正则表达式&re模块

Posted 2020-09-25 皖心

正则表达式：

功能：字符串模糊匹配查询

元字符：. ,^, $, *, +, ？, {}, [ ],| ( ),\

• . 通配符点：匹配除换行符以外的任意一个符号
• ^：只匹配字符串的开始位置
• $：只匹配字符串的末尾位置
• *： 重复（0，+∞）
• +:重复 [1,+∞）
• ？:重复 [0,1]
• {}：重复指定次数{m,n}

\：转义符

     转义符跟元字符，元字符变普通符号

     转义符加普通符号，有特殊含义

• \d  0-9任意数字
• \D  非数字
• \w 任意字母数字 [azAZ0-9-]
• \W 非数字字母
• \s  空格
• \b  匹配特色字符边界，比如空格，&，#等

\b在assic码里是响铃符

>>> re.findall(r‘c\\l‘,‘abc\le‘)
[‘c\\l‘]
>>> re.findall(‘c\\\\l‘,‘abc\le‘)
[‘c\\l‘]
>>> re.findall(‘c\\\l‘,‘abc\le‘)
[‘c\\l‘]
>>> 

 

[ ]字符集：多选一，“或”

字符集中只有三个特殊符号： - ^ \ 

• - ：表示范围
• ^：取反
• \：转义符依然有效

管道符：|  或

re.findall(‘-?\d+\.?\d*‘,‘234,-45,8.9,-7.9,6‘)

 

贪婪匹配：按规则尽可能多多匹配内容

>>> import re
>>> res=re.findall(‘abc+‘,‘abcccccdvd‘)
>>> print(res)
[‘abccccc‘]

非贪婪模式：在规则后加’？’ 切换成非贪婪模式，在该模式下，按着最小重复数匹配

s="<div>yuan<img></div><a href=""></div>"
#
# ret=re.findall("<div>.*?</div>",s) # <div>yuan<img></div><a href=></div>
# print(ret)

# ret=re.search("<div>.*?</div>",s) # <div>yuan<img></div><a href=></div>
# print(ret)

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

.*?的用法：

--------------------------------

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?a

就是取前面任意长度的字符，到底一个 a 出现

 

Re模块

（）：

分组

　　分组后查找后只显示分组里的内容

　　显示全部的内容在分组括号里加上’?:’

有名分组：

 res=re.search(‘(?P<year>20\d{2})-(?P<mouth>[01]\d)‘,‘2014-08‘)
>>> res.group(‘year‘)
‘2014‘
>>> res.group(‘mouth‘)
‘08‘

re.findall（pattern, str,flag）

===>结果是个列表

===>优先筛选（分组的情况）

 

Re.search(pattern, str,flag)

==>只匹配第一个符合条件

==>匹配成功，返回对象。匹配失败，返回None

 

Re.match(pattern, str,flag)

==>只从开始位置匹配符合条件

==>匹配成功，返回对象。匹配失败，返回None

 

re.split(pattern,str,max)

Max:最大分割次数

 

re.compile(pattern,flag)编译 返回一个可调用的对象

 obj=re.compile("\d+") ret=obj.findall("akhsd4325asdk43")   #  re.findall("\d+","") print(ret)

Re.finditer( )  返回迭代器对象

# ret=re.finditer("\d+","dasfjk324khk4234kj234hkj234hkj234kj234k2j34hk2j3h4")
# print(ret)
#
# print(next(ret).group())