python课堂整理28----re模块

Posted 2022-07-30 dabai123

一、正则（re）

就其本质而言，正则表达式（或re）就是一种小型的、高度专业化的编程语言，它内嵌在python中，并通过re模块实现。

正则表达式模式被编译成一系列的字节码，然后由用c语言编写的匹配引擎执行。

用途：模糊匹配

元字符：. ^ $ * + ? [] |  () \

♦通配符 ‘ . ’（除\n以外都可以代替）

一个点代表一个其它任意字符

两个点代表2个字符

<以下程序都是在pycharm交互环境下运行>

findall 会匹配所有内容，符合条件的都返回到一个列表

import re
re. findall("a..x", "asdasdxdf")
[‘asdx‘]

♦ ^ :以...开头（只能在开头匹配）

re.findall("^a..x", "adsxdfdfhu")
[‘adsx‘]

重复符：* + ？

♦ * ：匹配（0，+00）次  属于贪婪匹配

re.findall("alex*", "asdsadalexxx")
[‘alexxx‘]

re.findall("alex*", "asdsadale")
[‘ale‘]

♦ + ：匹配（1，+00）次  （+号前的字符必须出现一次，才能匹配到）属于贪婪匹配

re.findall("alex+", "asdsadalexxx")
[‘alexxx‘]

re.findall("alex+", "asdsadale")
[]    #空列表表示没有匹配到

♦ ？：匹配（0， 1）次

re.findall("alex?", "asdsadalexxx")
[‘alex‘]

re.findall("alex?", "asdsadale")
[‘ale‘]

♦

0， == *

 1， == +

0,  1 == ？

n: 重复n次

1，n :重复1 - n次 （1和n 之间只用逗号，不要用空格）

1，n :重复1 - n次 （1和n 之间只用逗号，不要用空格）

0，n :重复0 - n次 （0和n 之间只用逗号，不要用空格）

re.findall("alex6", "asdbhalexx")
[]

re.findall("alex6", "asdbhalexxxxxx")
[‘alexxxxxx‘]

re.findall("alex1,6", "asdbhalexxx")
[‘alexxx‘]

♦惰性匹配： *  +  加上 ？

re.findall("alex*?", "asdasdalexxx")  #匹配0次
[‘ale‘]
re.findall("alex+?", "asdasdalexxx")  #匹配1次
[‘alex‘]

♦字符集 [ ]

在字符集里有功能的符号  - ^ \

在字符集除了上面三个符号，没有别的特殊功能符号

re.findall("x[yz]", "xyuuuu")
[‘xy‘]
re.findall("x[yz]", "xyuxzu")
[‘xy‘, ‘xz‘]

re.findall("www[baidu]", "wwwbaidu")
[‘wwwb‘]

re.findall("x[yz]p", "xypuuxzpuzyzp")
[‘xyp‘, ‘xzp‘]

re.findall("x[y,z]p", "xypuuxzpux,p")  #逗号当普通字符处理
[‘xyp‘, ‘xzp‘, ‘x,p‘]

re.findall("x[y*z]p", "xypuuxzpux*p")  #星号当普通字符处理
[‘xyp‘, ‘xzp‘, ‘x*p‘]

♦ - ：

[A-Z]:表示A到Z的其中一个

[a - z]:表示a到z的其中一个

re.findall("q[a-z]", "qu")  #a - z的其中一个
[‘qu‘]
re.findall("q[a-z]", "quo")
[‘qu‘]

re.findall("q[a-z]*", "quosdsa")  #重复中括号里的内容匹配
[‘quosdsa‘]
re.findall("q[a-z]+", "quosdsa")
[‘quosdsa‘]

re.findall("q[0-9]", "qsdfdasf8")  # 0- 9中的其中一个
[]
re.findall("q[0-9]*", "qsdfdasf8")
[‘q‘]

re.findall("q[0-9]*", "q9sdfdasf8")
[‘q9‘]

re.findall("q[0-9]*", "q9235345sdfdasfq8")
[‘q9235345‘, ‘q8‘]

♦ ^放到 [ ] 中表示非

re.findall("q[^a-z]", "q123") #匹配只要不是a- z
[‘q1‘]
re.findall("q[^a-z]", "qzsd")
[]

re.findall("\([^()]*\)", "12+(34*6+2-5*(2-1))")  
[‘(2-1)‘]

元字符之转义字符 \

反斜杠后跟元字符去除特殊功能,比如 \.

