Python学习（十五）——常用模块2 re正则表达式

普通字符和元字符构成的字符串，描述一类字符串规则。
导包： import re

findall：把匹配上的内容全都添加到列表中。
match：从左往右匹配，匹配到后，返回结果；若匹配不上，则返回None。

import re

str1 = 'abcdab'
path1 = 'ab'
print(re.findall(path1, str1))  
restr = re.match(path1, str1)
print(restr)	
print(restr.group())
# 结果：['ab','ab']
# 		<re.Match object; span=(0, 2), match='ab'>
# 		ab

元字符

从左往右匹配单个字符。

字符集：匹配单个字符，使用中括号来表示，表示字符的范围

print(re.match('[abcd]', 'abc')) # <re.Match object; span=(0, 1), match='a'>
print(re.match('[abcd]', 'zabc')) # None
print(re.findall('[abcd]', 'zabc')) # ['a', 'b', 'c']

. 表示任意一个字符，除了\n。

print(re.match('.', 'web'))  # <re.Match object; span=(0, 1), match='w'>
print(re.match('.', 'eweb'))  # <re.Match object; span=(0, 1), match='e'>
print(re.match('.', '@web'))  # <re.Match object; span=(0, 1), match='@'>
print(re.match('...', 'web'))  # <re.Match object; span=(0, 3), match='web'>
print(re.match('.', '\nweb'))  # None
print(re.match('.', ''''''))  # None

\d 表示0-9之间的任意一个数字
\D 表示非数字

print(re.match('\d', '@web'))  # None
print(re.match('\d', '2@web'))  # <re.Match object; span=(0, 1), match='2'>
print(re.match('\d', '@4web'))  # None  若在中间或结尾，则匹配不到

print(re.match('\D', '@4web'))  # <re.Match object; span=(0, 1), match='@'>
print(re.match('\D', '2web'))  # None
print(re.match('\D', '\nweb'))  # <re.Match object; span=(0, 1), match='\n'>

\s 表示空白字符串 \n \t
\S 表示非空白

print(re.match('\s', ' '))  # <re.Match object; span=(0, 1), match=' '>
print(re.match('\s', '\nweb'))  # <re.Match object; span=(0, 1), match='\n'>
print(re.match('\s', '\tweb'))   # <re.Match object; span=(0, 1), match='\t'>

print(re.match('\S', '\t'))  # None
print(re.match('\S', '\\'))  # <re.Match object; span=(0, 1), match='\\'>

\w 英文字母、数字、下划线
\W 与上面\w相反

print(re.match('\w', '\\'))  # None
print(re.match('\w', '_\\'))  # <re.Match object; span=(0, 1), match='_'>
print(re.match('\w', 'A\\'))  # <re.Match object; span=(0, 1), match='A'>

print(re.match('\W', '\\'))	 # <re.Match object; span=(0, 1), match='\\'>
print(re.match('\W', 'A\\'))  # None

-表示一个范围内

print(re.findall('[a-d]', 'zabc'))  # ['a', 'b', 'c']   [a-d]等价于[abcd]
print(re.findall('[a-z]', 'zabc'))  # ['z', 'a', 'b', 'c']
print(re.findall('[a-z]', 'A'))  # []    [a-z]是小写的
print(re.findall('[A-Z]', 'A'))  # ['A']
print(re.findall('[a-zA-Z]', 'Aabc')) # ['A', 'a', 'b', 'c']	[a-zA-Z]等价于[A-z]
print(re.findall('[A-z]', 'Aabc'))  # ['A', 'a', 'b', 'c']
print(re.findall('[a-zA-Z]', 'Aabc')) # ['A', 'a', 'b', 'c']
print(re.findall('[A-z]', 'Aabc'))  # ['A', 'a', 'b', 'c']
# 注意 不能是a-Z
print(re.findall('[0-9A-z]', '9Aabc'))  # ['9', 'A', 'a', 'b', 'c']

^ 取反 间接号 [^a-e] 即取 a-e 之外。

print(re.match('[^a-e]','e'))  # None
print(re.match('[^a-e]','z'))  # <re.Match object; span=(0, 1), match='z'>
print(re.match('[^a-e]','12'))	# <re.Match object; span=(0, 1), match='1'>

