Python--第二阶段--05.正则表达式

正则表达式

目的

1. 文本处理已经成为计算机常见工作之一；
2. 对文本内容的搜索，定位，提取是逻辑比较复杂的工作；
3. 为了快速方便的解决上述问题，产生了正则表达式技术。

简介

1. 定义
   即文本的高级匹配模式，提供搜索，替换等功能。其本质是由一系列字符和特殊符号构成的字串，这个字串即正则表达式。
2. 原理
   通过普通字符和有特定含义的字符，来组成字符串，用以描述一定的字符串规则，比如：重复，位置等，来表达某类特定的字符串，进行匹配。
3. 目标
   • 熟练掌握正则表达式元字符
   • 能够读懂常用正则表达式，编辑简单的正则规则
   • 能够熟练使用re模块操作正则表达式

元字符使用

元字符：有特殊含义的字符

图片来自网络，如有违权请留言，我一定第一时间删除~

匹配字符的元字符

用途	元字符	例子(直接复制运行需要把‘’改成英文的)	备注
任意一个字符	.	re.findall(‘张.’,‘张三 张晓峰’)	除换行符外
字符集	[字符集]	re.findall(’[aeiou]’,‘hello world’)	[abcd][0-9]/[a-z]，[^]代表除了[]里面的都可以
任意数字字符或非数字字符	\d \D	re.findall(’\d{1,5}’,‘Mysql:3306,http:80’)	[0-9]和 [ ^0-9] 作用一样
任意普通字符或非普通字符	/w /W	re.findall(’\w+’,‘Mysql=3306 http=80’)	数字、字母、下划线、汉字及普通的UTF8字符
任意空字符或非空字符	\s \S	re.findall(’\S+’,‘hello wolrd\tshe is a pig’)	空字符包括空格、\r 、\n、\t、\v、\f

匹配重复的元字符

用途	元字符	例子(直接复制运行需要把‘’改成英文的)	备注
出现0次或多次	*	re.findall(‘wo*’,‘wooooo~w!’)
出现1次或多次	+	re.findall(’[a-zA-Z]+’,‘James,hello’)
出现0次或1次	?	re.findall(’-?[0-9]+’,‘12 32 -99 100’)
出现n次	{n}	re.findall(’[0-9]{11}’,‘jams:13555555555’)	出现n次
出现m-n次	{m,n}	re.findall(’[0-9]{6,12}’,‘QQ1:123456 \n QQ2:458106428’)	出现m到n次

匹配位置的元字符

用途	元字符	例子(直接复制运行需要把‘’改成英文的)	备注
开头	^ 或 \A	re.findall(’^James’,‘James,hello’)	在字符串开头
结尾	$ 或 \Z	re.findall(‘James$’,‘hi,James’)	在字符串结尾
单词边界或非单词边界	\b \B	re.findall(r’\bis\b’,‘This is a pig, is this?’)	r是为了避免Python转义，单词边界即空格，开头，结尾，标点符号

其他元字符

用途	元字符	例子(直接复制运行需要把‘’改成英文的)	备注
或	|	re.findall(‘ab|cd’,‘abcdefg’)	前后两个条件满足一个就可以
分组	（）	re.search(r’(王|李)\S{1,4}’,‘王者荣耀 赵丽颖’).group()	只改变重复元字符的作用对象，并且可以通过函数获取子组内容
特殊字符	\	re.findall(’$\d+’,’$100 $2000’)	如果匹配的字符和任意元字符相同，那就要在字符前加\

转义问题

匹配特殊字符时，加\
由于Python会将字符串中的带\的字符转义，造成了我们写正则表达式的时候会少\，所以产生了原生字符串的概念。
Python中原生字符串：在字符串前面加r，则字符串中的特殊字符（\r,\t,\n,\v,\f）不转义。

贪婪模式和非贪婪模式

贪婪模式：默认情况下，匹配重复的元字符总是尽可能多的向后匹配内容。比如*？+{m,n}等。
非贪婪模式：在匹配元字符后加个？就转换为非贪婪模式了，匹配少的一个
eg：

贪婪模式（尽可能多的）	非贪婪模式（尽可能少的）
re.findall(r’ab*’,‘abbbbbbbbbbcd’)	re.findall(r’ab*?’,‘abbbbbbbbbbcd’)
re.findall(r’ab+’,‘abbbbbbbbbbcd’)	re.findall(r’ab+?’,‘abbbbbbbbbbcd’)
re.findall(r’ab{3,5}’,‘abbbbbbbbbbcd’)	re.findall(r’ab{3,5}?’,‘abbbbbbbbbbcd’)
re.findall(r’ab*’,‘abbbbbbbbbbcd’)	re.findall(r’ab*?’,‘abbbbbbbbbbcd’)

正则表达式的原则

1. 正确性：能够正确的匹配出目标字符串。
2. 排他性：尽可能少的匹配其他内容。
3. 全面性：尽可能考虑到目标字符串的所有情况，不遗漏。

Python中的re模块

产生正则表达式对象的函数

compile：生成正则表达式对象
	regex = re.compile(pattern,flags = 0)
	参数：pattern 正则表达式、flags 功能标志位，扩展正则表达式的匹配
	返回值：正则表达式对象

