python与正则表达式

Posted 2020-10-01

1.正则表达式

　　正则，只跟字符串相关，就是匹配字符串内容的一种规则。

　　正则主要有两部分组成，要查找字符的类型，以及要查找字符的数量。（自己的理解）

　　字符的类型：（相当于你要找的部分内容）

　　

元字符	匹配内容
.	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
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符

 

　　代表数量的量词：（相当于你要找的部分内容对应的个数）

　　　　

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

 

 

　　示例：

　　‘d\d+\w{3,6}p‘   这个正则表达式代表的是：以d开头，后边是数字，数量是1个或者多个，后边是字母、数字、下划线，数量是3-6个，然后以一个p结尾。

　　备注：这里都是默认为贪婪模式，数量能找到满足条件的多个，就找多个，非贪婪模式的是在表达数字的后边加‘？’号。如右：‘d\d+？\w{3,6}？p‘

　　代表要查找字符位置的符号：

　　^ 和 $ ： ^代表在字符串的开头出现，$ 代表在字符串的末尾出现。

　　示例 

　　string = ‘海燕海东海西‘  

　　^海.   会匹配到 开头的‘海燕’  ，全部的意思是：匹配开头是海这一个字，后边跟一个除换行符之外的一个字符。

　　海.$   会匹配到结尾的‘海西’ ，全部的意思是 ：匹配结尾的海+一个除换行符之外的一个字符。

　　字符集［］［^］

　　[ ]  表示这一个位置可能出现的字符，注意是一个位置，表示多个位置的话，可以是 [ ]*,或者 [ ]+ 等[ ]后边跟量词

　　[ ^ ]  表示取非，即这一个位置可能出现的字符除了括号内的，

　　

 　　分组 ()与 或 ｜

　　示例：

　　（） 表示把一些字符看成一个整体，  | 是或的意思。

　　([1-9]\d{16}[0-9x]|[1-9]\d{14})   表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}

 

2.Python 下的正则表达式—— re 模块 

　　re模块常用方法：findall、search、 match、 split、 sub、

　　re.findall(pattern，) 

　　查找满足条件的字符串，返回一个列表，元素是每一个找到的子字符串，

1 示例：
2 str = ‘fhsjdhal66478636666guy66666hhfieyhf‘
3 ret5 = re.findall(‘\d{4,6}?‘,str)
4 print(ret5)

结果：
[[‘6647‘, ‘8636‘, ‘6666‘]]   # 此处是非贪婪模式

　　findall中有个分组优先的原则：

# 如果没有分组，是这样子的：
str = ‘11512319890965443xhfauh630289768776545678ucufy‘
ret5 = re.findall(‘[0-9]\d{5}\d{8}\d{3}[0-9x]‘,str)    
# ret5 = re.findall(r‘[1-9]\d{16}[0-9x]‘,str)
print(ret5)

结果是：
>>> [‘11512319890965443x‘, ‘630289768776545678‘]

假如我分组了，就会返回组里边的信息，
str = ‘62012319890965443xhfauh630289768776545678ucufy‘
ret5 = re.findall(‘[0-9]\d{5}(\d{8})\d{3}[0-9x]‘,str)
# ret5 = re.findall(r‘[1-9]\d{16}[0-9x]‘,str)
print(ret5)

结果是：
>>> [‘19890965‘, ‘76877654‘]

其实其他位置的也匹配到了，只是没有显示出来而已。

 

　　re.resarch()

　　在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,通过.group()方法调用。

1 ret = re.search(‘a‘, ‘eva egon yuan‘).group()
2 print(ret) 
3 #结果 : ‘a‘

　　re.math()

　　在字符串开始处进行匹配，如果不在开头，则会报错，如找到，返回的跟search一样。

1 ret = re.match(‘a‘, ‘abc‘).group()  
2 print(ret)
3 
4 #结果 : ‘a‘

 　　re.finditer() 

　　返回一个存放匹配结果的迭代器

1 import re
2 ret = re.finditer(‘\d‘, ‘ds3sy4784a‘)   #finditer返回一个存放匹配结果的迭代器
3 print(ret)  # <callable_iterator object at 0x10195f940>
4 print(next(ret).group())  #查看第一个结果
5 print(next(ret).group())  #查看第二个结果
6 print([i.group() for i in ret])  #查看剩余的左右结果

 

　　re.split  返回一个切割之后的列表。

　　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‘]   注意这里　　

 

　　split的优先级查询

ret=re.split("\d+","eva3egon4yuan")
print(ret) 

#结果 ： [‘eva‘, ‘egon‘, ‘yuan‘]

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

#在匹配部分加上（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。

　　re模块其他的方法：

　　sub 替换 、compile()编译成一个对象

ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)
#将数字替换成‘H‘，参数1表示只替换1个
print(ret) #evaHegon4yuan4

ret = re.subn(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘)
#将数字替换成‘H‘，返回元组(替换的结果,替换了多少次)
print(ret)

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
print(ret.group()) 
 #结果 ： 123