re模块

re模块

一：什么是正则？

也被称为正则表达式：由一系列特殊字符拼接而成的表达式/规则，该表达式用于从一个大字符中匹配出符合规则的字符串。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式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。

二：常用匹配模式1、\w和\W

匹配字母数字下划线和非数字字母下划线

import re
res=re.findall('\w\w\w',"h ello 123_(0")
print(res)
['ell', '123']

res=re.findall('\W',"h ello 123_(0")
 print(res)
 [' ', ' ', '(']

2、\s和\S

匹配任意空白字符，等价于[\t\n\r\f和任意非空字符

print(re.findall('\s','h e\tll\no 123__0'))
[' ', '\t', '\n', ' ']

print(re.findall('\s','hello  egon  123'))
[' ', ' ', ' ', ' ']

print(re.findall('\w\s',"h ell0 123_(0"))
['h ', '0 ']

print(re.findall('\S',"h e llo 123_(0"))
['h', 'e', 'l', 'l', 'o', '1', '2', '3', '_', '(', '0']

3、\d和\D

匹配一个字符，数字的和一个字符，非数字的

print(re.findall('\d',"h e\tll\no 123_(0"))
['1', '2', '3', '0']

print(re.findall('\D',"h e\tll\no 123_(0"))
['h', ' ', 'e', '\t', 'l', 'l', '\n', 'o', ' ', '_', '(']

print(re.findall('a\db',"a1b a2b a b aab aaaaaaaa1b a2c a22c a 3c"))
# a\db去比较，a对应a，d对应字符数字，b对应b
# 结果：['a1b', 'a2b', 'a1b']

4、\n与\t(匹配换行符和制表符)

msg = """h e\tll\n\no 123_ (0
\t1
     2
 3
 """
 print(re.findall('\n',msg))
 ['\n', '\n', '\n', '\n', '\n', '\n']
 
 print(re.findall('\t',msg))
 ['\t', '\t']
 
print(re.findall(' ',msg))
[' ', ' ', ' ', ' ', ' ', ' ', ' ']

5、^与$(匹配字符的开头和结尾)

print(re.findall("^egon","egon asdf 213213 egonafsadfegon"))
egon asdf 213213 egonafsadfegon
 ^egon
['egon']

print(re.findall("egon$","egon asdf 213213 egonafsdfegon"))
												# egon$
['egon']

print(re.findall("a\w\w\wc","ad12c3c a213c"))
['ad12c', 'a213c']

print(re.findall("^a\w\w\wc$","ab_2c"))
['ab_2c']

6、.代表匹配一个字符，该字符可以是任意字符

print(re.findall("a\db","a1b a2b aab aaaaaaab a+b a-b a c"))
['a1b', 'a2b']

print(re.findall("a\wb","a1b a2b aab aaaaaaab a+b a-b a c"))
['a1b', 'a2b', 'aab', 'aab']

print(re.findall("a.b","a1b a2b aab aaaaaaab a+b a-b a c"))
['a1b', 'a2b', 'aab', 'aab', 'a+b', 'a-b']

print(re.findall("a.b","a1b a2b aab aaaaaaab a+b a-b a c",re.DOTALL))    
# 当把DOTALL标记被指定时，则可以匹配包括换行符的任意字符
['a1b', 'a2b', 'aab', 'aab', 'a+b', 'a-b']

7、[]代表匹配一个字符，我们可以指定该字符的范围

 print(re.findall("a[+-b]","a1b a2b aab aaaaaaab a+b a-b a c"))
['a1', 'a2', 'aa', 'aa', 'aa', 'aa', 'ab', 'a+', 'a-']

print(re.findall("a[.*/+-]b","a.b a2b a*b a/b aab aaaaaaab a+b a-b a c"))
['a.b', 'a*b', 'a/b', 'a+b', 'a-b']

print(re.findall("a[a-z]b","a.b a2b a*b a/b aab aaaaaaab a+b a-b a c" )) # 放在[]内的开头或结果
['aab', 'aab']

print(re.findall("a-a-zA-Z]b","a.b a2b a*b a/b aAb aCb aab aaaaaaaab a+b a-b a c"))  #放在[]内的开头或结果
[]
 print(re.findall('a\ab',"a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c"))     #放在[]内的开头或结果
 []
 
print(re.findall("a[0-9]b","a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # #放在[]内的开头或结果
['a2b']

