正则表达式和Python中的re模块

Posted 2020-12-28 最后一个老实人

正则表达式

                  在编写处理字符串的程序或网页时，经常有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

　　常用语法

　　

　　特殊用法和现象

　　　　　　

　　　　　　在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式  最常用  .*?x 匹配任意字符直到找到一个x

 

　　　　　　

Python的re模块　

　　八个主要方法:

import re
ret=re.findall(\'\\d+\',\'fsf4131s4fsg74dsf\')   # 匹配字符串中所有需要的内容
print(ret)                                      #参数:正则表达式,字符串 ,返回一个装有所有匹配上的结果的列表 若没有则是一个空列表
#结果:[\'4131\', \'4\', \'74\']

ret2=re.search(\'\\d+\',\'fng231523jsk6313\')  #匹配字符串中第一个需要的内容
print(ret2)                                  #参数:正则表达式,字符串,若匹配正确则返回匹配结果的对象用group查看,若没有则返回None
print(ret2.group())
#结果:
# <_sre.SRE_Match object; span=(3, 9), match=\'231523\'>
# 231523

ret3=re.match(\'\\d+\',\'3fsfs\')            #匹配字符串中开头的内容
print(ret3)                              #参数:正则表达式,字符串,若匹配正确则返回匹配结果的对象用group查看,若没有则返回None
print(ret3.group())
#结果:
# <_sre.SRE_Match object; span=(0, 1), match=\'3\'>
# 3

ret4=re.split(\'\\d+\',\'3fsfs565df6s5dg6gd2\')   #按需要对字符串进行切割
print(ret4)                              #参数:正则表达式,字符串 返回切割剩下的值组成的一个列表,当被切割的值处于开头和结尾时,会在列表中留下一个空字符
ret4.remove(\'\')
ret4.remove(\'\')
print(ret4)
res=re.split(\'(\\d+)\',\'fsfs5df6s5dg6gd\')  #,可以对正则表达式进行分组(优先显示) 将被切割值显示出来,
print(res)
#结果:
# [\'\', \'fsfs\', \'df\', \'s\', \'dg\', \'gd\', \'\']
# [\'\', \'fsfs\', \'df\', \'s\', \'dg\', \'gd\']
# [\'fsfs\', \'5\', \'df\', \'6\', \'s\', \'5\', \'dg\', \'6\', \'gd\']

ret5=re.sub(\'\\d+\',\'B\',\'afssggsdg45sg45s4g5s\',3) #按需要对字符串进行替换   默认符合要求的全部替换,可以设置替换次数
print(ret5)                                       #参数:正则表达式,替换后的内容,字符串 返回替换后的字符串
#结果:afssggsdgBsgBsBg5s
ret6=re.subn(\'\\d+\',\'B\',\'fsd4gg5h4gzx323s\',3)   #按需要对字符串进行替换   默认符合要求的全部替换,可以设置替换次数
print(ret6)                                        #参数:正则表达式,替换后的内容,字符串 返回一个由替换后的字符串和替换次数组成的元组
#结果:(\'fsdBggBhBgzx323s\', 3)

res=re.compile(\'-[1-9]\\d*[.\\d]*|-0\\.\\d*[1-9]\\d*\')  #对正则表达式进行编译,需要用到的时候可以配合其他方法使用
ret7=res.findall(\'-205fsf-21sd-2.5g6gg5g\')
print(ret7)
#结果:[\'-205\', \'-21\', \'-2.5\']



ret8=re.finditer(\'\\d+\',\'f56s5f3s\')   # 用法与findall类似,但返回值是一个生成器 ,对生成器迭代得到匹配到的结果的对象 再用group取值
for i in ret8:
    print(i)
    print(i.group())
#结果:
# <_sre.SRE_Match object; span=(1, 3), match=\'56\'>
# 56
# <_sre.SRE_Match object; span=(4, 5), match=\'5\'>
# 5
# <_sre.SRE_Match object; span=(6, 7), match=\'3\'>
# 3

　　

　　分组优先

  　　　findall 会优先显示分组中的内容,要想取消分组优先,(?:正则表达式)
       split 遇到分组 会保留分组内被切掉的内容
       search 如果search中有分组的话,通过group(n)就能够拿到group中的匹配的内容

import re
ret = re.findall(\'-0\\.\\d+|-[1-9]\\d*(\\.\\d+)?\',\'-1asdada-200\')
print(ret) #结果:[\'\', \'\']
ret = re.findall(\'-0\\.\\d+|-[1-9]\\d*(?:\\.\\d+)?\',\'-1asdada-200\')
print(ret) #结果 [\'-1\', \'-200\']
ret = re.findall(\'www.baidu.com|www.oldboy.com\',\'www.oldboy.com\')
print(ret) #结果:[\'www.oldboy.com\']
ret = re.findall(\'www.(baidu|oldboy).com\',\'www.oldboy.com\')
print(ret) #结果:[\'oldboy\']
ret = re.findall(\'www.(?:baidu|oldboy).com\',\'www.oldboy.com\')
print(ret) #结果:[\'www.oldboy.com\']


ret = re.split(\'\\d+\',\'alex83egon20taibai40\')
print(ret) #结果:[\'alex\', \'egon\', \'taibai\', \'\']
ret = re.split(\'(\\d+)\',\'alex83egon20taibai40\')
print(ret) #结果:[\'alex\', \'83\', \'egon\', \'20\', \'taibai\', \'40\', \'\']


ret = re.search(\'\\d+(.\\d+.\\d+)(.\\d+)?\',\'1.2.3.4-2*(60+(-40.35/5)-(-4*3))\')
print(ret.group(0)) #结果:1.2.3.4  此处group参数 0 可以省略
print(ret.group(1)) #结果:.2.3
print(ret.group(2)) #结果:.4

　　分组命名　　　　

　　　　　　(?P<name>正则表达式) 表示给分组起名字
          (?P=name)表示使用这个分组,这里匹配到的内容应该和分组中的内容完全相同

import re
ret = re.search("<(?P<name>\\w+)>(?P<content>\\w+)</(?P=name)>","<h1>hello</h1>")
print(ret.group(\'name\'))  #结果 ：h1
print(ret.group(\'content\'))  #结果 ：hello
print(ret.group())           #结果 ：<h1>hello</h1>

　　通过索引使用分组

import re
ret = re.search(r"<(\\w+)>\\w+</(\\w+)><\\1>\\w+</\\2>","<h1>hello</h1><h1>hello</h1>")
print(ret.group(1))  #结果: h1    \\1 \\2 对应前面第几个分组,里面的的内容必须跟对应分组的内容一样,否则会报错
print(ret.group())  #结果 ：<h1>hello</h1>

　　工具网址:http://tool.chinaz.com/regex/?qq-pf-to=pcqq.group