Python re库

一、正则表达式

符号	作用
*	匹配前面字符0个或者多个
+	匹配前面字符1个或者多个
？	匹配前面字符0个或一个

示例：

1. ^5+$：表示必须全是5
2. ^[0-9]+$：表示必须全是数字

符号	作用
.	匹配除了换行符外的任意一个字符

1. ^.$：表示只能写一个随机内容
2. ^[0-9]+.$：表示前面可以是无数数字，最后一位随便结尾(数字字母都可)

符号	作用
^	匹配行首
$	匹配行尾

符号	作用
[]	只匹配一个字符，如[0-9]匹配一个数字
[^]	表示不匹配什么

1. ^[^0-9]+$：匹配除了数字以外一个或者多个内容

符号	作用
{n}	匹配前面字符确定的n次
{n,}	匹配前面字符至少n次
{n,m}	匹配前面字符至少n次最多m次
\	转义字符

1. ^[0-9]{5,10}$：匹配数字长度为5-10位（用法和* + ？类似）

符号	作用
(?:a|b)	重点：匹配组合 举例：`nizh(?:a
(?=a)	重点：匹配前面的内容 举例：`nizh(?=a
(?!a)	重点：匹配前面的内容 举例：`nizh(?!a
(?<=a)	重点：反向匹配 举例：`(?<=a
(?<!a)	重点：反向匹配 举例：`(?<!a

符号	作用
\d	匹配0-9的数字
\w	匹配英文数字下划线的任意组合
\D	不匹配0-9的数字
\W	不匹配英文数字下划线的任意组合

1. 匹配只能输入汉字，英文，数字，下划线
   ^[\w\u4e00-\u9fa5]+$
   学习：可以在中括号‘或’条件直接书写

2. 匹配长度6-12位只能包含英文数字
   ^[a-zA-Z0-9]{6,12}$

3. [[:punct:]]：表示匹配标点符号

4. key:\/.\/(.*key)[a-z]：匹配示例：key:/w/123keya

---

贪婪匹配与非贪婪匹配：
举例：aa<div>test1</div>bb<div>test2</div>cc
5. 贪婪匹配：<div>.*</div> -><div>test1</div>bb<div>test2</div>
6. 非贪婪匹配：<div>.*?</div> -><div>test1</div>

实例：

import re
data = '''
<h2><a id="break_20"></a>break</h2>
<h2><a id="continue_63"></a>continues</h2>
<h2><a id="continue_63"></a>continuesffff</h2>
'''
rule = "<h2><a .*></a>(.+)</h2>"
print(re.findall(rule,data,re.S)) # ['continuesffff']

datab = '''
<h2><a id="break_20"></a>break</h2>
<h2><a id="continue_63"></a>continues</h2>
<h2><a id="continue_63"></a>continuesffff</h2>
'''
ruleb = "<h2><a .*?></a>(.*?)</h2>"
print(re.findall(ruleb, datab, re.S))#  ['break', 'continues', 'continuesffff']

二、re模块

共同参数：

1. re.I：忽略大小写
2. re.S：匹配换行在内的所有字符（不添加这个默认是一行一行进行匹配内容）

1. 匹配内容

知识点：匹配内容的时候实际上是匹配正则小括号里面的内容，如img(.*)me实际就是匹配img和me中间的内容

1.1 search

介绍：只能返回首次匹配的内容，有几个小括号返回的元组长度就是多长
格式：re.search(规则,数据,共同参数)
注意：匹配不到报错

import re
data = '''
imglikeme51551
imglikeme51551

'''
rule = 'img(.*)me(.*)1551'
a = re.search(rule, data).groups()
print(a) #('like', '5')

ruleb = 'img(.*)me(.*)1551'
ab = re.search(ruleb, data, re.S).groups()
print(ab) #('likeme51551\nimglike', '5')

1.2 findall

介绍：返回个列表，会一直匹配到底
格式：re.findall(规则,数据,共同参数)
注意：匹配不到返回空列表；匹配只能到最后一项看上面的贪婪与非贪婪

import re
data = '''
imglikeme51551
imglikeme51551

'''
rule = 'img(.*)me(.*)1551'
a = re.findall(rule, data)
print(a) # [('like', '5'), ('like', '5')]

ruleb = 'img(.*)me(.*)1551'
ab = re.findall(ruleb, data, re.S)
print(ab) # [('likeme51551\nimglike', '5')]

2. 识别格式

2.1 match

介绍：与前面的不同，默认从开头开始匹配（结尾有要求自己加$）
格式：re.match(规则,数据,共同参数)
注意：匹配不到返回None，匹配成功返回元组

import re
data = '''imglikeme51551
imglikeme51551
'''
rule = 'img'
a = re.match(rule, data) # 默认从开头开始匹配
print(a.group()) # img

datab = '112345678m'
ruleb = '^[1-9]{1}[0-9]{8}[a-z]{1}$' # 第一位数字范围1-9，后面挨着的8位数字范围0-9，最后一位是a-z的小写字母
ab = re.match(ruleb, datab)
print(ab.group()) # 112345678m