正则表达式，re模块
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了正则表达式，re模块相关的知识，希望对你有一定的参考价值。
正则表达式
在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。
^：开头
$：结尾
比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$。
字符转义
想查找deerchao.net ，需要将特殊符号转义 deerchao.net
想查找C:\Windows ，需要将特殊符号转义 C:\Windows
重复
Windows\d+匹配Windows后面跟1个或更多数字
^\w+匹配一行的第一个单词
11{1,3}：表示11出现1次至3次（111,1111,11111），比如输入1141114111411114
字符类
[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)
[0-9]代表的含意与\d就是完全一致的：一位数字；同理[a-z0-9A-Z_]也完全等同于\w
(?0\d{2}[) -]?\d{8} ：1、转义字符( 出现0次或者1次（？） 2、跟着0 然后跟着2个数字（\d{2}）3、然后是 ）或者空格 或者 - 中的一个[) -] ，出现0次或者1次（？）
4、后面跟着8个数字（\d{8}）
分枝条件
刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件。正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开
0\d{2}-\d{8}|0\d{3}-\d{7}：这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。
分组
(\d{1,3}.){3}\d{1,3}：1、表示(\d{1,3}.) 是一个分组 数字重复出现1,3次，. 表示转义 2、{3} 表示重复3次 2、\d{1,3}：重复前面的数字1,3次
\d：1到9
反义
有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：
例子：\S+匹配不包含空白符的字符串。
<a[^>]+>匹配用尖括号括起来的以a开头的字符串。
re模块
re.match函数
尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none
函数语法：
re.match(pattern, string, flags=0)
例子1：
import re
s = "ab<h1>xxx</h1>dsafasdf<html>sdfads</html>"
reg = re.compile(r"(<(?P<tag>\w+)>(.*)</(?P=tag)>)")
print(reg.findall(s))
结果：
[(‘<h1>xxx</h1>‘, ‘h1‘, ‘xxx‘), (‘<html>sdfads</html>‘, ‘html‘, ‘sdfads‘)]
分析：1、compile方法是将正则编译成一个对象，效率比直接写正则表达式要高
2、r"" ：表示双引号内的特殊字符不需要转义，如？，$号，不需要加上\
3、<?P<tag>\w> ：表示将数据字母组成一个组名为tag
1、?P<name>命令一个组名为tag，后面调用就是?P=tag
2、\w：数字，字母
4、.*：贪婪模式 ，表示所有
5、findall 是将正则表达式中带有（）的匹配，只要（）里面的匹配到了就放到列表里
例子2：
s = "ab<h1>xxx</h1>dsafasdf<html>sdfads</html>"
reg = re.compile(r"(<(?P<tag>\w+)>(.*)</(?P=tag)>)")
print(reg.match(s))
结果为：None （没匹配到，因为s 是以ab开头的，正则表达式以<开头）
re.match与re.search的区别:
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配就返回。
例子：
s = "ab<h1>xxx</h1>dsafasdf<html>sdfads</html>"
reg = re.compile(r"(<(?P<tag>\w+)>(.*)</(?P=tag)>)")
print(reg.search(s).group(1)) #group(1)：表示返回第一个括号的内容，group() 同group（0）就是匹配正则表达式整体结果
没有匹配成功的，re.search（）返回None
split
p = re.compile(r‘\d+‘)
print p.split(‘one1two2three3four4‘)
结果： [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘‘]
以上是关于正则表达式，re模块的主要内容，如果未能解决你的问题，请参考以下文章