正则概念
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
初入正则，re.findall()与元字符
# findall(): 去字符串中把我所有匹配到的结果，以列表形式列出
r = re.findall(‘alex‘,‘xxfsafasdf$alexxxxalex‘)
# | |
# 匹配规则 需要匹配结果的字符串
print(r)
==> [‘alex‘, ‘alex‘]
# 以上我们使用的是普通字符做规则去匹配字符串，
# 而正则就是要更灵活的匹配字符串，所以，这里要引出一个概念：
# 原字符
# . (小数点)
# 匹配除换行符以外的任何一个字符
>>> re.findall(‘al.x‘,‘xxfsafasdf$alexxxxalwx‘)
[‘alex‘, ‘alwx‘]
# ^ (以什么开头)
# $ (结尾符)
>>> re.findall(‘^al.x‘,‘alexxxfsafasdfalexxxxalwx‘)
[‘alex‘] # 仅匹配到开头的alex
>>> re.findall(‘al.x$‘,‘alexxxfsafasdfalexxxxalwx‘)
[‘alwx‘] # 匹配字符串到结尾
# * (0-多次重复)
>>> re.findall(‘alex*‘,‘alexxxfsafasdfalexxxxale‘)
[‘alexxx‘, ‘alexxxx‘, ‘ale‘] # 匹配到0-多次重复的x
# .* (1-多个任意字符)
>>> re.findall(‘f.*fale‘,‘alexxxfsafasdfalexxxxalwx‘)
[‘fsafasdfale‘]
# + (1-多次重复)
>>> re.findall(‘alex+‘,‘alexxxfsafasdf$alexxxxale‘)
[‘alexxx‘, ‘alexxxx‘]
# .+ (2-多个任意字符)
>>> re.findall(‘alex+‘,‘alex‘)
[‘alex‘]
>>> re.findall(‘alex.+‘,‘alex‘)
[]
# .? (匹配0或1此重复)
>>> re.findall(‘ale.?‘,‘alex‘)
[‘alex‘]
>>> re.findall(‘ale.?‘,‘ale‘)
[‘ale‘]
# {} (匹配范围)
>>> re.findall(‘ale{2}x‘,‘alexaleex‘) # 匹配2次重复
[‘aleex‘]
>>> re.findall(‘ale{2,3}x‘,‘alexaleexaleeex‘) # 匹配2到3次重复
[‘aleex‘, ‘aleeex‘]
>>> re.findall(‘ale.{2,7}x‘,‘alexaleexaleeexalesddsx‘) # 同样适用.{}匹配任意字符
[‘alexaleex‘, ‘aleeex‘, ‘alesddsx‘]
# [bc] 匹配b或c >>> re.findall(‘a[bc]c‘,‘abcacc‘) [‘abc‘, ‘acc‘] # [a-z] 范围匹配，a-z任意一个字母 [1-9] 匹配1-9任意一个数字 >>> re.findall(‘a[a-z]c‘,‘abcacc26862‘) [‘abc‘, ‘acc‘] >>> re.findall(‘[1-9]‘,‘abcacc26862‘) # 取到了每一个数字 [‘2‘, ‘6‘, ‘8‘, ‘6‘, ‘2‘] # [a*] 匹配a或*（*在中括号中无意义） >>> re.findall(‘a[b*]c‘,‘abca*c‘) [‘abc‘, ‘a*c‘] # [^f] 取反，不包含f匹配 >>> re.findall(‘a[^f]c‘,‘abca*c‘) [‘abc‘, ‘a*c‘]
正则之反斜杠使用
# 反斜杠后边跟元字符去除特殊功能
# 反斜杠后边跟普通字符实现特殊功能
\d 匹配到任何十进制数；它相当于[0-9]
\D 匹配任何非数字字符；它相当于[^0-9]
\s 匹配任何空白字符；它相当于[ \t\n\r\f\v] 注意第一个字符为空格
\S 匹配任何非空白字符；它相当于[^ \t\n\r\f\v] 注意第二个字符为空格
\w 匹配任何字母数字字符；它相当于[a-zA-Z0-9_] 注意包含下划线
\W 匹配任何非字母数字字符；它相当于[^a-zA-Z0-9_] 注意包含下划线
\b 匹配一个单词的边界，也就是指单词和空格间的位置
匹配单词边界（包含开始和结束），这里的“单词”，是指连续的字母、数字和下划线组成的字符串
\b定义的是\w和\W的交界，这是个零宽界定符（zero-width assertions）只用以匹配单词的词首和词尾。单词被定义为一个字母数字序列，因此词尾就是用空白符或非字母数字符来标示的
# \b 实例
>>> re.findall(‘i‘,‘i am handisome‘)
[‘i‘, ‘i‘]
