Python基础13_正则表达式,re模块,

一. 正则表达式

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

正则表达式由普通字符和元字符组成, 普通字符包含大小写字母, 数字. 在匹配普通字符的时候我们直接写就可以了

元字符是正则表达式的灵魂

1. 字符组

字符组用[]括起来, 在[]中的内容会被匹配

[a-zA-Z0-9]    表示所有的数字字母

2. 简单元字符

.    匹配除换行符之外的任意字符

\w    匹配数字或字母或下划线

\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    匹配一个单词的边界

^    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

3. 量词

*    重复0次或更多次

+    重复1次或更多次

?    重复0次或1次

{n}    重复n次

{n, }    重复n次或更多次

{n, m}    重复n次到m次

4. 惯性匹配和贪婪匹配

* + {} 都属于贪婪匹配, 就是尽量多的匹配到结果

在使用.*后再加?就是尽可能的少匹配, 表示惰性匹配

.*?x    表示找到下一个x为止

5. 分组

使用()进行分组

6. 转义

在python中, 无论是正则表达式还是待匹配的内容, 都是以字符串的内容出现的

r"\\n" 表示正则的r"\n"

二. re模块

import re

python提供的一套关于处理正则表达式的模块

1. findall()    查找所有, 返回list

result = re.findall("\d", "asdf123asdf456")

print(result)

# [‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘]

2. search()        进行匹配, 但是如果匹配到第一个结果, 就会返回该结果, 匹配不到则返回None

result = re.search("\d", "asdf123asdf456")

print(result.group())

# 1

3. match()        只能从字符串的开头进行匹配, 匹配不到则返回None

result = re.match("\d", "asdf123asdf456")

print(result.group())

# AttributeError: ‘NoneType‘ object has no attribute ‘group‘

4. finditer()    和findall用法相似, 但返回的是迭代器

result = re.finditer("\d+", "asdf123asdf456")

print(result)

<callable_iterator object at 0x029A28D0>

for el in result:

print(el.group())

# 123

# 456

5. split()        用多个元素去切割

ret = re.split("[ab]", "qweabdfdadffbffs")

print(ret)

# [‘qwe‘, ‘‘, ‘dfd‘, ‘dff‘, ‘ffs‘]

6. sub()        替换

ret = re.sub(r"\d+", "_sb_", "faf123fsfs456dsf")

print(ret)

# faf_sb_fsfs_sb_dsf

7. subn()        替换, 替换了多少次

ret = re.subn(r"\d+", "_sb_", "faf123fsfs456dsf")

print(ret)

# (‘faf_sb_fsfs_sb_dsf‘, 2)

8. compile()    将正则表达式编译成一个正则表达式对象

obj = re.compile(r"\d{3}")

ret = obj.search("sfdaf13321fasf123fffsaf")

print(ret.group())

# 133

9. 爬虫的一个重点, 分组命名

result = re.finditer("姓名: (?P<name>.*?), 爱好: (?P<hobby>.*?),", "姓名: 宝宝, 爱好: 女, 年龄: 18")

for el in result:

print(el.group("name"), el.group("hobby"))

# 宝宝 女

坑1 分组合取消分组权限

这里因为findall会优先把匹配结果组里的内容返回, 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)

# [‘oldboy‘]

?: 相当于取消了分组的权限

ret = re.findall("www.(?:baidu|oldboy).com", "www.oldboy.com")

print(ret)

# [‘www.oldboy.com‘]

坑2 split切割 分组加()的结果

# 坑2

ret = re.split("\d+", "asf3faf4asdf")

print(ret)

# [‘asf‘, ‘faf‘, ‘asdf‘]

ret = re.split("(\d+)", "asf3faf4asdf")

print(ret)

# [‘asf‘, ‘3‘, ‘faf‘, ‘4‘, ‘asdf‘]

在匹配部分加上()后切出来的结果是不同的

没有()则没有保留所匹配的项, 有()则保留了匹配的项

这个在某些需要保留匹配部分的使用过程是非常重要的

原文地址：https://www.cnblogs.com/guyannanfei/p/10196214.html