Python正则表达式用法

目录

1. 基本知识

2.常用元字符

3. 量词

4.贪婪匹配和惰性匹配

5. findall、finditer、search、match、compile 用法

6. 给分组起别名

---

1. 基本知识

正则表达式（Regular Expression）是一种使用表达式对字符串进行匹配的语法规则，用于处理字符串。

优点：速度快、效率高、准确性高

语法规则：使用元字符排列组合用来匹配字符串。

• 元字符：具有固定含义的特殊符号
• 量词： 控制前面的元字符出现的次数

2.常用元字符

常用的元字符

元字符	含义
.	匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像"(.|\n)"的模式。
\w	匹配字母或数字或下划线
\s	匹配任意的空白字符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开始
$	匹配字符串的技术
\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

作用：控制前面的元字符出现的次数

量词

元字符	含义
*	重复零次或更多次,  等价于{0, }
+	重复一次或更多次，等价于{1,}
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n, m}	重复n到m次

4.贪婪匹配和惰性匹配

表达式	含义
.*	贪婪匹配（尽可能多的去匹配）
.*?	惰性匹配（尽可能少的去匹配）

示例

str: "玩吃鸡游戏，晚上一起上游戏，干嘛呢， 打游戏啊"
reg: 玩.*?游戏
此时匹配的是: 玩吃鸡游戏

reg: 玩.*游戏
此时匹配的是: 吃鸡游戏，晚上一起上游戏，干嘛呢， 打游戏

5. findall、finditer、search、match、compile 用法

补充： 正则表达式式中使用括号就分组匹配，一个括号就是一个分组。

(1) findall和finditer ：都可以获取所有匹配的结果，不同时是findall返回的是一个list，而finditer 返回的是一个迭代器<class 'callable_iterator'>

str1 = "我今年25岁, 我有2000万"
res = re.findall("\d+", str1)
print(res) # ['25', '2000']

res = re.finditer("\d+", str1)
print(type(res))
for item in res: # 从迭代器中拿到内容
    print(item.group()) # 从匹配的结果中拿到数据
# 25
# 2000

（2）search和match

    a. search：会扫描整个字符串匹配，只会返回第一次匹配到的内容，返回的是Match object ，需要使用group拿到数据

# search用法
res = re.search("\d+", str1)
print(res) # <re.Match object; span=(3, 5), match='25'>
print(res.group()) # 25

    b.match在匹配的时候，是从字符串的开头进行匹配，类似在正则前面加上^。只有在0位置匹配成功才有返回，否则返回None

res = re.match(r"\d+", str1)
print(res) 

（3）compile 预加载，提前把正则对象加载完毕

s = """
    <div class='西游记'><span id='10086'>中国移动</span></div>
    <div class='西游记'><span id='10010'>中国联通</span></div>
"""

obj = re.compile(r"<span id='(\d+)'>(.*?)</span>")
# 直接把加载好的对象进行使用
res = obj.findall(s) 
print(res)

# [('10086', '中国移动'), ('10010', '中国联通')]

6. 给分组起别名

语法： (?P<名称>正则)

s = """
    <div class='西游记'><span id='10086'>中国移动</span></div>
    <div class='西游记'><span id='10010'>中国联通</span></div>
"""

obj = re.compile(r"<span id='(?P<id>\d+)'>(?P<name>.*?)</span>")
res = obj.finditer(s)
for item in res:
    print(item.group("id"), item.group("name"))
    
    # 10086 中国移动
    # 10010 中国联通