反斜杠后跟普通字符实现特殊功能，比如\d

\d 匹配任何十进制数；它相当于类[0 - 9]

\D 匹配任何非数字字符；它相当于类[^0-9]

\s匹配任何空白字符；它相当于类[\+\n\r\f\v]

\S匹配任何非空白字符；它相当于类[^\+\n\r\f\v]

\w匹配任何字母数字字符；它相当于类[a-zA-Z0-9]

\W匹配任何非字母数字字符；它相当于类[^a-zA-Z0-9]　

\b 匹配一个特殊字符边界，比如空格，&，#等

例：

re.findall("\d","12 + (34*6+2-5*(2-1))" )
[‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘6‘, ‘2‘, ‘5‘, ‘2‘, ‘1‘]
re.findall("\d+","12 + (34*6+2-5*(2-1))" )
[‘12‘, ‘34‘, ‘6‘, ‘2‘, ‘5‘, ‘2‘, ‘1‘]

re.findall("www.baidu","www.baidu" )
[‘www.baidu‘]
re.findall("www.baidu", "www\nbaidu")
[]
re.findall("www\.baidu","www.baidu" )
[‘www.baidu‘]

re.findall("www*baidu", "www*baidu")
[]
re.findall("www\*baidu", "www*baidu")
[‘www*baidu‘]

 \在python和re环境中都有转义的意义，而下面需要的是普通的斜杠加b,所以得用原生的\，此时前面加 r 或再加个斜杠

r" " 后面的内容就是原生内容，不做任何转义

re.findall("I\b", "hello I Love Ilex")  
[]
re.findall(r"I\b", "hello I Love Ilex")  #取后面有空格的那个I
[‘I‘]

re.findall("I\\b", "hello I Love Ilex")
[‘I‘]

特殊的四斜杠：

因为\在re和python中都有转义作用，要得到re中的\l,则需要\\l  而先经过python环境就需要两个\\去转义re需要的两个\\，所以变成4个斜杠

re.findall("c\\\\l", "abc\lerwt") #匹配c\l
[‘c\\l‘]

re.findall(r"c\\l", "abc\lerwt") #匹配c\l
[‘c\\l‘]

♦ | :或

re.findall("ka|b", "asdkasf")
[‘ka‘]
re.findall("ka|b", "asdkabsf")
[‘ka‘, ‘b‘]
re.findall("ka|b", "asdkbsf")
[‘b‘]

re.findall("ka|b", "asdkbsf")
[‘b‘]
re.findall("ka|b", "asdka|bsf")
[‘ka‘, ‘b‘]
re.findall("ka|bc", "asdka|bsf")
[‘ka‘]

re.findall("ka|bc", "asdka|bcsf")
[‘ka‘, ‘bc‘]

♦（）分组

re.findall("(abc)+","abcccccccccc")
[‘abc‘]

findall :把字符串里所有能匹配的内容放到一个列表

search :找到一个满足条件的就不找了， 匹配成功返回一个对象，用 .group()取值

re.search("[a-z]+", "alex34asd19").group()
‘alex‘

（？P<组名>正则）：分组

re.search("(?P<name>\w+)", "alex34").group()
‘alex34‘

想单独取alex,则：

re.search("(?P<name>[a-z]+)\d+", "alex34asd19").group()
‘alex34‘
re.search("(?P<name>[a-z]+)\d+", "alex34asd19").group("name")
‘alex‘

re.search("(?P<name>[a-z]+)(?P<age>\d+)", "alex34asd19").group("age")
‘34‘