正则表达式：元字符 转义 贪婪和非贪婪 正则表达式分组 re模块的使用

正则表达式

动机	文本处理已经成为计算机常见工作之一 对文本内容的搜索，定位，提取是逻辑比较复杂的工作 为了快速方便的解决上诉问题，产生正则表达式技术
定义	即文本的高级匹配模式，提供搜索，替代，查找等功能 本质是由以系列特殊符号和字符组成的字串
目标	熟练掌握正则表达式符号 能够看懂或者简单编写基本的正则表达式 能够使用Python操作正则表达式
特点	方便进行检索修改文本的操作 支持编程语言众多 使用灵活多样
python ---- > re 模块	处理正则表达式 re.dindall(pattern,string) 功能： 使用正则表达式匹配字符串 参数： pattern 正则表达式字符串        String   目标字符串 返回值:  返回匹配到的所有内容   例子： import re s = "my enail is Levi@126.com or lvze@tedu.cn" re.findall("\w+@\w+\.\w{2,3}",s) ['Levi@126.com', 'lvze@tedu.cn']
元字符	（正则表达式中有一定含义的符号） 普通字符 元字符  a  b  c  &  # 匹配规则： 匹配字符本身 例子： In [5]: re.findall("abc","abcbdkd") Out[5]: ['abc'] 或 元字符 匹配规则： 匹配 | 两边任意一个正则表达式 例子： In [12]: re.findall('ab|cd',"abfscdaadsab") Out[12]: ['ab', 'cd', 'ab']     重复的字符不可匹配 In [13]: re.findall('abc|bcd',"abcdefabc") Out[13]: ['abc', 'abc']   |左右不要有空格   匹配单一字符 元字符： . 匹配规则：  匹配出\n外任意一个字符 例子： In [14]: re.findall('f.o',"fao is not foo") Out[14]: ['fao', 'foo']   匹配开始位置 元字符： ^ 匹配规则： 匹配一个字符串的开头位置 例子： In [15]: re.findall('^hello',"hello world") Out[15]: ['hello']   In [16]: re.findall('^hello',"hello world hello") Out[16]: ['hello']   匹配结尾位置 元字符： $ 匹配规则： 匹配字符串的结束位置 例子： In [25]: re.findall("py$","hello.py") Out[25]: ['py']   In [26]: re.findall("......py$","hello.py") Out[26]: ['hello.py']   匹配重复 元字符:  * 匹配规则： 匹配前面的正则表达式重复0此或者是多次 例子： In [27]: re.findall("ab*","abbsafab") Out[27]: ['abb', 'a', 'ab']   匹配重复 元字符： + 匹配规则： 匹配前面的正则表达式1次或多次 例子： In [28]: re.findall("ab+","abbsafab") Out[28]: ['abb', 'ab']   匹配重复 元字符： ？ 匹配规则： 匹配前面出现的元字符0次或1次 例子 In [31]: re.findall("ab?","abbsafab") Out[31]: ['ab', 'a', 'ab']   匹配重复 元字符： {n} 匹配规则： 匹配前面的正则表达式n次 例子： In [32]: re.findall("ab{3}","abbbsafab") Out[32]: ['abbb']   匹配重复 元字符：{m，n} 匹配规则： 匹配前面的正则表达式 m – n 次 例子： In [35]: re.findall("ab{2,4}","abbbsabbfab") Out[35]: ['abbb', 'abb']   匹配字符集合： 元字符：[字符集] 匹配规则： 匹配括号内任意一个字符 例子： In [36]: re.findall("[a-z]","hello 123") Out[36]: ['h', 'e', 'l', 'l', 'o']   In [37]: re.findall("[a-z]+","hello 123") Out[37]: ['hello']   匹配字符集合 元字符：[^ …] 匹配规则： 除了字符集中的任意一个字符 例子： In [38]: re.findall("[^abcdef]","a little boy") Out[38]: [' ', 'l', 'i', 't', 't', 'l', ' ', 'o', 'y']   In [39]: re.findall("[^abcdef]+","a little boy") Out[39]: [' littl', ' ', 'oy']   匹配任意（非）数字字符 元字符:  \d  \D 匹配规则:  \d  匹配任意数字字符           \D  匹配任意非数字字符    例子：   In [43]: re.findall("1\d{10}","a 12345678987654321") Out[43]: ['12345678987']   In [45]: re.findall("\D+","The num is 123456") Out[45]: ['The num is ']     匹配（非）普通字符  （数字字母下划线） 元字符： \w     \W 匹配规则：\w 匹配任意一个普通字符[_0-9a-aA-Z]           \W 匹配任意一个非普通字符[^_0-9a-aA-Z]       例子： In [3]: re.findall('\w+',"Today is wednesday") Out[3]: ['Today', 'is', 'wednesday']   In [6]: re.findall('\W+',"@#$%^&*") Out[6]: ['@#$%^&*']   匹配（非）空字符   （空格， \r  \t  \n  \0） 元字符：\s  \S   匹配规则:  \s 匹配任意空字符           \S 匹配任意非空字符 例子：   In [7]: re.findall('\s+',"hello   wold") Out[7]: ['   ']   In [8]: re.findall('\S+',"hello   wold") Out[8]: ['hello', 'wold']   匹配起止位置 元字符： \A（^）  \Z（$） 匹配规则： 匹配字符串的开始和结束位置   例子： In [12]: re.findall('\Ahello world\Z',"hello world") Out[12]: ['hello world']    绝对匹配： 正则表达式前后加 ^$或\A\Z  表示正则表达式   需要匹配目标字符串的全部内容     匹配（非）单词边界 （普通字符和其它字符交接的位置） 元字符： \b  \B 匹配规则：\b 单词边界           \B 非单词边界 例子： In [13]: re.findall(r'\bis\b',"This is Tom") Out[13]: ['is']     元字符总结： 匹配单个字符：a  .  \d  \D  \w  \W  s  \S               […]  [^…] 匹配重复性： *  +  ？  {n}  {m，n} 匹配位置：   ^  $  \A  \Z  \b  \B

