Python之re模块

Posted 2023-04-23

参考技术A

re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，
而正则表达式是对字符串进行模糊匹配，提取自己需要的字符串部分，他对所有的语言都通用。

1、字符

2、字符集

3、量词
贪婪模式：总是尝试匹配尽可能多的字符
非贪婪则相反，总是尝试匹配尽可能少的字符。

0, 匹配前一个字符 0 或多次,等同于 * 元字符
+, 匹配前一个字符 1 次或无限次,等同于 + 元字符
0,1 匹配前一个字符 0 次或 1 次,等同于 ? 元字符
如果 () 后面跟的是特殊元字符如 (adc)* 那么*控制的前导字符就是 () 里的整体内容，不再是前导一个字符

4、特殊分组用法表：只对正则函数返回对象的有用

5、断言
从断言的表达形式可以看出，它用的就是分组符号，只不过开头都加了一个问号，这个问号就是在说这是一个非捕获组，这个组没有编号，不能用来后向引用，只能当做断言。

匹配 <title>xxx</title> 中 xxx ： (?<=<title>).*(?=</title>)
自己理解就是：

5、例子
（1）非
^(?!.*200).*$ ，只匹配200
^(?!.*[200|400]).*$ ，只匹配200和400
[^a-z] 反取,不含a-z字母的
（2） \\u4e00-\\u9fa5 中文
（3） r"\\b([\\u4e00-\\u9fa5]\\s?[\\u4e00-\\u9fa5]+)\\b" # 小 明 匹配这种单字中间有空格的

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用

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成功的话，返回none。

search 扫描 整个字符串 并返回 第一个成功 的匹配。

re.match与re.search的区别:

正则表达式替换函数

替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受

(2) 两个字符以上切割，放在 [ ] 中（不保留分隔符）：

(3) 使用 ( ) 捕获分组（保留分割符）：

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 ，findall 匹配所有。

用法：

注意1：一旦匹配成，再次匹配，是从前一次匹配成功的，后面一位开始的，也可以理解为匹配成功的字符串，不在参与下次匹配

注意2：如果没写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的，空字符串列表

注意3：正则匹配到空字符的情况，如果规则里只有一个组，而组后面是 * 就表示组里的内容可以是 0 个或者多过，这样组里就有了两个意思：
一个意思是匹配组里的内容，
二个意思是匹配组里 0 内容（即是空白）
所以尽量避免用 * 否则会有可能匹配出空字符串

正则表达式，返回类型为表达式对象的
如：<_sre.SRE_Match object; span=(6, 7), match=\'a\'>
返回对象的，需要用正则方法取字符串，

Python 入门之 内置模块 -- re模块

Python 入门之 内置模块 -- re模块

1、re 模块

（1）什么是正则？

　正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。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。

元字符	匹配内容
\w	匹配字母（包含中文）或数字或下划线
\W	匹配非字母（包含中文）或数字或下划线
\s	匹配任意的空白符
\S	匹配任意非空白符
\d	匹配数字
\D	匹配非数字
\A	从字符串开头匹配
\z	匹配字符串的结束，如果是换行，只匹配到换行前的结果
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开始
$	匹配字符串的结尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	匹配字符组中的字符
...	匹配除了字符组中的字符的所有字符
*	匹配0个或者多个左边的字符。
+	匹配一个或者多个左边的字符。
？	匹配0个或者1个左边的字符，非贪婪方式。
n	精准匹配n个前面的表达式。
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
ab	匹配a或者b
()	匹配括号内的表达式，也表示一个组

---------------------------------------------------------------------匹配模式-------------------------------------------------------------------------

import  re 

<1> \w 字母，数字，下划线，中文

print(re.findall("\w","小明-Marry_dsb123啸天吃D早餐"))   # \w 字母.数字.下划线.中文 

<2> \W 不是字母，数字，下划线，中文

print(re.findall("\W","小明-Marry_dsb123啸天吃D早餐"))   # \w 不是字母.数字.下划线.中文 

<3> \d 匹配数字

print(re.findall("\d","十10⑩"))                       #  \d 匹配数字   

<4> \D 匹配非数字

print(re.findall("\D","十10⑩"))                       # \D 匹配非数字

<5> \A 从字符串开头匹配 以什么开头 常用 ^a

print(re.findall("\Aa","asfdasdfasdfalex"))

print(re.findall("^a","alex"))                        # 以什么开头  

<6> \Z 从字符串结尾匹配 以什么结尾 常用 $

print(re.findall("d\Z","asfdasdfasdfalex"))

print(re.findall("x$","alex"))                        # 匹配什么结尾  

<7> \n 匹配换行符

print(re.findall("\n","alex\nwusir"))