正则表达式对象的方法和re的方法

正则表达式对象和re均有相同的方法，只是参数有不同，下面以findall为例，其余函数均相似：

正则表达式对象和re都可用的方法

findall：根据正则表达式匹配目标字符串内容
	list_re = re.findall(pattern,string,flags = 0)
	re_obj = regex.findall(string,pos,endpos)
	参数：pattern 正则表达式，string目标字符串，flags 功能标志位，扩展正则表达式的匹配，pos截取目标函数的开始匹配位置，endpos截取目标字符串的结束匹配位置，默认从头到尾。
	返回值：匹配到的内容列表，如果正则表达式有子组则只能获取到子组对应的内容。

import re
s = "alex:1994,ping:1998"
pattern = r"\w+:\d+"

# re方法直接调用findall
l = re.findall(pattern,s)
print(l)

# compile对象调用findall方法
regex = re.compile(pattern)
l = regex.findall(s)
print(l)

# compile对象调用findall方法，并传参
m = regex.findall(s,0,12)
print(m)

split：使用正则表达式匹配内容，切割目标字符串
	表达式：re_list = re.split(pattern,string,flags = 0)
	参数：参数：pattern 正则表达式、flags 功能标志位，扩展正则表达式的匹配
	返回值：切割后的内容列表

import re
s = "alex:1994,ping:1998"
n = re.split(r'[:,]',s)  # 用冒号和逗号分隔
print(n)

sub：使用一个字符串替换正则表达式匹配到的内容
	re_str = re.sub(pattern,replace,string,max,flags = 0)
	参数：pattern 正则表达式、replace替换的字符串，string目标字符串，max最多替换几处，默认替换全部，flags 功能标志位，扩展正则表达式的匹配
	返回值：替换后的字符串。
subn和sub相同，知识返回值多了一个替换了几处。

import re
s = "alex:1994,ping:1998"
n = re.sub(r':','-',s)  # 用-替换所有的：
print(n)
e = re.subn(r':','-',s)
print(e)

正则表达式对象的属性方法

产生match对象的函数

产生match对象的函数–re和正则表达式对象都可使用

finditer：
	re_iter = re.finditer(parttern,string,flags = 0)
	参数：pattern 正则表达式，string目标字符串，flags 功能标志位，扩展正则表达式的匹配
	返回值：返回一个匹配结果的可迭代match对象。

import re
s = "今年是2019年，见过70周年"
pattern = r'\d+'
# 返回迭代match对象
it = re.finditer(pattern,s)
for i in it:
    print(i)
    print(i.group()) # 获取match对象对应的内容

fullmatch：完全匹配某个目标字符串，正则表达式必须完全匹配目标字符串
	re_match = re.fullmatch(pattern,string,flags=0)
	参数：pattern 正则表达式，string目标字符串，flags 功能标志位，扩展正则表达式的匹配
	返回值：匹配不到内容返回none，匹配到内容则返回match对象。

import re
s = "今年是2019年，建国70周年"
# 返回match对象
it = re.fullmatch(r'[，\w]+',s)  # 主要，需要和字符串里的，一致。
print(it.group())

match：匹配某个目标字符串开始位置，相当于在字符串前加了^
	re_match = re.match(parttern,string,flags = 0)
	参数：pattern 正则表达式，string目标字符串，flags 功能标志位，扩展正则表达式的匹配
	返回值：返回匹配内容的match对象

import re
s = "今年是2019年，建国70周年"
# 匹配目标字符串的开始位置
it = re.match(r'[\w]+',s)
print(it.group())

search：匹配第一个符合正则表达式的内容
	re_match = re.seach(pattern,string,flags=0)
	参数：pattern 正则表达式，string目标字符串，flags 功能标志位，扩展正则表达式的匹配
	返回值：返回匹配内容的match对象

import re
s = "今年是2019年，建国70周年"

it = re.search(r'[\w]+',s)
it1 = re.findall(r'[\w]+',s)
print(it.group())
print(it1)

match对象的属性方法

import re
pattern = r"(ab)cd(?P<pig>ef)"
regex = re.compile(pattern)    # 生成正则表达式对象
match_obj = regex.search('abcdefghi',0,8)    # 生成match对象

# match的属性变量
print(match_obj.pos)  # 目标字符串的开始位置
print(match_obj.endpos)   # 目标字符串的结束位置
print(match_obj.re)  # 正则
print(match_obj.string) # 目标字符串
print(match_obj.lastgroup)  # 最后一组的组名
print(match_obj.lastindex)  # 最后一组的序列号

# match对象的属性方法
print(match_obj.span())  # 匹配内容在字符串中的位置
print(match_obj.start())  # 起始位置
print(match_obj.end())   # 终止位置
print(match_obj.groupdict()) # 生成捕获组的字典
print(match_obj.groups())   # 子组对应内容的元组
print(match_obj.group()) # 获取match对象的内容，如果传入组号或者组名，则返回对应组的内容
print(match_obj.group(1))
print(match_obj.group('pig'))