re模块

Posted 2021-01-01 ming-yuan

.        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
*        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 

# 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d和s等，如果要在正则中匹配正常
    的"d"而不是"数字"就需要对""进行转义，变成‘\‘。
# 在字符串之前加r，让整个字符串不转义    # r‘\d‘


# *+贪婪匹配，也就是尽可能匹配    # 加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
# 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 


# 几个常用的非贪婪匹配Pattern    
*?        重复任意次，但尽可能少重复
+?        重复1次或更多次，但尽可能少重复
??        重复0次或1次，但尽可能少重复
{n,m}?    重复n到m次，但尽可能少重复
{n,}?    重复n次以上，但尽可能少重复
.*?x    就是取前面任意长度的字符，直到一个x出现


ret = re.findall(‘a‘, ‘eva egon yuan‘)    # 返回所有满足匹配条件的结果,放在列表里
# print(ret)     # 结果 : [‘a‘, ‘a‘]

ret = re.search(‘a‘, ‘eva egon yuan‘).group()
# print(ret)     # ‘a‘
# 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。

ret = re.match(‘a‘, ‘abc‘).group()        # 同search,不过只在字符串开始处进行匹配
# print(ret)    # 结果 : ‘a‘

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])        #查看剩余的所有结果


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


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‘]


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
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)


ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘)
# print(ret)    # [‘oldboy‘]
# 这是因为findall会优先把匹配结果组里内容返回,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)    # [‘www.oldboy.com‘]

ret=re.split("d+","eva3egon4yuan")            # 没有保留所匹配的项
# print(ret)    #结果 ： [‘eva‘, ‘egon‘, ‘yuan‘]
ret=re.split("(d+)","eva3egon4yuan")        # 保留所匹配的项
# print(ret)    #结果 ： [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘]

ret = re.search("<(?P<tag_name>w+)>w+</(?P=tag_name)>","<h1>hello</h1>")
# 还可以在分组中利用?<name>的形式给分组起名字;获取的匹配结果可以直接用group(‘名字‘)拿到对应的值
# print(ret.group(‘tag_name‘))
# 结果 ：h1        # print(ret.group())  #结果 ：<h1>hello</h1>
# 
ret = re.search(r"<(w+)>w+</1>","<h1>hello</h1>")
# 也可以用序号 来找到对应的组，表示要找的内容和前面的组内容一致;接用group(序号)拿到对应的值
# print(ret.group(1))
# 结果 ：h1        # print(ret.group())  #结果 ：<h1>hello</h1>


flags有很多可选值：
re.I(IGNORECASE)    忽略大小写，括号内是完整的写法
re.M(MULTILINE)        多行模式，改变^和$的行为
re.S(DOTALL)        点可以匹配任意字符，包括换行符
re.L(LOCALE)        做本地化识别的匹配，表示特殊字符集 w, W, , B, s, S 依赖于当前环境，不推荐使用
re.U(UNICODE)        使用w W s S d D使用取决于unicode定义的字符属性。在python3中默认使用该flag
re.X(VERBOSE)        冗长模式，该模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注释