python学习笔记（二十）正则表达式与re模块

 

目录

一、正则表达式的元字符

二、re模块简介：

三、re模块深入

---

一、正则表达式的元字符

import re
'''
正则表达式的元字符
匹配单个字符与数字
[0123456789]  []是字符集合，表示匹配方括号中所包含的任意一个字符
[a-z]   匹配任意小写字母
[A-Z]   匹配任意大写字母
[0-9]   匹配任意数字
[0-9a-z-A-Z]  匹配任意的数字和字母
[0-9a-z-A-Z_]  匹配任意的数字和字母和下划线
[^goodman]  匹配除了goodman这几个字母以外的所有字符，^被称为脱字符，表示不匹配集合中的字符
.  匹配除换行符以外的任意字符
\d  匹配所有数字，效果同[0-9]
\D  匹配非数字字符，效果等同于[^0-9]
\w  匹配任意的数字和字母和下划线，效果等同于[0-9a-z-A-Z_]
\W  匹配任意的非数字和字母和下划线，效果等同于[^0-9a-z-A-Z_]
\s  匹配任意的空白符（空格，换行，换页，回车，制表）


'''
print(re.findall('[0-9]','a2hij3agi af4ja'))

'''
^  行首匹配，和在[]里的^不是一个意思
$  行尾匹配
'''

print(re.search('man$','zhe ge ren is man a good man'))#以man结尾的数据

'''
\A 匹配字符串开始，它和^的区别是，\A只匹配整个字符串的开头，即使
在re.m模式下也不会匹配它的行首

\z  匹配字符串结束，它和$的区别是，\Z只匹配整个字符串的开头，即使
在re.m模式下也不会匹配它的行尾。

'''
# print(re.findall("man$","sunck is a good man\nsunck is a good man\n",re.M))
# print(re.findall("man\Z","sunck is a good man\nsunck is a good man\n",re.M))


'''
\b 匹配一个单词的边界，也就是值单词和空格间的位置

\B 匹配非单词边界
'''
#
# print(re.search(r"er\b","never"))#单词
# print(re.search(r"er\B","nerver"))#非单词


print(".............匹配多个字符...................")

'''
(xyz)
说明:x,y,z均为假设的普通字符，不是正则表达式的元字符（xyz） 匹配小括号内的xyz是作为一个整体去匹配
x?  匹配0个或者1个x
x*  匹配0个或者任意多个x（.*表示0个或者多个任意字符，换行符除外）
x+  匹配至少一个a
x{n}  匹配确定的n个x(n是一个非负整数)
x{n,}  匹配至少n个x
x{n,m}  匹配至少n个最多m个x,注意：n <= m
x|y  |表示或，匹配的是x或y
(?:x)  类似xyz,但不表示一个组
'''
print(re.findall(r"a?","aaa"))#非贪婪匹配（尽可能少的匹配）
print(re.findall(r"a*","aaabaacaba"))#贪婪匹配（尽可能多的匹配）
print(re.findall(r"a+","aaabaaaaaaa"))
print(re.findall(r'a{3}', 'aabaaaaa'))#当a的数量少于n时没有结果
print(re.findall(r'a{3,}', 'aabaaaaa'))


print("...............特殊..................")
'''
*?   +?   ??   最小匹配
通常都是尽可能多的匹配，可以使用这种方式解决贪婪匹配

'''
str = "sunck is a good man! sunck is a nice man! sunck is a handsome man"
print(re.findall(r"sunck.*?man",str))
# 提取，ok......very
str = 'this is ok good man ,but he is very eee'
print(re.findall(r'ok.*very', str))


'''
/ + /*表示转义，转义的是*，因为*是特殊字符 -》 //*
/* + /同理    -》/*/
'''
print(re.findall(r'//*.*?/*/', r'/*  part1 */  /*  part2  */'))

