python——正则表达式

前言
想从字符串“12R16L4L”中，分割出两个列表：[12,16,4] and [R,L,L]？
想从一大串字符串中挑出你想要的字眼？

0.什么是正则表达式:

正则表达式，又称正规表示法，是对字符串操作的一种逻辑公式。正则表达式可以检测给定的字符串是否符合我们定义的逻辑，也可以从字符串中获取我们想要的特定部分。它可以迅速地用极简单的方式达到字符串的复杂控制。

1.正则的语法

1."."：匹配除了\n之外的任意一个字符，re.S模式下可以匹配\n

2."\"：转义字符

3."[]"：或，选择其中包含的字符进行匹配

4."|"：或，选择“|”两边的内容进行匹配

5."*"：匹配前一个字符出现0次或者无限次，即可有可无

6."+"：匹配前一个字符出现1次或者无限次，即至少有1次

7."?"：非贪婪，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

8."\s"：空白字符，包含"tab键,空格，\n"

9."\S"：匹配非空白

10."\d"：匹配数字，即0-9

11."\D"：匹配非数字，即不是数字

12."\w"：匹配单词字符，即a-z、A-Z、0-9、_、还可以匹配中文

13."\W"：匹配非单词字符

14."{m}"：匹配前一个字符出现m次

15."{m,n}"：匹配前一个字符出现从m到n次

16."^"：匹配字符串开头

17."$"：匹配字符串结尾

18."(ab)"：将括号中字符作为一个分组

19."\num"：引用分组num匹配到的字符串

20."(?P<name>)"：分组起别名

21."(?P=name)"：引用别名为name分组匹配到的字符串

重点掌握：匹配单个字符、匹配多个字符、匹配开头结尾、匹配分组

2.正则的方法

1.re.match(r"匹配条件", "匹配的内容"): 能够匹配出以xxx开头的字符串，默认非贪婪，匹配到符合条件的内容就返回内容，内容为字符串
  
2.ret.group()：引用分组中的内容，有（内容）就按1,2进行引用，如果没有，直接引用当前匹配内容，内容为字符串

3.re.search(r"匹配条件", "匹配的内容")：从全局开始开始匹配，如果匹配到符合条件的内容就返回内容，内容为字符串

4.re.findall(r"匹配条件", "匹配的内容")：从全局开始匹配，默认贪婪，会匹配所有符合条件的内容，再返回一个列表

5.re.sub(r"匹配条件", "需要替换的内容", "匹配的内容")：将匹配到的数据进行替换，返回字符串

6.p = re.compile("匹配条件")：可以将条件保存在一个变量中，再以变量.方法的方式进行匹配
	例：
  		p = re.compile("匹配条件")
  		p.findall("匹配的内容")

3.原始字符串r的作用

1.Python中字符串前面加上 r 表示原生字符串

2.与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

3.Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观

4.解决windows下面的文件路径

4.re模块的使用过程

# 导入re模块
import re

# 使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)

# 如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()

现在回到文章开头的问题，想从字符串“12R16L4L”中，分割出两个列表：[12,16,4] and [R,L,L]？

import re
n = '12R16L4L'
n1 = re.split('\w',n)    # \w 以字母为匹配内容 进行分割
n2 = re.split('\d',n)    # \d 以数字为匹配内容 进行分割

想从一大串字符串中挑出你想要的字眼？
这一个用法在爬虫中较为常见！

import re
n = '<script src="https://g.csdnimg.cn/??lib/jquery/1.12.4/jquery.min.js,user-tooltip/2.2/user-tooltip.js,lib/qrcode/1.0.0/qrcode.min.js"></script> <script src=\'//g.csdnimg.cn/common/csdn-report/report.js\' type=\'text/javascript\'></script> \
         <script src="https://g.csdnimg.cn/user-ordercart/2.0.1/user-ordercart.js?ts=2.0.1\"></script>'
print(re.findall('<script src="(.*?)\">', n))

import re
# 1.匹配以下以.com或.cn为后缀的网址
# li = ['www.baidu.com', 'www.123edu.cn', 'www.taobao.con', 'www.we.n']
# for i in li:
#     r = re.match(".*(.com|.cn)$",i) # 分组() 任意一个|
#     if r!=None:
#         print(f"符合：{i}")
#     else:
#         print(f"不符合：{i}")

# 2.不是以4、7结尾的号码(4位)
li = ["2233","3344","3452","2457"]
for i in li:
    r = re.match(".*[^47]$",i)
    if r!= None:
        print(f"符合：{i}")
    else:
        print(f"不符合：{i}")