关于正则表达式的使用方法

我们通过几个方法来讲解一下正则表达式的使用方法

• match
• search
• findall
• sub
• compile

首先，我们需要引入正则的常用匹配规则

现在我们可以进行讲解了

 match

match方法会尝试从字符串的起始位置开始匹配正则表达式，如果匹配，就返回匹配成功的结果；如果不匹配就返回None

import re 
content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}\s\w{2}\s\w\s\w{5}\s\w{4}',content)
print(result.group())
print(result)
---------------------------输出结果------------------------
Hello 123 4567 World_This is a Regex Demo

<re.Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>

具体讲解两点：

• \d{4} 等同于\d\d\d\d 因为相对来说写很多个\d比较麻烦，\w同理，具体的代表的什么意思可以看我上面发的常用的匹配规则
• 返回的内容是一个对象，用group方法可以输出匹配到的内容，span方法表示匹配到的结果在原字符串中的位置

• 匹配目标

如果说我们想提取刚才字符串中的一部分内容可以使用 () 将想要提取的子字符串括起来

import re 
content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\s(\d+)',content)
print(result.group())
print(result.group(1))
print(result.group(2))
--------------------------------输出结果--------------------------
Hello 123 4567
123
4567

可以看到如果我们的group方法不加索引，那么就直接打印出所有匹配的内容，如果加了索引，就会根据索引来匹配需要打印的内容，比如group(1)，那么就打印第一个括号中匹配的内容，以此类推。

• 通用匹配

刚才我们所写的正则表达式比较复杂，其实我们有一个万能匹配，.* 

.可以匹配任意字符（除了换行符）

*代表匹配前面的字符无限次

那么将他们组合在一起就可以匹配任意字符了

import re 
content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*',content)
print(result.group())
----------------------------输出结果---------------------------
Hello 123 4567 World_This is a Regex Demo

^Hello.*其实就等同于^Hello\s\d\d\d\s\d{4}\s\w{10}\s\w{2}\s\w\s\w{5}\s\w{4}，是不是简单很多，但是这个是会有一些问题存在的，也就是后续我们要讲的，贪婪与非贪婪。

• 贪婪与非贪婪

贪婪匹配

import re 
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+)',content)
print(result.group(1))
-------------------------输出结果--------------------
7

按理说我们的输出结果应该是1234567，但是最后的结果却是7，这就涉及到我们的贪婪匹配，所谓贪婪匹配，就是尽可能多的匹配字符，.*后面是\d+，也就是最少一个数字，没有指定具体多少数字，那么.*会尽可能多的匹配字符，也就是把123456都匹配了，只给\d+留下7去匹配，因此最后的结果只有7。但是这样会给我们造成很大的不方便，所有我们引入非贪婪匹配

非贪婪匹配

import re 
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*?(\d+)',content)
print(result.group(1))
------------------------输出结果---------------------
1234567

非贪婪匹配：尽可能少的匹配，一直匹配到He后面的空格，然后匹配到数字时，发现(\d+)就不再匹配了，而是交给\d+去匹配。

需要注意一点的是，如果非贪婪匹配如果出现在最后时，就可能匹配不到任何字符了，因为非贪婪匹配的原理就是尽可能少的匹配。

• 修饰符

前面我们说过，.匹配不了换行符，同样的，贪婪匹配和非贪婪匹配也是这样，如果我们是匹配网页相关的响应数据，就会造成很多麻烦，所以我们引入re.S

import re 
content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$',content, re.S)
print(result.group(1))
result1 = re.match('^He.*?(\d+).*?Demo$',content)
print(result1.group(1))
----------------------输出结果-----------------------
1234567

Traceback (most recent call last):
  File "f:\python\从0开始\正则表达式\boke.py", line 8, in <module>
    print(result1.group(1))
AttributeError: 'NoneType' object has no attribute 'group'

•  转义匹配

当我们在目标字符串中遇到与正则匹配模式相同的特殊字符时，我们可以用 \ 来进行转义，意思就是这个是一个文本而非正则中的特殊字符

search

search匹配会扫描整个字符串，然后返回第一个匹配成功的结果，也就是说正则表达式可以是字符串的一部分，而match则只能从字符串的开头进行匹配，所以我们日常使用尽量用search而非match

import re 
html = '''<div id="songs-list">
<h2 class="title">经典老歌</h2>
<p class="introduction">
经典老歌列表
</p>
<ul id="list" class="list-group">
<li data-view="2">一路上有你</li>
<li data-view="7">
<a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
</li>
<li data-view="4" class="active">
<a href="/3.mp3" singer="齐秦">往事随风</a>
</li>
<li data-view="6"><a href="/4.mp3" singer="Beyond">光辉岁月</a>
<li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a>
<li data-view="5">
<a href="/6.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>
'''
result = re.search('<li.*?active.*?singer=(.*?)>(.*?)</a>',html,re.S)
print(result.group(1)+' '+result.group(2))
------------------------输出结果--------------------------
"齐秦" 往事随风

findall

如果我们想获取与正则表达式相匹配的所有字符串，就需要借助findall方法

import re 
html = '''<div id="songs-list">
<h2 class="title">经典老歌</h2>
<p class="introduction">
经典老歌列表
</p>
<ul id="list" class="list-group">
<li data-view="2">一路上有你</li>
<li data-view="7">
<a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
</li>
<li data-view="4" class="active">
<a href="/3.mp3" singer="齐秦">往事随风</a>
</li>
<li data-view="6"><a href="/4.mp3" singer="Beyond">光辉岁月</a>
<li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a>
<li data-view="5">
<a href="/6.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>
'''
results = re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>',html,re.S)
print(results)
for result in results:
    print(result[0],result[1],result[2])
-------------------输出结果----------------------------
[('/2.mp3', '任贤齐', '沧海一声笑'), ('/3.mp3', '齐秦', '往事随风'), ('/4.mp3', 'Beyond', '光辉岁月'), ('/5.mp3', '陈慧琳', '记事本'), ('/6.mp3', 
'邓丽君', '但愿人长久')]
/2.mp3 任贤齐 沧海一声笑
/3.mp3 齐秦 往事随风    
/4.mp3 Beyond 光辉岁月  
/5.mp3 陈慧琳 记事本    
/6.mp3 邓丽君 但愿人长久

sub

有时候我们会遇到一些需要替换或修改的文本，可以借助sub方法，非常简单和方便，也是我们后续用到很多的

import re 
content = '54xhrxhrxxio23dusaidisahdio89'
content = re.sub('\d+','',content)
print(content)
-------------------输出结果---------------------
xhrxhrxxiodusaidisahdio

需要注意sub中各个参数的含义

• 第一个代表想要替换的部分，比如替换全部数字
• 第二个代表将替换的内容换成什么，比如空
• 第三个代表要进行替换的文本

compile

每次写正则很麻烦，接下来介绍一下的方法可以将正则字符串编译成正则表达式对象，以便后续重复使用

import re 
content1 = '2019-01-01 12:00'
content2 = '2020-01-01 11:00'
content3 = '2009-01-01 14:00'
pattern = re.compile('\d+:\d+')
result1 = re.sub(pattern,'',content2)
result2 = re.sub(pattern,'',content1)
result3 = re.sub(pattern,'',content3)
print(result1+'====='+result2+'======'+result3)
---------------------输出结果----------------------
2020-01-01 =====2019-01-01 ======2009-01-01 

可以看到，我们只需要指定规则，那么后续就可以直接使用这个规则，提高了代码的复用性，比较推荐各位伙伴们使用