python 正则表达式与re模块

Posted 2021-02-09 Walt Hwang

一、正则表达式

1. 用途

   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。
   
   ####
   简单地说
   就是用于字符串匹配的

2. 字符组

   在同一个位置可能出现的各种字符组成的一个字符组，在正则表达式中用[]表示
   
   例子：
   规则：[0123456789]      待匹配：8     匹配结果：True
   
   规则：[0-9]      待匹配：6     匹配结果：True
   
   规则：[a-z]      待匹配：c    匹配结果：True
   
   规则：[A-Z]      待匹配：!     匹配结果：False
   
   规则：[0-9A-Z]      待匹配：C     匹配结果：True

3. 字符

   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
   
            匹配一个换行符
   	         匹配一个制表符
            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

4. 量词

   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

5.   . ^ $

   正则    待匹配字符             匹配结果                  说明
   海.      海燕海娇海东        海燕海娇海东               匹配所有"海."的字符
   ^海.      海燕海娇海东       海燕                      只从开头匹配"海."
   海.$      海燕海娇海东       海东                      只匹配结尾的"海.$"

6.  * + ? {}

   ?     重复一次或多次
   *     表示零次或多次
   +     表示一次或多次
   {n,m}     表示n次到m次
   
   以上都是贪婪匹配，如果要非贪婪匹配，在后面加？

7. 转义符

   在正则表达式中，有很多有特殊意义的是元字符，比如
   和s等，如果要在正则中匹配正常的"
   "而不是"换行符"就需要对""进行转义，变成‘\‘。
   
   在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中也有特殊的含义，本身还需要转义。所以如果匹配一次"
   ",字符串中要写成‘\n‘，那么正则里就要写成"\\n",这样就太麻烦了。这个时候我们就用到了r‘
   ‘这个概念，此时的正则是r‘\n‘就可以了。

8. 贪婪匹配

   贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
   
   .*?x的用法
   取前面任意长度的字符，直到一个x出现

9. 其他点：
   所有量词都要放在匹配规则的后面
   
   ()分组
   需要对多个字符组进行约束量词
   如([123][abc])+
   
   使用|的时候，长的放前面，短的放后面
   
   ?P<..> 给元组起名字

 

二、re模块

1. findall

   #返回所有匹配的结果，放在列表中
   
   re.findall(‘[a-z]+‘, ‘hsr is very cool)

2. search

   #从前往后找，找到一个就返回
   #返回的是一个对象，通过group()才能拿到结果
   #如果没有找到对象是None，调用group会报错
   ret = re.search(‘h‘,‘hsr is very cool‘)
   
   if ret:
       print(ret.group())

3. match

   #其他和search相同，但是必须从头就匹配得上，否则返回None
   
   ret = re.match(‘h‘,‘hsr is cool‘)
   
   if ret:
       print(ret.group())

4. split

   # 按给定的分隔符，对字符串进行分割
   
   ret = re.split(‘[ab]‘, ‘abcd‘)
   
   #结果：[‘‘,‘‘,‘cd‘]
   #先按a分割，再按b分割

5. sub

   #将正则表达式匹配上的字符替换成给定的字符，替换n次
   
   ret = re.sub(‘regex‘,‘replace‘,‘the string‘,n)

6. subn

   #与sub类似，但是会全部替换，结果返回元组(替换的结果,替换了多少次)
   
   ret = re.subn(‘regex‘,‘replace‘,‘the string‘)

7. compile

   #如果一条正则规则式要经常使用，可以将正则表达式编译成为一个 正则表达式对象
   
   reg = re.compile(‘regex‘)
   ret = reg.search(‘the string‘)  
   ret.group()

8. finditer

   #返回一个存放结果的迭代器
   
   ret = re.finditer(‘regex‘,‘the string‘)
   for i in ret:
       pass