正则表达式

正则表达式是独有的工具：用来匹配或者提取字符串

不属于Python基础

属于编程基础。

注意开头要导入

import re

1、findall方法：

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 ，如果没有找到匹配的，则返回空列表

2、match方法

re.match 尝试从字符串的起始位置匹配一个模式，匹配成功 返回的是一个匹配 对象（这个对象包含了我们匹配的信息），如果不是起始位置匹配成功的话， match()返回的是空，

注意：match只能匹配到一个

a = "python123123java"
print(re.match('python',a))
print(re.match('python',a).group())# 查看匹配的字符
print(re.match('123',a))
print(re.match('python',a).span())# 匹配字符的下标取值区间

3、search方法

re.search 扫描整个字符串,匹配成功 返回的是一个匹配对象（这个对象包含了我们匹配的信息）

注意：search也只能匹配到一个，找到符合规则的就返回，不会一直往后找

print(re.search('123',a))# yes
print(re.search('cc',a))# None
print(re.search('python',a).group())
print(re.search('python',a).span())

re.match与re.search的区别： re.match只匹配字符串的开始位置找，如果字符串开始不符合正则表达式，则匹配失败， re.search：匹配整个字符串，如果一直找不到则，返回是空的，没有结果

4、元字符

单字符匹配

字符	描述
.	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
\S	匹配非空白
\w	匹配单词符，即a-z、A-Z、0-9
\W	匹配非单词字符

注意使用时转义（转义就是在前面加r）

例子在下一个代码段

代表数量的元字符

字符	描述
*	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0次或者1次，即要么有1次，要么没有
｛x｝	匹配前一个字符出现x次
｛x，｝	匹配前一个字符至少出现x次
｛x，y｝	匹配前一个字符出现从m到n次

b = '张三天在玩4399小游戏，张三 hello 玩的.很开心'
ress = re.findall(r'张三.',b)# .任意一个字符
ress1 = re.findall(r'[54]',b)
ress1 = re.findall(r'\d',b)# 匹配数字，单个字符，单个元素
ress1 = re.findall(r'\D',b)#
ress1 = re.findall(r'4*',b)# 匹配前一个字符出现0次或者无限次，即可有可无
ress1 = re.findall(r'4+',b)# 匹配前一个字符出现1次或者无限次，即可有可无
ress1 = re.findall(r'三{2}',b)# 匹配前一个字符出现m次
ress1 = re.findall(r'三{1,}',b)# 匹配前一个字符出现从m到n次
ress1 = re.findall(r'三{1,2}',b)# 匹配前一个字符出现从m到n次
ress1 = re.findall(r'^张三',b)# 匹配字符串开头
ress1 = re.findall(r'心$',b)# 匹配字符串结尾
ress1 = re.findall(r'\bhello\b',b)# 匹配一个单词的边界
ress1 = re.findall(r'he\Bll',b)# 匹配一个单词的边界
ress1 = re.findall(r'he\Bll',b)# 匹配一个单词的边界
print(ress1)

字符	描述
|	可以理解或者
（）	将括号中的字符作为一个分组

a = "a+bhelloa-bhello"
b = re.findall(r"a\+b|a-b",a)
print(b)
#打印出来会是   a+b a-b

5、贪婪和非贪婪

正则默认都是用贪婪模式去匹配数据的，就是尽可能多的匹配符合要求的数据，

在非贪婪模式下，始终找最短匹配

在爬虫中会使用

a = '<a>啦啦</a><a>好</a><a>不好</a><a>嗯</a>'

print(re.findall(r'<a>(.*)</a>',a))# 贪婪
#这样打印出来的结果会是     啦啦</a><a>好</a><a>不好</a><a>嗯
#相当于去头和尾

print(re.findall(r'<a>(.*?)</a>',b))# 加上？变成非贪婪
#这样打印出来的结果会是      啦啦 好 不好 嗯
#只取括号里面的文字


#这个括号的意思的可以理解为   只取括号里面的内容左右不保存

这里的？和元字符的不一样

这个问号可以这样理解：

有人给你选择100 10 1

贪婪会选择100甚至更多，在你给我的选项里我选择最多的那个

相反非贪婪就是选择最少