re 正则模块

Posted 2020-09-14

 re模块(* * * * *)

就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）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 编写的匹配引擎执行。

字符匹配（普通字符，元字符）：

1 普通字符：大多数字符和字母都会和自身匹配
              >>> re.findall(\'alvin\',\'yuanaleSxalexwupeiqi\')
                      [\'alvin\'] 

2 元字符：. ^ $ * + ? { } [ ] | ( ) \\

元字符之. ^ $ * + ? { }

import re
 
ret=re.findall(\'a..in\',\'helloalvin\')
print(ret)#[\'alvin\']
 
 
ret=re.findall(\'^a...n\',\'alvinhelloawwwn\')
print(ret)#[\'alvin\']
 
 
ret=re.findall(\'a...n$\',\'alvinhelloawwwn\')
print(ret)#[\'awwwn\']
 
 
ret=re.findall(\'a...n$\',\'alvinhelloawwwn\')
print(ret)#[\'awwwn\']
 
 
ret=re.findall(\'abc*\',\'abcccc\')#贪婪匹配[0,+oo]  
print(ret)#[\'abcccc\']
 
ret=re.findall(\'abc+\',\'abccc\')#[1,+oo]
print(ret)#[\'abccc\']
 
ret=re.findall(\'abc?\',\'abccc\')#[0,1]
print(ret)#[\'abc\']
 
 
ret=re.findall(\'abc{1,4}\',\'abccc\')
print(ret)#[\'abccc\'] 贪婪匹配

注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

ret=re.findall(\'abc*?\',\'abcccccc\')
print(ret)#[\'ab\']

元字符之字符集［］：

#--------------------------------------------字符集[]
ret=re.findall(\'a[bc]d\',\'acd\')
print(ret)#[\'acd\']
 
ret=re.findall(\'[a-z]\',\'acd\')
print(ret)#[\'a\', \'c\', \'d\']
 
ret=re.findall(\'[.*+]\',\'a.cd+\')
print(ret)#[\'.\', \'+\']
 
#在字符集里有功能的符号: - ^ \\
 
ret=re.findall(\'[1-9]\',\'45dha3\')
print(ret)#[\'4\', \'5\', \'3\']
 
ret=re.findall(\'[^ab]\',\'45bdha3\')
print(ret)#[\'4\', \'5\', \'d\', \'h\', \'3\']
 
ret=re.findall(\'[\\d]\',\'45bdha3\')
print(ret)#[\'4\', \'5\', \'3\']

元字符之转义符\\

反斜杠后边跟元字符去除特殊功能,比如\\.
反斜杠后边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 [ \\t\\n\\r\\f\\v]。
\\S 匹配任何非空白字符；它相当于类 [^ \\t\\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

ret=re.findall(\'I\\b\',\'I am LIST\')
print(ret)#[]
ret=re.findall(r\'I\\b\',\'I am LIST\')
print(ret)#[\'I\']

现在我们聊一聊\\,先看下面两个匹配：

#-----------------------------eg1:
import re
ret=re.findall(\'c\\l\',\'abc\\le\')
print(ret)#[]
ret=re.findall(\'c\\\\l\',\'abc\\le\')
print(ret)#[]
ret=re.findall(\'c\\\\\\\\l\',\'abc\\le\')
print(ret)#[\'c\\\\l\']
ret=re.findall(r\'c\\\\l\',\'abc\\le\')
print(ret)#[\'c\\\\l\']
 
#-----------------------------eg2:
#之所以选择\\b是因为\\b在ASCII表中是有意义的
m = re.findall(\'\\bblow\', \'blow\')
print(m)
m = re.findall(r\'\\bblow\', \'blow\')
print(m)

元字符之分组()

m = re.findall(r\'(ad)+\', \'add\')
print(m)
 
ret=re.search(\'(?P<id>\\d{2})/(?P<name>\\w{3})\',\'23/com\')
print(ret.group())#23/com
print(ret.group(\'id\'))#23

元字符之｜

ret=re.search(\'(ab)|\\d\',\'rabhdg8sd\')
print(ret.group())#ab

re模块下的常用方法

import re
#1
re.findall(\'a\',\'alvin yuan\')    #返回所有满足匹配条件的结果,放在列表里
#2
re.search(\'a\',\'alvin yuan\').group()  #函数会在字符串内查找模式匹配,只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。
 
#3
re.match(\'a\',\'abc\').group()     #同search,不过尽在字符串开始处进行匹配
 
#4
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\']
 
#5
ret=re.sub(\'\\d\',\'abc\',\'alvin5yuan6\',1)
print(ret)#alvinabcyuan6
ret=re.subn(\'\\d\',\'abc\',\'alvin5yuan6\')
print(ret)#(\'alvinabcyuanabc\', 2)
 
#6
obj=re.compile(\'\\d{3}\')
ret=obj.search(\'abc123eeee\')
print(ret.group())#123

import re
ret=re.finditer(\'\\d\',\'ds3sy4784a\')
print(ret)        #<callable_iterator object at 0x10195f940>
 
print(next(ret).group())
print(next(ret).group())

注意：

import re
 
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\']

1 补充
2 import re
3 
4 print(re.findall("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>"))
5 print(re.search("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>"))
6 print(re.search(r"<(\\w+)>\\w+</\\1>","<h1>hello</h1>"))

补充
#匹配出所有的整数
import re

#ret=re.findall(r"\\d+{0}]","1-2*(60+(-40.35/5)-(-4*3))")
ret=re.findall(r"-?\\d+\\.\\d*|(-?\\d+)","1-2*(60+(-40.35/5)-(-4*3))")
ret.remove("")

print(ret)