Python 正则表达式学习日记

python正则表达式模块引入

正则表达式的目的

• 数据挖掘
  从一大堆文本呢中找到所需要的文本内容，比如在网站爬虫的时候找到所需要的图片等等。
• 验证
  当有用户在你设置的应用程序进行登陆时，可以使用正则确认所获取的数据是否填写规范等等。

正则的使用

• 指定一个匹配规则，识别该规则是否存在一个文本字符串中；
• 正则表达式可以识别匹配文本是否存在；
• 可以将一个规则分解为多个子规则，并展示每个子规则匹配的文本。

正则的优缺点：

• 优点：提高工作效率，节省代码
• 缺点：复杂难以理解
  一般如果可以用更简单的方法进行字符串的匹配就最好不要用正则

re — python 的标准库

re模块就是python中自带的正则模块，可以用于从文本中匹配需要的文本内容。这个是python的标准库，无需自己安装。
想看更多详情请关注：
官方文档

re模块的基本用法

1. match

• 从字符串头查找匹配项；
• 接收一个正则表达式和字符串，从字符串的第一个字符开始匹配，并返回发现的第一个能够匹配的内容;
• 如果字符串从开头就不符合正则表达式，则匹配失败，re.match返回None.

ret = re.match(r"ame","psg.lgd.ame maybe chalice fy xnova")
print(ret)
'''
输出结果为 None
因为match匹配的话要求字符串从开头就要是预备匹配的字符
'''
ret = re.match(r"ame","ame maybe chalice fy xnova")
print(ret)
'''
输出结果为： <re.Match object; span=(0, 3), match='ame'>
span ： 是匹配到的字符串索引值的区域  下标索引是 0，1，2
如果想要输出匹配到的字符串则是下面语句
'''
print(ret.group())
'''
输出结果为 ame
group 是由于正则表达式可以分拆为多个匹配到的子组
0 是group的默认参数，表示匹配的整个串，n表示第n个分组
然后还有一个和 group 对应的 groups 函数，表示输出从1到所含的小组号
'''
print(ret.groups())
"""
这里输出的结果为： () 
因为match只会匹配到一个需要的文本内容就会退出，所以下标值只有0，没有超过1的内容
"""

此外 match 还有 start() 和 end() 函数，其返回的结果就是匹配到字符串的起始下标和结束下标。

2. search

• 查找匹配项；
• 接收一个正则表达式和字符串，并返回匹配到的第一个值;
• 如果整个字符串都没有能够匹配到的内容，re.search返回None.

'''
search 的用法与 match 基本一致
只不过需要注意的是
match 是必须从字符串首个字符开始匹配
search 是从前到后匹配字符串中第一个能匹配上的字符段
'''
ret = re.search(r"ame","psg.lgd.ame maybe chalice fy xnova")
print(ret)
print(ret.group())
"""
输出内容为：
<re.Match object; span=(8, 11), match='ame'>
ame
"""

3. findall

• 接收两个参数，第一个参数是正则表达式，第二个是字符串，会查询字符串内所有能匹配上的内容，并返回一个列表。

ret = re.findall(r"python", "Python3 python3 mpython fython typython")
print(ret)
"""
输出结果为： ['python', 'python', 'python']
findall 如这个函数的名字，会找到所有能够匹配上的字符串，不管目标内容处于何种位置。
并且结果是用列表对其进行表示的，这个方法比较常用
"""

4. sub

• 接收三个参数，(‘匹配正则’,‘替换内容’,‘string’)；
• 会将 string 中匹配的内容替换成你设置好的替换内容。

msg = "I'm learning python!"
print(re.sub(r"learn", "LEARN", msg))
# 输出内容：I'm LEARNing python!

基本正则匹配

• 区间：[ ]

 - 正则匹配区分大小写
import re
ret = re.findall(r'Ame',"ame amexxxx Axx Ame")
print(ret)
# 输出内容 ['Ame']
ret = re.findall(r'[Aa]me',"ame amexxxx Axx Ame")
print(ret)
# 输出内容 ['ame','ame','Ame']
 - 匹配所有字母: [a-zA-Z]
 - 匹配所有字母和数字: [a-zA-Z0-9]

• 匹配或 语法 —— 匹配规则1|匹配规则2

 - 匹配 cat 或者 dog
msg = "It's raining cats and dogs"
ret = re.search("cat|dog", msg)
print(ret.group())
# 输出结果 cat
ret = re.findall("cat|dog", msg)
print(ret)
# 输出结果 ['cat', 'dog']

• 区间取反 —— [^abc]

 - 匹配 a + 非小写字母 字符
ret = re.findall("a[^a-z]", "abda13kal23jla9")
print(ret)
# 输出结果 ['a1', 'a9']

• 任意字符："."占位符

 - "." 表示出了\n 之外的任意字符  表示的是一定要有一个字符
ret = re.findall("p.thon", "python pathon  ppthon p-thon Python pthon")
print（ret）
# 输出结果 ['python', 'pathon', 'ppthon', 'p-thon']

正则的快捷匹配方式

上述功能就不展示了，感兴趣可以自行测试体验。

基本正则匹配 - 开头与结尾

开始与结束：^, $

 - 匹配以python开头：^python 
ret = re.findall(r"^python", "python3#  python  python")
print(ret)
# 输出结果为 python
 - 匹配以python结尾：python$
ret = re.findall(r"python$", "python3#  python  python")
print(ret)
# 输出结果为 python

正则重复 – 通配符

补充一个通配符："{n,m}"
匹配指定的字符组出现n次到m次

ret = re.findall("p{2,4}", "ppppythonppppp")
print(ret)
# 输出结果为 ['pppp', 'pppp']

基本正则匹配 – 贪婪与非贪婪模式

这是正则匹配中比较重要的一个部分
首先解释什么是贪婪模式与非贪婪模式

• 贪婪模式(.*)：匹配尽可能多的字符 ==> 一般默认的匹配模式都是贪婪模式；
• 非贪婪模式(.*?)：只要匹配到相应的内容就会退出。

 - 演示一遍
msg = "sanchuang  hello world 123 tongle 123"
ret = re.findall("s.*123", msg)
print(ret)
"""
这一块的输出内容为 ['sanchuang  hello world 123 tongle 123']
它默认会去找到最长的一个字符串进行输出，这就是贪婪模式(默认就是贪婪模式)
"""
ret = re.findall("s.*?123", msg)
print(ret)
"""
这一块的输出内容为 ['sanchuang  hello world 123']
只要匹配到相应的内容就会退出，这就是非贪婪模式
"""
ret = re.findall("p{2,4}", "ppppythonppppp")
print(ret)
"""
这一块的输出内容为 ['pppp', 'pppp']
这里匹配的内容是四个p 因为是默认的贪婪模式匹配，它会尽量匹配到多的字符串内容，所以能匹配 4 个 p 它就不会匹配 3 个 p
"""
ret = re.findall("p{2,4}?", "ppppythonppppp")
print(ret)
"""
这一块的输出内容为 ['pp', 'pp', 'pp', 'pp']
因为 ? 是非贪婪模式，当它匹配到两次 p 已经满足要求了，就会立马把结果输出，再进行下一次的内容匹配
"""

正则表达式的大部分重要内容到这里就结束了；
如果想了解更多欢迎留言。
也欢迎来访 三创 一起学习。