正则表达式

一、概述

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取@前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。

二、正则表达式的匹配规则

在我们使用正则表达式之前，我们需要首先了解正则表达式的一些匹配规则，具体的规则如下：
###1.匹配单个字符

字符  功能
.   匹配任意1个字符（除了\n）
[ ] 匹配[ ]中列举的字符
\d  匹配数字，即0-9
\D  匹配非数字，即不是数字
\s  匹配空白，即 空格，tab键,换行符\n
\S  匹配非空白
\w  匹配单词字符，即a-z、A-Z、0-9、_
\W  匹配非单词字符

示例：
    ret =re.match('.','mll')
    print(ret.group()) #m
    ret3 = re.match('[hH]','hello world')
    print(ret3.group()) #h
    ret7 = re.match('\d\d\d', '44033')
    print(ret7.group()) #440

2.匹配多个字符

字符  功能
*   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次或者无限次，即至少有1次
?   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
{m} 匹配前一个字符出现m次
{m,n}   匹配前一个字符出现从m到n次

示例：
    ret8 = re.match('[A-Z][a-z]*','M')
    print(ret8.group())#M    
    ret9 = re.match('[A-Z][a-z]+','Ma')
    print(ret9.group()) #Ma

3.匹配开头结尾

字符  功能
^   匹配字符串开头
$  匹配字符串结尾

示例：
    ret10 = re.match('^[A-Z][0-9]*','M123456')
    print(ret10.group()) #M123456

4. 匹配分组

 字符         功能
 |          匹配左右任意一个表达式
 (ab)       将括号中字符作为一个分组
 \num       引用分组num匹配到的字符串
 (?P<name>) 分组起别名
 (?P=name)  引用别名为name分组匹配到的字符串

示例：
  #11.匹配出163、126、qq邮箱
    emails = ['chen@163.com','chenzhen@126.com','1920939@qq.com','_222ddh@163.com','33@163.com.cn']
    for email in emails:
        ret19 = re.match('\w{4,20}@(163|126|qq)\.com$',email)
        if ret19:
            print('合法的邮箱：',ret19.group())
        else:
            print('不合法:',email)

输出结果如下：
合法的邮箱： chen@163.com
合法的邮箱： chenzheng@126.com
合法的邮箱： 1920939@qq.com
合法的邮箱： _222ddh@163.com
不合法: 33@163.com.cn

三、re模块

Python提供re模块，包含所有正则表达式的功能。由于Python的字符串本身也用\转义，因此我们强烈建议使用Python的r（表示原生的字符串）前缀，就不用考虑转义的问题了。

1. re.match()

re.match()能够匹配出以xxx开头的字符串,在上面第二节，我们基本使用的全部是这个模块。它返回的是一个Match对象，我们可以通过它的group()方法取出匹配的值。

    ret8 = re.match('[A-Z][a-z]*','M')
    print(ret8.group())  #M   

2. re.search()

re.search()可以查询字符串中包含的值，返回的也是一个Match对象，我们可以通过它的group()方法取出匹配的值。

ret = re.search(r"\d+", "阅读次数为 9999")
ret.group()  #9999

3. re.findall()

re.findall()可以查询字符串中所有符合要求的值，返回的是一个list

re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)  #['9999', '7890', '12345']

4. re.sub()

re.sub() 可以将匹配到的数据进行替换，返回的是替换后的字符串。

ret28 = re.sub(r'\d+','1200','python = 998')  
print(ret28)  

5. re.split()

re.split() 根据匹配进行切割字符串，并返回一个list

 info = 'info:xiaoZhang 33 shandong'
 ret31 = re.split(r':| ',info)
 print('啦啦',ret31)