正则表达式

 

元字符

# . 匹配任意字符  换行符除外
# * 匹配前一个字符0次到多次
# + 匹配前一个字符1次到多次
# ? 匹配前一个字符0次到一次
# () ()中的字符作为一个整体，如(bo)?代表bo作为一个整体出现0次到一次
# {m,n} 匹配前一个字符m到n次,{m,}表示出现最少m次，{,n}表示最多出现n次
# \  跟在其后的元字符变成普通字符，不在有其元字符的作用
# []  字符集，一个字符的集合，可以匹配其中任意一个字符
# ^ 匹配每一行的开始位置，在[]中表示不匹配的意思如[^0-9]表示非数字
# $ 匹配每一行的结束位置，^和$和re.M一起用才能展示出效果，表示多行匹配

# \A 匹配开始位置
# \Z 匹配结束位置

# \b 匹配位于单词开始或者结束位置的空字符串
# \B 匹配不位于单词开始或者结束的空字符串

# \d 匹配一个数字[0-9]
# \D 匹配一个非数字[^0-9]

# \w 匹配数字，字母下划线中任意一个字符
# \W 匹配非数字字母下划线

\s   匹配任意的空白符(空格，回车，换行，制表，换页)，效果同[ \r\n\t\f]
\S   匹配任意的非空白符，效果同[^ \f\n\r\t]

模式

主要有三种

re.M 多行匹配more

re.S 单选匹配表示   .可以匹配到任意字符

re.I 忽略大小写igronecase

干货在这里：

findall()

# findall()
import re
str1 = "abc,def,ghi"
rex = r"(a(\S*)i)"#此处的\S可以匹配任意非空白字符
pattern = re.compile(rex)
str_list = pattern.findall(str1)
# 输出为[('abc,def,ghi', 'bc,def,gh')]
# 由于我们在rex中写了两个小括号，findall()会返回小括号里面匹配的字符
# 例子中先是匹配了最外层的括号，匹配了里层的括号,而且将两个括号匹配上的加到同一个元组中返回
# 如果把外层括号去掉，将会直接返回['bc,def,gh']
print(str_list)

# findall()如果和小括号连用会导致findall()返回小括号里面的匹配上的内容
rex = r"\w+,\w+,\w+"
pattern = re.compile(rex)
str_list = pattern.findall(str1)
# 打印输出['abc,def,ghi']
print(str_list)

match() 

import re
str1 = "aaa,def,ghi"
# {n,m},{m,},{,n},*,+,?优先匹配量词都是默认为贪婪模式
rex = r"a*?" # 在*后面加上了表示为非贪婪模式
rex1 = r"a*"# 默认为贪婪，会匹配上aaa
pattern = re.compile(rex)
pattern1 = re.compile(rex1)
# 注意match是从头开始和rex中的表达式匹配，只要有一个没有匹配上，就会返回None
print(pattern.match(str1))
print(pattern1.match(str1))

search()

import re
# search()只要在指定字符串中找到表达式对应的字符串就会返回
str1 = "abcdeddedde"
rex = r"de"
print(re.search(rex,str1))# 从字符串str1中找到de后返回

 split()和sub()和subn()

re.split() # 正则表达式切割可指定切割次数
re.sub() # 替换返回一个新字符串可指定替换次数
re.subn() # 返回一个元组，含两个参数，一个是新字符串，一个是替换次数

多行匹配模式

 # 如何匹配到多行的字符串[\u4e00-\u9fa5]汉字的范围
import re
# complie() 返回一个匹配模板如下所示，我们使用
pattern1 = re.compile(r"^[\u4e00-\u9fa5]+",re.M)
str1="""
12哈哈
呵呵
嘿嘿
"""
# 打印输出为['呵呵', '嘿嘿']
# 此处我们要注意的是re.M为多行匹配，常和^还有$一起用，可以匹配每一行的开头
# 一般我们使用findall来和re.M合用
print(re.findall(pattern1,str1))

 子模式的使用

import re
#子模式用来简化正则表达式
pattern = re.compile(r"<([a-z]+)><(\w+)>\w+</\2></\1>")
ret = pattern.search("<div><span>hello</span></div>")
print(ret.group())# 输出为<div><span>hello</span></div>
#子模式访问
print(ret.group(1))# 输出为div表示(a-z)+匹配到的内容
print(ret.group(2))# 输出为span表示(\w+)匹配到的内容

拓展：零宽断言

# (?<!\d)表示目标字符前面是非数字
# (?<=\d)表示目标前面是数字
# (?!\d)表示目标后面不是数字
# (?=\d)表示目标后面是数字
import re
str1="12,23,4,5,52a32a,32a"
pattern1 = re.compile(r"(?<!\d)\d{2}(?!\d)")
print(pattern1.findall(str1))# ['12', '23', '52', '32', '32']