字符集的多字符匹配。

print(re.match('[0-9][0-9]', '12'))  # <re.Match object; span=(0, 2), match='12'>
print(re.match('[0-9][0-9]', '1a'))  # None
print(re.match('[0-9][a-z]', '1a'))  # <re.Match object; span=(0, 2), match='1a'>
print(re.match('\d\w', '1a'))  # <re.Match object; span=(0, 2), match='1a'>
print(re.match('\w\w', '1a'))  # <re.Match object; span=(0, 2), match='1a'>
print(re.match('[\w\W][\w\W][\w\W][\w\W][\w\W][\w\W]', 'a张三@24'))  # <re.Match object; span=(0, 6), match='a张三@24'>
print(re.findall('[\w\W]', 'a张三@24'))  # ['a', '张', '三', '@', '2', '4']

数量规则

*匹配前一个字符的任意次数，包括0次。匹配到非数字的时候就会停止。

print(re.match('\d*', '12345678901'))  # <re.Match object; span=(0, 11), match='12345678901'>
print(re.match('\d*', '1234a5678901'))  # <re.Match object; span=(0, 4), match='1234'> 
# 贪婪模式
print(re.match('\w*', '1234a5678901'))  # <re.Match object; span=(0, 12), match='1234a5678901'>

+匹配前一个字符重复匹配1次以上 0次不行。

print(re.match('\d+', '12a345678901'))  # <re.Match object; span=(0, 2), match='12'>
print(re.match('\d*', 'a1234'))  # <re.Match object; span=(0, 0), match=''>
print(re.match('\d+', 'a1234'))  # None

? 匹配前一个字符出现0次或者1次

print(re.match('\d?', '12a345678901')) # <re.Match object; span=(0, 1), match='1'>
print(re.match('\d?', ''))  # <re.Match object; span=(0, 0), match=''>

次数匹配，就是出现多少次
{m} 匹配前m个字符
{m,} 至少匹配m次以上
{m,n} 匹配m次以上，n次以下

print(re.match('\d{5}', '12345678901'))  # <re.Match object; span=(0, 5), match='12345'>
print(re.match('\d{5,}', '12345678901'))  # <re.Match object; span=(0, 11), match='12345678901'>
print(re.match('\d{5,}', '1234'))  # None
print(re.match('\d{3,6}','12345678901'))  # <re.Match object; span=(0, 6), match='123456'>
print(re.match('\d{3,6}','12'))  # None

边界处理

^ 开始，不是取反 取反在字符集里面
$ 结束
*eg:*电话号码：第一位 [1]，第二位 [358]，第三位 [3456789]。

print(re.match('^1[358][3-9]\d{8}$','13351798261'))  # <re.Match object; span=(0, 11), match='13351798261'>

分组匹配

*eg:*匹配日期：01 02 03 04 05 06 07 08 09 10 11 12；或者：|；分组作用：()

t = '2022-10-13'
print(re.match('\d{4}-(0[1-9]|1[0-2])-([0-2]\d|[3][0-1])', t))  # <re.Match object; span=(0, 10), match='2022-10-13'>

group

t = '2022-10-13'
print(re.match('\d{4}-(0[1-9]|1[0-2])-([0-2]\d|[3][0-1])', t).group(0))  # 显示全部 2022-10-13
print(re.match('\d{4}-(0[1-9]|1[0-2])-([0-2]\d|[3][0-1])', t).group(1))  #  显示月份 10
print(re.match('\d{4}-(0[1-9]|1[0-2])-([0-2]\d|[3][0-1])', t).group(2))  # 显示天数  13
print(re.match('(\d{4})-(0[1-9]|1[0-2])-([0-2]\d|[3][0-1])', t).group(1))  # 显示年份 2022
print(re.match('(\d{4})-(0[1-9]|1[0-2])-([0-2]\d|[3][0-1])', t).groups())  # 把分组放到元组里面  ('2022', '10', '13')

r ：规避/
\1 代表第一个分组中的内容
\2 代表第二个分组中的内容

context = '<title>hi</title>'
print(re.match(r'<title>([\w\W]*)</title>',context))  # <re.Match object; span=(0, 17), match='<title>hi</title>'>
print(re.match(r'<(\w+)>([\w\W]*)</\1>',context).group(1))  # title
# 分组取别名  ?P<别名>
print(re.match(r'<(?P<tag>\w+)>([\w\W]*)</(?P=tag)>',context).group())  # <title>hi</title>