大数据最新Python基础知识进阶之正则表达式_头歌python正则表达式进阶(1)

pattern : 一个字符串形式的正则表达式


flags : 可选，表示匹配模式，比如忽略大小写，多行模式等。

import re

x = re.compile(‘www’)
print(re.match(x,‘www.baidu.com’))

<re.Match object; span=(0, 3), match=‘www’>

y = re.compile(‘com’)
print(re.search(y,‘www.baidu.com’))

<re.Match object; span=(10, 13), match=‘com’>

---


### 六.findall


       在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，


       则返回元组列表，如果没有找到匹配的，则返回空列表。

findall(string[, pos[, endpos]])

string : 待匹配的字符串。


pos : 可选参数，指定字符串的起始位置，默认为 0。


endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

import re

x = re.compile(‘www’)
print(re.findall(x,‘www.baidu.www’))

[‘www’, ‘www’]

x = re.compile(‘yyy’)
print(re.findall(x,‘www.baidu.www’))

[]

**注意：** 


       match 和 search 是匹配一次 findall 匹配所有。




---


### 七.finditer


       在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

re.finditer(pattern, string, flags=0)

pattern：匹配的正则表达式


string：  要匹配的字符串。


flags：   标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

import re

x = re.compile(‘www’)
y = re.finditer(x,‘www.baidu.www’)
for i in y:
print(i,i.group())

<re.Match object; span=(0, 3), match=‘www’> www

<re.Match object; span=(10, 13), match=‘www’> www

---


### 八.split


       split 方法按照能够匹配的子串将字符串分割后返回列表。

re.split(pattern, string[, maxsplit=0, flags=0])

pattern：   匹配的正则表达式


string：     要匹配的字符串。


maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。


flags：      标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

x = re.compile(r’.|:')
print(re.split(x, ‘www.baidu:com’))

[‘www’, ‘baidu’, ‘com’]

---


### 九.表达式模式




|  |  |
| --- | --- |
| **模式** | **描述** |
| ^ | 匹配字符串开头 。 |
| $ | 匹配字符串结尾 。 |
| . | 匹配除 '\n'之外的任何单个字符。要匹配 '\n' 请使用象 '[.\n]' 的模式 。 |
| + | 匹配前一个字符出现1次或者无限次，即至少有1次 。 |
| \* | 匹配前一个字符出现0次或者无限次，即可有可无 。 |
| ? | 匹配前一个字符出现1次或者0次，即要么有1次，要么没有 。 |
| | | 匹配左右任意一个表达式 。 |
| [ ] | 匹配[ ]中列举的字符 。 |
| ( ) | 将括号中字符作为一个分组进行匹配 。 |
| { } | 匹配前一个字符出现的次数。 |
| \A | 用于匹配字符的开头，等同于 ^ 。 |
| \b | 匹配单词结尾，包括各种空白字符或者字符串结尾 。 |
| \B | 匹配非边界字符。 |
| \d | 匹配一个数字字符。等价于 [0-9] 。 |
| \D | 匹配一个非数字字符。等价于 [^0-9] 。 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v] 。 |
| \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v] 。 |
| \w | 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9\_]' 。 |
| \W | 匹配任何非单词字符。等价于 '[^A-Za-z0-9\_]' 。 |
| \Z | 用于匹配字符的结尾，等同于 $ 。 |




---


### 十.表达式应用


**1.字符 '^' 匹配以指定字符串开头，并返回匹配成功字符串 。**

import re

x = re.compile(r’^w’)
for i in [‘www’, ‘ywy’]:
print(re.search(x, i))

<re.Match object; span=(0, 1), match=‘w’>

None

---


**2.字符 '$' 匹配以指定字符串的结尾，并返回匹配成功字符串 。**

import re

x = re.compile(r’w$')
for i in [‘www’, ‘ywy’]:
print(re.search(x, i))

<re.Match object; span=(2, 3), match=‘w’>

None

---


**3.字符 '.' 代表任何一个字符，但是没有特别声明时不代表字符'\n' 。**

import re

x = re.compile(r’1.3’)
for i in [‘12333’, ‘1\t333’, ‘1\n333’]:
print(re.search(x, i))

<re.Match object; span=(0, 3), match=‘123’>

<re.Match object; span=(0, 3), match=‘1\t3’>

None

---


**4.字符 '+' 重复前面一个匹配字符一次或者多次 。**

import re

x = re.compile(r’\d+')
for i in [‘123’, ‘45x’]:
print(re.search(x, i))

<re.Match object; span=(0, 3), match=‘123’>

<re.Match object; span=(0, 2), match=‘45’>

---


**5.字符 '\*' 重复前面一个匹配字符零次或者多次 。**

import re

x = re.compile(r’12*')
for i in [‘11222’, ‘12255’]:
print(re.search(x, i))

<re.Match object; span=(0, 1), match=‘1’>

<re.Match object; span=(0, 3), match=‘122’>

x = re.compile(r’12+')
for i in [‘11222’, ‘12255’]:
print(re.search(x, i))

<re.Match object; span=(1, 5), match=‘1222’>

<re.Match object; span=(0, 3), match=‘122’>

**注意：**


       r'12+'匹配是'12'，而r'12\*'匹配的是'1',因为'2'可以重复零次，但'12+'却要求'2'重复一次以上。




---


**6. 字符 '?' 重复前面一个匹配字符零次或者一次 。**

import re

x = re.compile(r’12?')
for i in [‘12122’, ‘31529’]:
print(re.search(x, i))