正则表达式转义

特殊符号	.   *   ？   $   []   ()   {}   ^  \   例子： In [4]: re.findall('ok\\?',"Are your ok?") Out[4]: ['ok?']
r  ---- >raw  字符串	原生字符串，字符串的内容就是字符串本身，不进行任何转义处理

 

贪婪和非贪婪

贪婪模式	正则表达式的重复默认总是尽可能多的向后匹配内容
非贪婪模式	尽可能少的匹配内容
贪婪转为非贪婪	后面加？ （1）非贪婪 In [16]: re.findall(r'ab*?',"abbcavvaa") Out[16]: ['a', 'a', 'a', 'a']   （2）贪婪 In [17]: re.findall(r'ab*',"abbcavvaa") Out[17]: ['abb', 'a', 'a', 'a']

 

 

正则表达式分组

方法	可以使用（）为一个正则表达式子组， 子组可以看做正则表达式的一个局部整体
子组的作用	子组作为局部整体可以改变某些元字符的行为，比如重复，或等 例子： In [21]: re.search(r'(ab)+','abbbbbcdef').group() Out[21]: 'ab'   In [22]: re.search(r'(ab)+','ababababcdef').group() Out[22]: 'abababab'   In [23]: re.search(r'.+(\.com|\.cn)','abc@123.cn').group() Out[23]: 'abc@123.cn'
	子组在某些操作中可以单独提取匹配内容   例子： In [27]: re.search(r'(ab)+','ababababcdef').group(1) Out[27]: 'ab'
子组的使用注意事项	一个正则表达式可以有多个子组，正则表达式依然是通过整体匹配内容   子组由外到内，由左到右为第一第二第三…..子组 （（ab）cd（ef）g）  abcefg   ab  ef     子组内容不会重叠
捕获组合非捕获组 (命名组，非命名组)	格式： （？P<name>pattern）   例子： In [29]: re.search(r'(?P<dag>ab)cdef+','ababababcdef').group() Out[29]: 'abcdef'
命名作用	很多编程接口可以通过名称获取指定组的内容   命名组可以被重复调用   格式：（?P=name）   例子： In [32]: re.search(r'(?P<dog>ab)cd(?P=dog)','abcdabefg').group() Out[32]: 'abcdab'
正则表达式设计原则	正确性，能够正确的匹配要求内容   唯一性，除了需要匹配的内容，尽可能不匹配不需要的没人   全面性， 对目标特征考虑不遗漏

