爱根，正则表达式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：

import reprint(re.findall("a","abc"))  #[‘a‘]

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［］：

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.c*d+‘)
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‘]

ret = re.findall(‘[.\-*\^+\\\\]‘, r‘a.^c*d+-\\‘)　　 #代表后面是原生字符串，两个\，在显示的时候，解释器会将每个\转为\\显示出来。print(ret)                                          #[‘.‘, ‘^‘, ‘*‘, ‘+‘, ‘-‘, ‘\\‘, ‘\\‘]ret = re.findall(‘[.\-*\^+\\\\]‘, ‘a.^c*d+-\\‘)  　　#代表后面是一个\，因为没有加r来代表原生字符串。print(ret)                                          #[‘.‘, ‘^‘, ‘*‘, ‘+‘, ‘-‘, ‘\\‘]

ret = re.findall(‘[.\-*\^+\\\\]‘, r‘a.^c*d+-\m‘)print(ret)                                          #[‘.‘, ‘^‘, ‘*‘, ‘+‘, ‘-‘, ‘\\‘]ret = re.findall(‘[.\-*\^+\\\\]‘, r‘a.^c*d+-\\‘)print(ret)                                          #[‘.‘, ‘^‘, ‘*‘, ‘+‘, ‘-‘, ‘\\‘,‘\\‘]# ret = re.findall(‘[.\-*\^+\\\\]‘, ‘a.^c*d+-\m\‘)    #后面不能是\‘因为代表把‘也转义了。# print(ret)# ret = re.findall(‘[.\-*\^+\\\\]‘, r‘a.^c*d+-\m\‘)   #无论是否是原生字符串，\都有转义的功能，如上。# print(ret)ret = re.findall(‘[.\-*\^+\\\\]‘, ‘a.^c*d+-\m\\‘)   #字符串后面两个\\到解释器里转化为一个。print(ret)                                          #[‘.‘, ‘^‘, ‘*‘, ‘+‘, ‘-‘, ‘\\‘, ‘\\‘]ret = re.findall(‘[.\-*\^+\\\\]‘, r‘a.^c*d+-\a‘)    #加上r后，表明里面的\a不再有意义。print(ret)                                          #[‘.‘, ‘^‘, ‘*‘, ‘+‘, ‘-‘, ‘\\‘]ret = re.findall(‘[.\-*\^+\\\\]‘, ‘a.^c*d+-\a‘)     #这个\a代将无意义的a转化为有意义的了，所以判断不出来。print(ret)                                          #[‘.‘, ‘^‘, ‘*‘, ‘+‘, ‘-‘]

因为\\\\可以拆分为\\ \\，前两个\\交给解释器代表就是一个实实在在的\，然后后面两个代表他就是一个实实在在的\，通过两个实实在在的\\，代表就是转义出一个没有任何意义的\。

# ret=re.findall(‘c\l‘,‘abc\le‘)          #报错。# print(ret)#[]# ret=re.findall(‘c\\l‘,‘abc\le‘)         #报错。# print(ret)#[]ret=re.findall(‘c\\\\l‘,‘abc\le‘)         #[‘c\\l‘]print(ret)#[‘c\\l‘]ret=re.findall(r‘c\\l‘,‘abc\le‘)          #[‘c\\l‘]print(ret)#[‘c\\l‘]

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

元字符之分组()

m = re.findall(‘(ad)+‘, ‘addad‘)
print(m)    #[‘ad‘, ‘ad‘]
m = re.findall(‘\d+(?P<id>ad)+‘, ‘1234adadad‘)　　　　#巨鸡巴蛋疼
print(m)    #[‘ad‘]

m = re.findall(r‘\d+(?:ad)+‘, ‘1234adadad‘)print(m)    #[‘1234adadad‘]

ret = re.search(‘(?P<id>\d{2})/(?P<name>\w{3})‘, ‘23/com‘)
print(ret.group())  # 23/com

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‘]

元字符之｜

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

常用方法

# 1
a=re.findall(‘a‘, ‘alvin yuan‘)  # 返回所有满足匹配条件的结果,放在列表里
print(a)        #[‘a‘, ‘a‘]
# 2
a=re.search(‘a‘, ‘alvin yuana‘).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。
print(a)        #a
a=re.search("a","12345")
# print(a.group())                      #报错。
# 3
a=re.match(‘a‘, ‘abcava‘).group()  # 同search,不过尽在字符串开始处进行匹配
print(a)
# 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)     #只分割一次，并替换。
print(ret)             # alvinabcyuan6
ret = re.subn(‘\d‘, ‘abc‘, ‘alvin5yuan6‘)       #全部分割，并显示分割次数。
print(ret,type(ret))   #‘alvinabcyuanabc‘, 2)

# 6
obj = re.compile(‘\d{3}‘)
ret = obj.search(‘abc123eeee‘)
print(ret.group())  # 123

　　　　　　　　　　　　　　　　　　　　　　　　　　　　     得到一个迭代器ret = re.finditer(‘\d‘, ‘ds3sy4784a‘)           #得到一个迭代器。
print(ret)  # <callable_iterator object at 0x10195f940>

print(next(ret).group())
print(next(ret).group())

高阶实验

#匹配出所有的整数

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

ret=re.findall(r"-?\d+\.\d*|(?:-?\d+)","1-2*(60+(-40.35/5)-(-4*3))")
print(ret)        #[‘1‘, ‘-2‘, ‘60‘, ‘-40.35‘, ‘5‘, ‘-4‘, ‘3‘]

ret=re.findall(‘(ab)|\d‘,‘rabhdg8sd‘)
print(ret)          #[‘ab‘, ‘‘]
ret.remove("")

import re

print(re.findall("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>"))   #引用?P
print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>"))
print(re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>"))　　　　　　　　　　　　　　　　#引用/1