正则表达式总结与补充.

Posted 2020-12-28 hfbk

# 正则表达式
    # 基础知识
        # 什么是正则
            # 一种匹配字符串的规则
        # 应用领域
            # 爬虫, 登录表单验证, 自动化开发, 日志处理
    # 正则表达式的语法
        # 元字符
            # 字符组 [] [^] | ()
                # |的用法 [1-9]d{16}[0-9X]|[1-9]d{14}  身份证号
                # ()的用法 [1-9]d{14}(d{2}[1-9X])? 身份证号
                         # d+(.d+)?  小数或者整数
            # w    匹配数字,字母,下划线   W与w相反
            # d     匹配数字    D与之相反
            # s(
,	, )    匹配空字符    
 表示匹配换行符  	 表示匹配制表符
            # W    匹配除了数字,字母,下划线以外的其他字符
            # D    匹配非数字
            # S    匹配非空字符
            # ^        字符的开始
            # $        字符的结尾
            # .        匹配除了.以外的所有字符
        # 量词
            # ?        者0次或出现一次
            # +        出现一次或者无限次
            # *        出现0次或者无限次
            # {n}    表示某类字符重复出现n次
            # {n,}    表示某类字符最少出现n次
            # {n,m}    表示某类字符出现n-m次
        # 特殊的用法和现象
            # ?的使用
                # 1. 在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式
                    # ??  表示只取0次(?表示取0次或者1次,而在后面添加?以后,则表示只取最简结果,所以只取0次)
                    # *?       同上
                    # +?    只取一次
                    # {n,}?  只取 最少的次数n次
                    
                    # 李.{1,3}?和 李莲英和 (此处表示,在以李开头,和结尾能匹配的范围内尽量少的匹配,
                        # 如果超出范围且和前面的第二个字符也不是李,或者李和两个字挨着,则不进行)  
                        # 惰性匹配 回溯算法(表示在匹配时,会把整个字符串全部读取完,
                    # 然后再返回到最后一个匹配成功的字后后面停止,并将匹配的结果返回)
                    
                    # 最常用  .*?x 匹配任意字符直到找到一个x
                    #  表示转义
# 正则表达式总结
    # 元字符
    # 元字符量词   默认贪婪匹配
    # 元字符量词?  表示惰性匹配

# 在python中使用正则表达式
    # 转义符 : 在正则中的转义符  在python中的转义符
    # re模块
        # findall  (查找所有符合正则表达式的字符, 以数组的形式返回)
            #例子:
                #import re
                #ret = re.findall(‘d+‘,‘123123asd123‘)   # 括号内是参数 第一个是定义的表达式,  第二个是需要处理的字符串
                #print(ret)  # 返回值的数据类型: 列表,  返回值个数: 1个  返回之内容,所有匹配到的结果  如果没有匹配到的结果,返回一个空列表[]
                #print(type(ret)) # 查看结果类型
        # search(搜寻, 查找)
                    # re.search()方法用来精确匹配并提取第一个符合规律的对象，
                    # 而对象内容的提取则使用search方法的属性group()来实现；
                    # group(0)则是整个匹配的内容，返回一个实体对象；
                    # group(1)则是匹配第一个括号里面的内容，取出括号里匹配的实体对象；
                    # group(2)则是匹配第二个括号里面的内容，取出括号里匹配的实体对象；
                    # group(0,1,2)则返回一个实体对象的元组；
                    # re.search方法主要配合其属性group()一起使用；
                #import re
                #ret2 = re.search(‘d+‘,‘123123asd123‘)   # 括号内是参数 第一个是定义的表达式,  第二个是需要处理的字符串
                #print(ret.group())   
                    # 此时 函数会在字符串内查找模式匹配,
                    # 直到找到第一个匹配然后返回一个包含匹配信息的对象,
                    # 该对象可以通过调用group()方法得到匹配的字符串,
                    # 如果字符串没有匹配,则返回None
                #print(type(ret)
        # match(不常用, 检测是否是以某字符开头,只打印一个,等价于search)
            #(检测需要匹配的字符串的开始位置,是不是正则表达式规定的字符类型,
            # 如果是则进行匹配,返回匹配值,不是返回None)
            #import re
            #ret = re.match(‘D+‘,‘a23123asd123‘)
            #print(ret.group())

        # sub(替换)
            #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
        # subn
            #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)  # (‘evaHegonHyuanH‘, 3)  返回的结果是个元组
        # split
            #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‘]
            
        #进阶方法:--- 爬虫自动化开发    
        # compile(编译正则表达式)  预编译功能
                # 节省时间 : 只有在多次使用某一个相同的正则表达式的时候,这个compile才会帮助我们提高程序的效率.
                #  单个的时候不会节省时间
            #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
        # finditer
                # 节省空间 : 所有的空间的节省,都会伴随时间效率的提高
            #实例一:
            #import re
            #ret = re.finditer(‘d‘, ‘ds3sy4784a‘)   #finditer返回一个存放匹配结果的迭代器
            #print(ret)  # <callable_iterator object at 0x10195f940>
            #print(next(ret).group())  #查看第一个结果
            #print(next(ret).group())  #查看第二个结果
            #print([i.group() for i in ret])  #查看剩余的左右结果
            
            #实例二
            # ret = re.finditer(‘d‘,‘sjkhkdy982ufejwsh02yu93jfpwcmc‘)
            # for r in ret:
            #     print(r.group())
            
            
    # python中的正则表达式
        # 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
# 正则表达式进阶
    # 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
    # 通过索引使用分组
        # 1 表示使用第一组,匹配到的内容必须和第一个组中的内容完全相同