二、re模块简介：

python自1.5之后增加了re模块，提供了正则表达式模式

re模块使python拥有了全部的正则表达式功能

import re

#pip 包管理工具

'''
re.match函数
原型：match(pattern,string,flags=0)
参数：patter--匹配的正则表达式   string--要匹配的字符串  flags--标志位，用于控制正则表达式的匹配方式
flags：
 re.I  忽略大小写
 re.L 做本地用户识别
 re.M 多行匹配，影响^和$
 re.S 是.匹配包括换行符在内的所有字符
 re.U 根据Unicode字符集解析字符，影响\w \W \b \B
 re.X 使我们以更灵活的格式理解正则表达式 
功能：尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，返回None

'''
print(re.match('www','www.baidu,com'))
print(re.match('www','wWW.baidu.',flags=re.I))

'''
re.search
原型：search(pattern,string,flags=0)
参数：patter--匹配的正则表达式   string--要匹配的字符串  flags--标志位，用于控制正则表达式的匹配方式
功能：扫描整个字符串，并返回第一个匹配成功的

'''

print(re.search('www','baidu.www.com.www'))

'''
re.findall函数
原型：findall(pattern,string,flags=0)
参数：patter--匹配的正则表达式   string--要匹配的字符串  flags--标志位，用于控制正则表达式的匹配方式
功能：扫描整个字符串，返回结果列表

返回所有要检索的内容
'''
print(re.findall('www','baidu.www.com.www'))

三、re模块深入

import re

#1、字符串切割
str1 = 'zk is   a boy and ...'
print(str1.split(' '))
print(re.split(r' +',str1))

'''
re.finditer函数
​​​​​​原型：match(pattern,string,flags=0)
参数：patter--匹配的正则表达式   string--要匹配的字符串  flags--标志位，用于控制正则表达式的匹配方式
功能：与findall类似，扫描整个字符串，返回的是一个迭代器

'''
str1 = 'wo is a good man,wo is a good man,wo is a good man,wo is a good man,'
d = re.finditer(r'(wo)',str1)
while True:
    try:
        print(next(d))
    except StopIteration as e:
        break

'''
3、字符串的替换和修改
sub(pattern,repl,string,count=0)
subn(pattern,repl,string,count=0)
pattern:正则表达式（规则）
repl:指定的用来替换的字符串
string:目标字符串
count:最多替换次数
功能：在目标字符串中以正则表达式的规则匹配字符串，再把他们替换成指定的字符串。可以指定替换的次数，如果不指定，替换所有的匹配字符串
区别：sub返回一个被替换的字符串，subn返回一个元组，第一个元素被替换的字符串，第二个元素表示被替换的次数

'''
str1 = 'good good good'
print(re.sub(r'good','nice',str1,count=2))
print(re.subn(r'good','nice',str1,count=2))


'''
分组
概念：除了简单的判断是否匹配之外，正则表达式还有提取字串的功能。用()表示的就是提取分组
'''
str1 = '010-535678995'
#l = re.match(r'(\d{3})-(\d{9})',str1)
l = re.match(r'(?P<first>\d{3})-(?P<last>\d{9})',str1)  #给组起名字
#使用序号获取对应组的信息，group(0)一直代表原始字符串
print(l.group(0))
print(l.group(1))
print(l.group("first"))
print(l.group(2))
#查看匹配的各组的情况
print(l.groups())


'''
编译：当我们使用正则表达式时，re模块会干两件事：
1、编译正则表达式，如果正则表达式本身不合法，会报错
2、用编译后的正则表达式去匹配对象

pat = r"^1(([3578]\d|(47))\d{8}$)"

compile(pattern,flags=0)
pattern:要编译的正则表达式

'''
pat = r"^1(([3578]\d|(47))\d{8}$)"
print(re.match(pat,"13600000000"))
#编译成正则对象
re_telphone = re.compile(pat)
print(re_telphone.match("13600000000"))
'''
re.match(pattern,string,flags=0)
re_telphone.match(string)

re.search()
re.findall()
re.finditer()
re.split()
re.sub()
re.subn()
'''