# 普通匹配会这样匹配每一个i，但是我现在只想匹配单词‘i’
>>> re.findall(r‘i\b‘,‘i am handisome‘) # r为原始字符串使用，下面有介绍
[‘i‘] # 这样我只会匹配到单词i
# 不只是空格，上边定义是\w和\W的交界，也就是说我的特殊字符也属于这个交界，例如
>>> re.findall(r‘i\b‘,‘i&am handisome‘)
[‘i‘] # &符号也会被\b所匹配到
re.match()
# match 匹配字符串起始位置 # 仅匹配起始位置，后边有符合匹配也不会匹配 >>> r = re.match(‘com‘, ‘comwww.runcomoob‘) >>> r.group() ‘com‘ >>> r = re.match(‘com‘, ‘www.runcomoob‘) # 同样包含com但是不是起始位置不匹配 >>> print(r) # 因为不匹配，所以r就是一个None值 None # re.match返回的是match的一个对象结果 >>> r = re.match(‘com‘, ‘comwww.runcomoob‘) <_sre.SRE_Match object; span=(0, 3), match=‘com‘> # match对象拥有以下几个方法 # group() 返回被re匹配到的字符串 >>> r.group() # group方法拿这个对象值 ‘com‘ # start() 返回匹配开始的位置 >>> r.start() 0 # end() 返回匹配结束的位置 >>> r.end() 3 # span() 返回一个元祖包含匹配（开始，结束）的位置 >>> r.span() (0, 3)
re.search()
# search()找到第一个匹配的字符串 # search同样返回一个match对象 >>> r = re.search(‘com‘, ‘www.rcomuncomoob‘) # 我有两个com >>> r.group() ‘com‘ >>> r <_sre.SRE_Match object; span=(5, 8), match=‘com‘> # 仅匹配到第1个com
re.sub()
# re.sub() 替换方法
# re.sub(pattern,repl,string,max)
# 将string字符串中匹配pattern的字符串替换为repl
# max为最大替换数
>>> re.sub("g.t",‘have‘, ‘i get a, i got b , i gut c‘)
‘i have a, i have b , i have c‘
>>> re.sub("g.t",‘have‘, ‘i get a, i got b , i gut c‘,2 ) #指定最大替换为2
‘i have a, i have b , i gut c‘
# re.subn() 同样为替换
>>> re.subn("g.t",‘have‘, ‘i get a, i got b , i gut c‘ )
(‘i have a, i have b , i have c‘, 3)
>>> re.subn("g.t",‘have‘, ‘i get a, i got b , i gut c‘,2 )
(‘i have a, i have b , i gut c‘, 2)
# 对比sub，它输出为元祖有两个元素，第一修改后字符串，第二是修改次数
re.split()
# split切割字符串 >>> re.split(‘\d+‘,‘one1two2three3four4‘) # \d+ 等于[1-9]+, 1个到多个数字，按数字切割此字符串 [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘‘] # 注意 ， 我最后4切割完成后，还保留了一个空字符串为一个元素输出了
re.compile()
# 是将你需要匹配的规则封装为一个对象，然后直接使用这个对象调用findall、search等等匹配字符串 >>> text = "i am handsome" # 这是我要去匹配的字符串 >>> regex = re.compile(r‘i\b‘) # 这是我要匹配字符串的规则，封装为compile对象 >>> print(regex.findall(text)) # 我直接使用我封装好的compile对象去字符串匹配 [‘i‘]
正则之原生字符串
>>> re.search(r‘\\‘,‘www\www‘).group() ‘\\‘ # 我们拿\\去后边字符串匹配，匹配到了，但是我们后边字符串并没有\\ # 这是因为，正则本身就是一个语言，在后边字符串输入，只是提供给正则 # 正则当处理我们数据后，返回给python，因为\有特殊予以，所以返回 # python时又转译了字符串
时间： 2024-09-29 22:17:28