<8> \t 匹配制表符

print(re.findall("\t","alex\twusir"))

<9> 字符串 匹配相应的字符串

print(re.findall("alex","alex\twusiralex"))

<10> [...] 匹配字符组中的字符

print(re.findall('[0-9]',"小明-Marry_dsb123啸天吃D早餐"))                 
print(re.findall('[a-z]',"小明-Marry_dsb123啸天吃D早餐"))
print(re.findall('[A-Z]',"小明-Marry_dsb123啸天吃D早餐"))

<11> ^[ ] 匹配非字符组中的字符

print(re.findall("[^0-9a-z]","123alex456"))  

<12> *匹配0个或多个左边的字符 贪婪匹配

print(re.findall("a*","marry,aa,aaaa,bbbbaaa,aaabbbaaa"))    # 匹配*左侧字符串0次或多次  贪婪匹配

<13> +匹配1个或多个左边的字符 贪婪匹配

print(re.findall("a+","alex,aa,aaaa,bbbbaaa,aaabbbaaa"))  匹配左侧字符串一次或多次  贪婪匹配 

<14> ?匹配0个或1个左边的字符 非贪婪匹配

print(re.findall("a?","alex,aa,aaaa,bbbbaaa,aaabbbaaa"))  # 匹配?号左侧0个或1个 非贪婪匹配

<15> n 精准匹配左边n个前面的表达式

print(re.findall("[0-9]11","18612239999,18612239998,136133333323")) # 指定查找的元素个数 

<16> n,m 匹配n到m次前面的正则表达式定义的片段

print(re.findall("a3,8","alex,aaaabbbaaaaabbbbbbaaa,aaaaaaaaabb,ccccddddaaaaaaaa")) 

<17> a|b 匹配a或b

print(re.findall("a|b","alexdsb"))

<18> () 匹配括号内的表达式，也表示一组

print(re.findall("<a>(.+)</a>","<a>alex</a> <a>wusir</a>"))     #分组  
print(re.findall("<a>(.+?)</a>","<a>alex</a> <a>wusir</a>"))   #控制贪婪匹配 

<19> . 匹配任意字符，除了换行符 当定义re.DOTALL时，可以匹配换行符

print(re.findall("a.c","abc,aec,a\nc,a,c"))           # 匹配任意一个字符串(\n除外) 

print(re.findall("a.c","abc,aec,a\nc,a,c",re.DOTALL))

<20> ?. 就没有任意功能了

print(re.findall("-\d+\.\d+|-[0-9]|\d+",s))

<21> \s 匹配空格

print(re.findall("\s","alex\tdsbrimocjb"))            # \s 匹配空格

<22> \S 匹配非空格

print(re.findall("\S","alex\tdsbrimocjb"))            # \s 匹配非空格

试题：

有如下字符串:'alex_sb ale123_sb wu12sir_sb wusir_sb ritian_sb' 的 alex wusir '找到所有带_sb的内容

答案：

s = 'alex_sb ale123_sb wu12sir_sb wusir_sb ritian_sb'print(re.findall("(.+?)_sb",s))

-------------------------------------------------------------------常用方法----------------------------------------------------------------

（1）findall 全部找到返回的是一个列表

print(re.findall("alex","alexdsb,alex_sb,alexnb,al_ex"))

（2）search 从字符串中任意位置进行匹配查找到一个就停止了,返回的是一个对象. 获取匹配的内容必须使用.group()进行获取

print(re.search("a.+","lexaaaa,bssssaaaasa,saaasaasa").group())

（3）match 从字符串开始位置进行匹配

print(re.match("a.+","alexalexaaa,bssssaaaasa,saaasaasa").group())

试题

search 和 match 的区别

search 从任意位置开始查找

match 从头开始查找，如果不符合就不继续查找了

都用group()进行查看

（4）split -- 分割 必须要有[ ]

print(re.split("[:;,.!#]","alex:dsb#wusir.djb"))

（5）sub -- 替换

s = "alex:dsb#wusir.djb"
print(re.sub("d","e",s,count=1))

（6）complie -- 定义匹配规则

s = re.compile("\w")
print(s.findall("alex:dsb#wusir.djb"))

（7）finditer -- 返回一个迭代器

s = re.finditer("\w","alex:dsb#wusir.djb")   # 返回的就是一个迭代器
print(next(s).group())
print(next(s).group())
for i in s:
    print(i.group())

（8）search -- 给分组命名 ?P

ret = re.search("<(?P<tag_name>\w+)>\w+</\w+>","<h1>hello</h1>")
ret = re.search("<(?P<tag_name>\w+)>(?P<content>\w+)</\w+>","<h1>hello</h1>")
print(ret.group("tag_name"))
print(ret.group("content"))