python正则

正则基本用法

import re
result = re.match(r"正则","匹配字符串")   从开始匹配  成功返回 `match object`    == re.search(r'^正则','匹配字符串')
result = re.search(r'正则','匹配字符串')  从中找到符号的字符串  成功返回 `match object`
result.group()  若匹配成功取出匹配到的字符串
注:需要找字符串中的特点

规则

1. 元字符 操作 —>单字符
   . : 除了\n之外的任意字符
   \d : 数字
   \D : 非数字

   \w : 匹配单词字符，即a-z、A-Z、0-9、_

   • 在python3 中是支持中文 re.match(r"\w","一",re.U) 参数3是默认值 U是那个utf表;
   • 让其不支持中文re.match(r"\w","一",re.A) A是asc码

   \W : 非单词字符

   \s : 匹配空白字符
   \S : 匹配非空字符

   [] : 匹配[]中列举的字符

2. 量词 即匹配多少个字符
   * :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
   {num}: 匹配前一个字符出现m次
   {num1,num2}:匹配前一个字符出现m到n次

3. 匹配开头结尾
   ^ : 匹配字符串开头
   $ : 匹配字符串结尾

   eg: 匹配0-99 08 不符合 有两位匹配两位 r'^[1-9]?\d$'

4. 匹配分组 取出匹配成功的部分字符串
   | : 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
   (?P<name>) : 分组起别名
   (?P=name) : 引用别名为name分组匹配到的字符串

   eg : 匹配0-100的数值 r'[1-9]?\d$|100'

小结:

• 一般公式r"元字符[量词]...."
  eg: 匹配5个数字

import re

ret = re.match(r'\d{5}', '12345678901')
print(ret.group())

• 加入分组
  eg:取邮箱类型163

import re

ret = re.match(r'\w{4,20}@(163)\.com', 'aaaa@163.com')
print(ret.group(1))

扩展

• search

"""匹配出文章阅读的次数"""
import re

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

• findall

"""统计出python、c、c++相应文章阅读的次数"""
import re

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

• sub

"""将匹配到的阅读次数加1"""
import re

# 方式一
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)


# 方式二
def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)

ret = re.sub(r"\d+", add, "python = 997")
print(ret)    #python = 998

ret = re.sub(r"\d+", add, "python = 99")
print(ret)    #python = 100

• split

import re

ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)   # ['info', 'xiaoZhang', '33', 'shandong']

python贪婪和非贪婪(重要)

• python里的量词默认是贪婪的,总是尝试匹配尽可能多的字符;
• 在量词后面加?,使贪婪变成非贪婪(满足条件尽可能少的字符)

import re

ret = re.match(r'\d+', '1234567')
ret1 = re.match(r'\d+?', '1234567')

print(ret.group())   # 1234567
print(ret1.group())  # 1