 

 

re模块

方式

regex = re . comoile(pattern,flags = 0) 功能： 生成正则表达式 参数： pattern  正则表达式        flags     功能标志位，丰富正则的匹配功能 返回值： 返回正则表达式对象   ****************************************** list = re . findall（pattern，string，flags） 功能： 根据正则表达式匹配目标字符串 参数： pattern  正则表达式        string   目标字符串 返回值： 返回一个列表，内部为匹配到的内容   如果正则表达式有分组则只显示子组内容   **************************************** list = regex . findall（string，pos=0，endpos = 9999….） 功能： 根据正则表达式匹配目标字符串 参数： string   目标字符串        pos   标明从目标字符串的哪个位置开始匹配        endpos  标明匹配到目标字符串的哪里 返回值： 返回一个列表，内部为匹配到的内容   re.split(pattern,atring,flsgs=0) 功能： 通过正则表达式分隔字符串 参数： pattern    正则        String      目标字符串 返回值：  分隔后字符串列表   *************************************** re.sub(pattern , replaceStr , atring , max , flags) 功能： 替换正则表达式匹配到的内容 参数： pattern  正则        replaceStr 要替换的内容        string   目标字符串        max   最多替换几处 返回值:  返回替换的字符串   ***************************************** re.subn(pattern , replaceStr , atring , max , flags) 功能： 替换正则表达式匹配到的内容 参数： pattern  正则        replaceStr 要替换的内容        string   目标字符串        max   最多替换几处 返回值:  返回替换的字符串和几处   ****************************************** re.finditer(pattern , string , flags) 功能： 使用正则表达式匹配目标字符串 参数：  pastern  正则         String    目标字符串 返回值： 将匹配内容生成迭代器   ********************************************  re.fullmatch(pattern , string , flags) 功能: 完全匹配目标字符串 参数： pattern 正则        String  目标字符串 返回值： 匹配到的内容（match object）   ******************************************* obj = re.match (pattern , string , flags) 功能： 匹配目标字符串开头 参数： pattern 正则        String  目标字符串 返回值： 匹配到的内容（match object） obj = re.search (pattern , string , flags) 功能： 匹配目标字符串，只能匹配第一处 参数： pattern 正则        String  目标字符串 返回值： 匹配到的内容（match object）      生成match 对象如果失败则返回None ，则无法调用match对象属性，此时会产生异常。

Compile 生成的正则对象属性

pattern   正则对象对应的正则表达式 flags    获取标志位值 groupinddex  获取捕获组形成的字典 groups  多少字组

 

match对象

属性变量	pos ： 目标字符串的开头位置 endpos ： 目标字符串结束位置 re ： 正则表达式对象 string ： 目标字符串 lastgroup：最后一组名字 lastindex：最后一组是第几组
属性方法	start()  获取匹配到的内容的开始位置 end()    获取匹配到的内容的结束位置 span()   获取匹配到的内容的起止位置   group(n = 0) 功能： 获取match对象对应匹配到的内容 参数： 默认为0表示获取正则表达式整的匹配内容 如果赋值1，2，3...则表示获取某个子组的匹配内容 返回值：返回匹配字符串     groups()  获取所有子组匹配内容 groupdict() 将所有捕获组内容形成一个字典
flags 参数	re.compile re.findall re.search re.match re.finditer  re.fullmatch  re.sub  re.subn re.split   作用： 辅助正则表达式，丰富匹配结果 A == ASCII S == DOTALL   元字符.可以匹配\n I == IGNORECASE   或略大小写 L == LOCALE M == MULTILINE 元字符^  $ 可以匹配每一行的开头结尾位置 T == TEMPLATE U == UNICODE X == VERBOSE    可以给正则添加注释 同时使用多个flag 用 | re.I | re.S