8、 [^…]代表取反

 print(re.findall("a[^0-9]b","a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c"))  # #放在[]内的开头或结果
['a.b', 'a*b', 'a/b', 'aAb', 'aCb', 'aab', 'aab', 'a+b', 'a-b']

9、*代表左边那个字符出现0次或者无穷次

print(re.findall("ab*","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
# a ab abb abbbbbbbbbbbb bbbbbbbbb
#                        ab*
['a', 'ab', 'abb', 'abbbbbbbbbbbb']

9.1 +代表左边那个字符出现1次或者无穷次

 print(re.findall("ab+","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
# a ab abb abbbbbbbbbbbb bbbbbbbbb
# ab+
['ab', 'abb', 'abbbbbbbbbbbb']

9.2 {n,m}代表代表左边那个字符出现n次到m次

 print(re.findall("ab{0,}","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
 ['a', 'ab', 'abb', 'abbbbbbbbbbbb']
 
 print(re.findall("ab*","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
 ['a', 'ab', 'abb', 'abbbbbbbbbbbb']

print(re.findall("ab{1,}","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
['ab', 'abb', 'abbbbbbbbbbbb']

print(re.findall("ab+","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
['ab', 'abb', 'abbbbbbbbbbbb']

 print(re.findall("ab{2,5}","a ab abb abbb abbbb abbbbbbbb abbbbbbbbbbbb bbbbbbbbb"))
 ['abb', 'abbb', 'abbbb', 'abbbbb', 'abbbbb']

9.3 ?代表左边那个字符出现0次到1次

print(re.findall("ab?","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
['a', 'ab', 'ab', 'ab']

9.4 .*代表 匹配所有

print(re.findall("a.*b","123 a1231-==-000b123123123123123b"))
['a1231-==-000b123123123123123b']
# 123 a1231-==-000b123123123123123b
#     a.*b

 print(re.findall("a.*?b","123 a1231-==-000b123123123123123b"))
 ['a1231-==-000b']

例1：

msg='<a href=" " target="_blank"><strong><span style="color: #ff0000;">原理图：https://pan.baidu.com/s/1skWyTT7</span></strong></a ><a href="https://www.baidu/com">"点我啊"</a >'
url_pattern = re.compile('href="(.*?)"')
res=url_pattern.findall('hrel="(.*?)"')
print(res)
[]

res=url_pattern.findall('<a href="www.sina.com.cn"></a>')
print(res)
['www.sina.com.cn']

例2：

print(re.findall("a.*b","a1b a+b a-b a\nb a\tb",re.DOTALL))
['a1b a+b a-b a\nb a\tb']

10 ()代表分组

print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab']
['ab', 'ab', 'ab']

print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab
['ab']

10.1 取消分组

print(re.findall('(?:ab)+123','ababab123')) 
['ababab123']
#findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容

11、 |代表或者

print(re.findall("compan(?:ies|y)","Too many companies have gone bankrupt, and the next one is my company'"))

# Too many companies have gone bankrupt, and the next one is my company
#                                                               compan(ies|y)
['companies', 'company']

print(re.findall("\d+\.?\d*","as9fdasl333...444df1111asdf3333dfadf333.44dafadf3.5555asdfsafd.5555"))
 ['9', '333.', '444', '1111', '3333', '333.44', '3.5555', '5555']

12、\

 print(re.findall('a\\\\c','a\c a1c aac'))
 #对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常
 
 print(re.findall(r'a\\c','a\c a1c aac')) 
 #对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常
 
print(re.findall(r'a\\c','a\c a1c aac'))
['a\\c']

三、re模块提供的方法介绍

1、re.findall()

 print(re.findall('e','alex make love'))  
 ['e','e','e'],返回所有满足匹配条件的结果，放在列表里

2 、re.search().group()

 print(re.search('e','alex make love')) 
 #e ,只到找到第一个匹配然后返回一个包含匹配信息的对象，该对象可以通过调用group（）方法得到匹配的字符串，如果字符串没有匹配，则返回None

3、re.match()

print(re.match('e','alex make love'))    
#None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match

4、re.split()

print(re.split('[ab]','abcd'))     
#['', '', 'cd']，先按'a'分割得到''和'bcd',再对''和'bcd'分别按'b'分割