正则表达式的介绍与的应用（python）

简介

正则表达式是一套用于做字符串的检索的引擎

1. 正则表达式起源于Unix
2. 正则表达式是一种小型的，高度专业化的编程语言，内嵌在Python的re模块中
3. 运行原理：正则表达式会被编译成一系列的字节码，然后由用C编写的匹配引擎执行
4. 正则表达式语言相对小型和受限，不是所有的字符串都能用正则表达式

元字符串

1. []：
   a. 通常用来指定一个字符集合，必须给一个范围
   b. 配合^表示取反，[]内的字符全部都不取
   c. []内的元字符串，不发生作用，只视为普通字符串
2. ^：
   a. 匹配行首
   b. 取反
3. $：
   用于匹配行尾
4. \：
   a. 配合不同的字符产生特殊含义
   \w 匹配任何字母数字字符： [0-9a-zA-Z]
   \W 同上取反
   \d 匹配任何十进制数
   \D 同上取反
   \s 匹配任何空白字符 ： \t \n \f
   \S 同上取反
   b. 用于转义
5. {n}：
   重复n次—指定重复次数
   所有的辅助型元字符串，只修饰前面的元字符串
6. *：
   重复：0~多次
7. +：
   重复： 1~多次
8. ?：
   a. 重复： 0~1次
   b. 非贪婪模式：尽可能少的匹配
   默认重复都是贪婪模式：能匹配多少全都要
9. {m，n}：
   重复： m~n次
10. .：
    匹配除了换行符以外的所有的字符
11. ()：
    分组，只显示括号内的内容，括号外的元字符也执行了
12. |：
    或

应用

正则表达式的执行：
1. 直接解释执行
2. 先编译，后解释—效率高

re模块下提供了编译相关方法
compile()—函数，返回一个编译之后的正则对象

通过函数创建一个对象---工厂模式
目的：提高匹配时的执行效率

import re
rule='abc'
re_compile=re.compile(rule) # 创建正则对象---工厂模式
print(re_compile.findall(s))

正则对象的属性和方法re模块

1. findall()：
   找到正则匹配的所的字符串，并打包成列表返回
2. match()：
   匹配行首
   如果匹配到对应的字符串，则返回一个Match对象
   如果没有匹配到对应的字符串，则返回一个None值
   match方法和Match对象无关
3. search()：
   搜索字符串，找到正则对象匹配的对应的下标（位置）
4. finditer()：
   将匹配到的所有字符串，打包成迭代器返回
   每个元素均为Match对象
5. sub(正则，替换的字符串，目标字符串)：
   替换字符串
6. subn()：
   替换字符串并返回替换的次数
7. split()：
   分割字符串

import re
# 匹配出1-99之间的数字
ret = re.findall("[1-9]?[1-9]", "7777733")
ret1 = re.match("[1-9]?[1-9]", "7777733")
ret2 = re.search("[1-9]?[1-9]", "7777733")
ret3 = re.finditer("[1-9]?[1-9]", "7777733")
ret4 = re.sub("[1-9]?[1-9]", '77', "7777733",)
ret5 = re.subn("[1-9]?[1-9]", '77', "7777733")
print(ret)
print(ret1)
print(ret2)
print(ret3)
print(ret4)
print(ret5)

['77', '77', '73', '3'] 
<re.Match object; span=(0, 2), match='77'>    
<re.Match object; span=(0, 2), match='77'> 
<callable_iterator object   at 0x000002607054E898> 
77777777 
('77777777', 4)

Match对象的属性和方法

1. group()：
   返回被RE匹配的字符串
2. start()：
   返回匹配到的字符串的开始下标
3. end()：
   返回匹配到的字符串的结束下标
4. span()：
   返回匹配到的字符串的开始下标和结束下标，打包成元组