # 将数字替换成‘H‘，参数1表示只替换1个
# sub(‘正则表达式‘,‘新的内容‘,‘待替换的字符串‘,n)
"""
先按照正则表达式查找所有符合该表达式的内容 统一替换成‘新的内容‘  还可以通过n来控制替换的个数
"""
print(ret)  # evaHegon4yuan4

ret = re.subn(‘\d‘,‘eva3egon4yuan4‘)  # 将数字替换成‘H‘，返回元组(替换的结果,替换了多少次)
ret1 = re.subn(‘\d‘,1)  # 将数字替换成‘H‘，返回元组(替换的结果,替换了多少次)
print(ret,ret1)  # 返回的是一个元组 元组的第二个元素代表的是替换的个数
#(‘evaHegonHyuanH‘,(‘evaHegon4yuan4‘,1)    

　　　6、re.compile

obj = re.compile(‘\d{3}‘)  #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
ret = obj.search(‘abc123eeee‘) #正则表达式对象调用search，参数为待匹配的字符串
res1 = obj.findall(‘347982734729349827384‘)
print(ret.group())  #结果 ： 123
print(res1)  #结果 ： [‘347‘,‘982‘,‘734‘,‘729‘,‘349‘,‘827‘,‘384‘]

　　　7、re.finditer

import re
ret = re.finditer(‘\d‘,‘ds3sy4784a‘)   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  # 等价于ret.__next__()

print([i.group() for i in ret])  #可查看剩余的左右结果

　　　8、可以给正则表达式起别名

import re
res = re.search(‘^[1-9](\d{14})(\d{2}[0-9x])?$‘,‘110105199812067023‘)
# 还可以给某一个正则表达式起别名

res1 = re.search(‘^[1-9](?P<password>\d{14})(?P<username>\d{2}[0-9x])?$‘,‘110105199812067023‘)
# print(res.group())
print(res1.group(‘password‘))  # 等于 print(res1.group(1))
print(res1.group(‘username‘)) # 等于print(res1.group(2))