python的正则表达式模块--re

      import re

            语法：
                re.match(pattern, str,flag)
                参数：match：表示只从字符串的开始处开始匹配，如果没有匹配上则返回None，匹配上返回一个match对象，可以使用match对象.group（）函数取到匹配成功的字符串。
                           pattern：正则表达式的规则
                           str：表示需要匹配的字符串
                           flag：标记，可以不写

                re.search(pattern, str,flag)  寻找整个字符串，查找匹配项，返回第一个匹配项，返回的类型为一个match对象，可以使用group()函数取到匹配到的值，若没有匹配到，则会报错
                re.findall(pattern, str,flag)   找到字符串中所有匹配项，返回一个列表套元组类型，若没有匹配到则返回一个空列表。

匹配单个字符与数字：
. :表示可以匹配除了换行符（\f\n\r\t）之外任意的单个字符
[245] :表示匹配括号中任意一个字符（即匹配2或4或5）
[0-9] :表示匹配0到9范围内任意一个数字（相当于\d）
[a-z] :表示匹配到a到z范围内任意一个小写字母
[A-Z] :表示匹配A到Z范围内任意一个大写字母
[0-9a-zA-Z]：表示匹配任意一个数字或字母（中间不加逗号）（相当于\w）
[0-9a-zA-Z_]：表示匹配任意一个数字或字母或下划线
[^a-z]：表示除了a到z之外任意一个字符
\D : 表示除了数字外任意一个字符
\W：表示除了数字，字母下划线外任意一个字符
\S ：表示除了特殊字符以外的任意符号（特殊符号包括空格’ ’，换页’\f’，换行’\n’,回车’\r’,制表’\t’）
\s：匹配任意空白字符，等价于[ \t \n \r \f ]

边界字符：
定义：用来表述字符的边界，包括字符的开始，结束和是否是单词的结束。

    ‘M’模式表示多行匹配       re.M
    ’S’模式表示包括换行符在内的所有字符    re.S
    ‘I’模式不区分大小写    re.I

    ^ : 行首匹配，在’M’模式下，会匹配新一行的行首（注意：与[^]意义不同）
    $ : 行尾匹配，在’M’模式下，会去匹配新一行的行尾
    \A : 表示行首，只匹配整个字符串的开头，在’M’模式下不会匹配其他行的行首
    \Z : 表示行尾，只匹配整个字符串的末尾，在’M’模式下不会匹配其他行的行首
    \b : 表示匹配英文单词的边界，指的是单词和空格间的位置
    \B : 表示匹配非英文单词边界

匹配一定个数的字符：（假设：x,y,z表示任意的字符，m,n表示正整数）
x？：表示0个或者1个x
x* ：表示可以匹配0个或者多个x（例如：*表示匹配0个或者多个除了换行符之外的字符）
x+：表示匹配至少1个x（例如：.+ 表示匹配至少1个除了换行符之外的字符）
（xyz）: 表示将x，y，z看成一个整体
x{n} ：表示n个x
x{n,} ：表示最少匹配n个x
x{n,m} : 表示至少有n个，最多有m个x
x | y ：表示x或者y

Compile

—将正则表达式编程成一个正则对象，提高运行效率

import re
pattern = re.compile('[a-zA-Z]')
result = pattern.findall('as3SiOPdj#@23awe')
print result
# ['a', 's', 'S', 'i', 'O', 'P', 'd', 'j', 'a', 'w', 'e’]

同样：sub、match、group都适用

split分割，sub 与 subn区别：

import re

s = '90hello1234disen96758what8899go768hi234'

# 分割
sn = re.split('[a-z]+',s)  # 返回一个列表
# 清洗数据
sn = list(filter(lambda x: x != '',sn))
print(sn)


# 替换  将所有字母变成逗号
s_ = re.sub('[a-z]+',',',s)  # 返回一个替换后的字符串
s_2 = re.subn('[a-z]+',',',s)   # 返回一个元组，第一个位置是替换后的字符串，第二个位置是替换的次数
print(s_)
print(s_2)

结果：

['90', '1234', '96758', '8899', '768', '234']
90,1234,96758,8899,768,234
('90,1234,96758,8899,768,234', 5)

例：sub第二个参数可以为一个自定义函数

import re
# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

运行结果：
A46G8HFD1134

group、groups、groupdict

import re

s = '010-88593829'

#带分组名
r2 = re.match('(?P<first>\d{3})-(?P<last>\d{8})',s)
print(r2)
print(r2.group())
print(r2.groups())  # 返回元组
print(r2.groupdict())   # 返回字典，前提在匹配的正则中通过?P<name>指定分组名

# 练习：从给定的字符串中读取到姓名和手机号
ss = '<h1>disen</h1>
<span>手机号:17793457782</span>'
ss_1 = 'disen:18873473382'
r3 = re.match('(\w+):([1][3-9]\d{9}$)',ss_1)
print(r3.group())
print(r3.groups())

# .*表示任意多个字符
r3_ = re.match('<h1>([a-zA-Z]+)</h1>.*<span>.*:([1][3-9]\d{9})</span>',ss)
print(r3_.groups())

结果：

<_sre.SRE_Match object; span=(0, 12), match='010-88593829'>
010-88593829
('010', '88593829')
{'first': '010', 'last': '88593829'}
disen:18873473382
('disen', '18873473382')
('disen', '17793457782’)

findall

import re

s = 'hello,disen,phone is 17791692095，is18766355533'

result = re.findall('([a-z]{2})([1][3-9]\d{9})',s)
print(type(result))  # 返回list
print(result)

查找图片地址 src的属性值

s_ = '''
<img src="cc.jpg" width=400 height=300>
<img src="fc.jpg" width=500 height=700>
<img src="yc.jpg" width=600 height=3200>
<img src="ec.jpg" width=200 height=3600>
<img src="nc.jpg" width=700 height=700>
'''

img = re.findall(‘src=”(.*)” width=(\d+) height=(\d+)’,s_)
print(img) # 返回list，每个元素是一个元组
print()

结果：
[(‘cc.jpg’, ‘400’, ‘300’), (‘fc.jpg’, ‘500’, ‘700’), (‘yc.jpg’, ‘600’, ‘3200’), (‘ec.jpg’, ‘200’, ‘3600’), (‘nc.jpg’, ‘700’, ‘700’)]