Python基础13_正则表达式,re模块,

Posted 2021-01-30 孤雁南飞123

 一. 正则表达式
    正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
    正则表达式由普通字符和元字符组成, 普通字符包含大小写字母, 数字. 在匹配普通字符的时候我们直接写就可以了
    元字符是正则表达式的灵魂
    1. 字符组
    字符组用[]括起来, 在[]中的内容会被匹配
    [a-zA-Z0-9]    表示所有的数字字母
    2. 简单元字符
    .    匹配除换行符之外的任意字符
    w    匹配数字或字母或下划线
    s    匹配任意的空白符
    d    匹配数字
         匹配一个换行符
         匹配一个制表符
        匹配一个单词的边界
    ^    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
    3. 量词
    *    重复0次或更多次
    +    重复1次或更多次
    ?    重复0次或1次
    {n}    重复n次
    {n, }    重复n次或更多次
    {n, m}    重复n次到m次
    4. 惯性匹配和贪婪匹配
    * + {} 都属于贪婪匹配, 就是尽量多的匹配到结果
    在使用.*后再加?就是尽可能的少匹配, 表示惰性匹配
    .*?x    表示找到下一个x为止
    5. 分组
    使用()进行分组
    6. 转义
    在python中, 无论是正则表达式还是待匹配的内容, 都是以字符串的内容出现的
    r"\n" 表示正则的r" "
二. re模块
    import re
    python提供的一套关于处理正则表达式的模块
    1. findall()    查找所有, 返回list
    result = re.findall("d", "asdf123asdf456")
    print(result)
    # [‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘]
    2. search()        进行匹配, 但是如果匹配到第一个结果, 就会返回该结果, 匹配不到则返回None
    result = re.search("d", "asdf123asdf456")
    print(result.group())
    # 1
    3. match()        只能从字符串的开头进行匹配, 匹配不到则返回None
    result = re.match("d", "asdf123asdf456")
    print(result.group())
    # AttributeError: ‘NoneType‘ object has no attribute ‘group‘
    4. finditer()    和findall用法相似, 但返回的是迭代器
    result = re.finditer("d+", "asdf123asdf456")
    print(result)
    <callable_iterator object at 0x029A28D0>
    for el in result:
        print(el.group())
    # 123
    # 456
    5. split()        用多个元素去切割
    ret = re.split("[ab]", "qweabdfdadffbffs")
    print(ret)
    # [‘qwe‘, ‘‘, ‘dfd‘, ‘dff‘, ‘ffs‘]
    6. sub()        替换
    ret = re.sub(r"d+", "_sb_", "faf123fsfs456dsf")
    print(ret)
    # faf_sb_fsfs_sb_dsf
    7. subn()        替换, 替换了多少次
    ret = re.subn(r"d+", "_sb_", "faf123fsfs456dsf")
    print(ret)
    # (‘faf_sb_fsfs_sb_dsf‘, 2)
    8. compile()    将正则表达式编译成一个正则表达式对象    
    obj = re.compile(r"d{3}")
    ret = obj.search("sfdaf13321fasf123fffsaf")
    print(ret.group())
    # 133
    9. 爬虫的一个重点, 分组命名
    result = re.finditer("姓名: (?P<name>.*?), 爱好: (?P<hobby>.*?),", "姓名: 宝宝, 爱好: 女, 年龄: 18")
    for el in result:
        print(el.group("name"), el.group("hobby"))    
    # 宝宝 女
    坑1 分组合取消分组权限
    这里因为findall会优先把匹配结果组里的内容返回, 如果想要匹配结果, 取消权限即可
    ret = re.findall("www.(baidu|oldboy).com", "www.oldboy.com")
    print(ret)
    # [‘oldboy‘]
    ?: 相当于取消了分组的权限
    ret = re.findall("www.(?:baidu|oldboy).com", "www.oldboy.com")
    print(ret)
    # [‘www.oldboy.com‘]
    坑2 split切割 分组加()的结果
    # 坑2
    ret = re.split("d+", "asf3faf4asdf")
    print(ret)
    # [‘asf‘, ‘faf‘, ‘asdf‘]
    ret = re.split("(d+)", "asf3faf4asdf")
    print(ret)
    # [‘asf‘, ‘3‘, ‘faf‘, ‘4‘, ‘asdf‘]
    在匹配部分加上()后切出来的结果是不同的
    没有()则没有保留所匹配的项, 有()则保留了匹配的项
    这个在某些需要保留匹配部分的使用过程是非常重要的