正则表达式与常见模块

Posted 2020-10-01 你所信必为你所见

一.正则表达式

　　正则就是用一些具有特殊含义的字符组合到一起来描述字符或者字符串的方法(正则就是用来描述一些事物的规则)

　　正则介绍：　

　  字符组 ： [字符组]

  在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示 字符分为很多类，比如数字、字母、标点等等。 假如你现在要求一个位   置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。

　^ 行首
　$ 行尾
 . 除了换行符以外的任意单个字符
 * 前导字符的零个或多个
 .* 所有字符
 [] 字符组内的任一字符
 [^] 对字符组内的每个字符取反(不匹配字符组内的每个字符)
 ^[^] 非字符组内的字符开头的行
 [a-z] 小写字母
 [A-Z] 大写字母
 [a-Z] 小写和大写字母
 [0-9] 数字
 \< 单词头 单词一般以空格或特殊字符做分隔,连续的字符串被当做单词
 \> 单词尾

 字符：                    

 . 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\n匹配一个换行符

 \t匹配一个制表符

 \b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

　量词：

   *        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 \：

正则	待匹配字符	匹配 结果	说明
\d	\d	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配
\\d	\d	True	转义\之后变成\\，即可匹配
"\\\\d"	‘\\d‘	True	如果在python中，字符串中的‘\‘也需要转义，所以每一个字符串‘\‘又需要转义一次
r‘\\d‘	r‘\d‘	True	在字符串之前加r，让整个字符串不转义

    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 

*? 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


. 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：
.*?x
就是取前面任意长度的字符，直到一个x出现

 二.re模块下的常用方法

 1 import re
 2 
 3 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
 4 print(ret) #结果 : [‘a‘, ‘a‘]
 5 
 6 ret = re.search(‘a‘, ‘eva egon yuan‘).group()
 7 print(ret) #结果 : ‘a‘
 8 # 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
 9 # 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。
10 
11 ret = re.match(‘a‘, ‘abc‘).group()  # 同search,不过尽在字符串开始处进行匹配
12 print(ret)
13 #结果 : ‘a‘
14 
15 ret = re.split(‘[ab]‘, ‘abcd‘)  # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割
16 print(ret)  # [‘‘, ‘‘, ‘cd‘]
17 
18 ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#将数字替换成‘H‘，参数1表示只替换1个
19 print(ret) #evaHegon4yuan4
20 
21 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)
22 print(ret)
23 
24 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
25 ret = obj.search(‘abc123eeee‘) #正则表达式对象调用search，参数为待匹配的字符串
26 print(ret.group())  #结果 ： 123
27 
28 import re
29 ret = re.finditer(‘\d‘, ‘ds3sy4784a‘)   #finditer返回一个存放匹配结果的迭代器
30 print(ret)  # <callable_iterator object at 0x10195f940>
31 print(next(ret).group())  #查看第一个结果
32 print(next(ret).group())  #查看第二个结果
33 print([i.group() for i in ret])  #查看剩余的左右结果

   注意：

 1 import re
 2 
 3 
 4 #findall
 5 ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘)
 6 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
 7 
 8 ret = re.findall(‘www.(?:baidu|oldboy).com‘, ‘www.oldboy.com‘)
 9 print(ret)  # [‘www.oldboy.com‘]
10 
11 
12 
13 #split
14 ret=re.split("\d+","eva3egon4yuan")
15 print(ret) #结果 ： [‘eva‘, ‘egon‘, ‘yuan‘]
16 
17 ret=re.split("(\d+)","eva3egon4yuan")
18 print(ret) #结果 ： [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘]
19 
20 #在匹配部分加上（）之后所切出的结果是不同的，
21 #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
22 #这个在某些需要保留匹配部分的使用过程是非常重要的。