<re.Match object; span=(0, 2), match=‘12’>

<re.Match object; span=(1, 2), match=‘1’>

---


**7.字符 '|' 代表或，即把左右分成两个部分，匹配左右任意⼀个表达式 。**

import re

x = re.compile(r’12|21’)
for i in [‘12333’, ‘21333’]:
print(re.search(x, i))

<re.Match object; span=(0, 2), match=‘12’>

<re.Match object; span=(0, 2), match=‘21’>

---


**8. 字符 '[ ]' 中的字符是任选择一个，如果字符ASCll码中连续的一组，那么可以使用 '-' 字符连接，例如[0-9]表示0-9的其中一个数字，[A-Z]表示A-Z的其中一个大写字符，[0-9A-z]表示0-9的其中一个数字或者A-z的其中一个大写字符。**

import re

x = re.compile(r’[0-9]')
for i in [‘123’, ‘45’, ‘78’]:
print(re.search(x, i))

匹配数字0-9之间的任意数字。

<re.Match object; span=(0, 1), match=‘1’>

<re.Match object; span=(0, 1), match=‘4’>

x = re.compile(r’[A-Z]')
for i in [‘Abc’, ‘aBc’]:
print(re.search(x, i))

匹配A-Z之间任意大写字母。

<re.Match object; span=(0, 1), match=‘A’>

<re.Match object; span=(1, 2), match=‘B’>

x = re.compile(r’[A-z]')
for i in [‘Abc’, ‘abC’]:
print(re.search(x, i))

匹配A-z之间任意大写或小写字母。

<re.Match object; span=(0, 1), match=‘A’>

<re.Match object; span=(0, 1), match=‘a’>

---


**9. 使用括号( )可以把( )看出一个整体，经常与'+'、'\*'、'?'连续使用,对( )部分进行重复匹配 。**

x = re.compile(r’(ab)+')
for i in [‘ababc’, ‘cababc’]:
print(re.search(x, i))

<re.Match object; span=(0, 4), match=‘abab’>

<re.Match object; span=(1, 5), match=‘abab’>

x = re.compile(r’(ab)*')
for i in [‘ababc’, ‘abcabc’]:
print(re.search(x, i))

<re.Match object; span=(0, 4), match=‘abab’>

<re.Match object; span=(0, 2), match=‘ab’>

x = re.compile(r’(ab)?')
for i in [‘ababc’, ‘abcabc’]:
print(re.search(x, i))

<re.Match object; span=(0, 2), match=‘ab’>

<re.Match object; span=(0, 2), match=‘ab’>

---


**10.字符 '{ }' 用于匹配前一个字符出现的次数 。**

import re

for i in [‘abc’,‘abb’,‘acb’]:
print(re.search(r’b{1}', i))

<re.Match object; span=(1, 2), match=‘b’>

<re.Match object; span=(1, 2), match=‘b’>

<re.Match object; span=(2, 3), match=‘b’>

import re

for i in [‘abc’,‘abb’,‘acb’]:
print(re.search(r’b{2}', i))

None

<re.Match object; span=(1, 3), match=‘bb’>

None

---


**11.特殊字符使用 '\' 引导，例如 '\r'、'\n'、'\t' 等分别表示回车、换行、制表符号 。**

import re

x = re.compile(r’\n|\t|\r’)
for i in [‘12\r33’,‘12\n33’, ‘12\t33’]:
print(re.search(x, i))

<re.Match object; span=(2, 3), match=‘\r’>

<re.Match object; span=(2, 3), match=‘\n’>

<re.Match object; span=(2, 3), match=‘\t’>

---


**12. '^' 出现在[]第首字符位置代表取反，例如 '[ ^x0-9]' 表示即不是x，也不是0-9数字的字符串 。**

import re

x = re.compile(r’[^a0-9]')
for i in [‘abc’, ‘c16’]:
print(re.search(x, i))

<re.Match object; span=(1, 2), match=‘b’>

<re.Match object; span=(0, 1), match=‘c’>

---


**13.字符 '\A' 用于匹配字符的开头，等同于 ^ 。**

import re

x = re.compile(r’\A21’)
for i in [‘212122’, ‘122555’]:
print(re.search(x, i))

<re.Match object; span=(0, 2), match=‘21’>

None

**14.字符 '\b' 表示单词结尾,单词结尾包括各种空白字符或者字符串结尾 。**

import re

x = re.compile(r’b\b’)
for i in [‘a b c’, ‘ab c’, ‘abb’]:
print(re.search(x, i))

<re.Match object; span=(2, 3), match=‘b’>

<re.Match object; span=(1, 2), match=‘b’>

<re.Match object; span=(2, 3), match=‘b’>

---


**15.字符 ' \B '匹配非边界字符 。**

import re

for i in [‘abc’,‘abb’,‘acb’]:
print(re.search(r’b\B’, i))

<re.Match object; span=(1, 2), match=‘b’>

<re.Match object; span=(1, 2), match=‘b’>

None

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

15.字符 ’ \B '匹配非边界字符 。*

import re

for i in ['abc','abb','acb']:
	print(re.search(r'b\B', i))

# <re.Match object; span=(1, 2), match='b'>
# <re.Match object; span=(1, 2), match='b'>
# None


[外链图片转存中...(img-9wH4vfSb-1714783610665)]
[外链图片转存中...(img-sU4OGjcd-1714783610665)]

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**