正则表达式与python re模块

1、正则是什么

正则就是对一大段文本中提取数想要的数据的方法

2、正则的优点

1、效率高，速度快

2、准确

3、语法

用字符进行排列组合，用一句话从大字符串提取想要的内容

3.1 常用的元字符串（加粗为常用重要）

字符	含义
.	匹配除换行符以外的任意字符
\w	匹配字母 或数字 或 下划线
\s	匹配任意的空白符（空格 换行 回车）
\d	匹配数字
\n	匹配换行符
\t	一个只制表符
^	匹配字符串的开始
$	匹配字符串的结束
\W	匹配非字母非数字或非下划线
\D	匹配非数字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[]	匹配字符组中的字符如[a-zA-Z0-9]
[^]	匹配除了字符组中的所有字符

3.2 量词

字符	含义
*	重复0次或更多次（尽可能多的去匹配）
+	重复一个或更多次
？	重复0次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

3.3 贪婪匹配和惰性匹配

字符	含义
.*	贪婪匹配（尽可能多的匹配能容）
.*？	尽可能少的匹配内容

4、正则测试与练习

https://tool.oschina.net/regex#

5、python应用 re模块

5.1 findall

re.findall(pattern,string)

pattern:正则表达式

string：要匹配的东西 正则前面加一个r

例如:

lis=re.findall(r"\d+","我的电话是10086")

输出  ['10086']

返回的是list.,匹配字符串中所有符合正则的内容

findall 用的少，因为列表的效率不高

5.2 finditer

re.serch(pattern,string)

返回的是迭代器,match对象迭代器中拿出东西需要 遍历然后.grop()

怎么用

import re
pattern=r"\d+"
string="我的电话是10086"
iter=re.finditer(pattern,string)

for i in iter:
    print(i.group())

#输出 10086

5.3 re.serch

re.serch(pattern,string)

seach 返回的结果是match对象，从match中拿东西需要 .grop()

与 finditer基本相似， 不同的是，serch找到一个就返回，finditer返回全部结果，

特性	re.search()	re.finditer()
​​返回值​​	单个 re.Match 对象（或 None）	迭代器（生成 re.Match 对象）
​​匹配行为​​	找到​​第一个​​匹配后立即返回	返回​​所有​​非重叠匹配
​​内存效率​​	低（只存储一个匹配）	高（惰性计算，不一次性存储所有结果）
​​适用场景​​	只需第一个匹配（如验证格式）	需要所有匹配（如提取数据）

serch可以证明存在过

import re
text = "电话：10086，备用：1008611"
match = re.search(r"\d+", text)
print(match.group()) if match else print("无匹配")  # 输出: 10086

5.4 re.match

re.match(pattern,string)

从头开始匹配，不是全文匹配

5.5 re.compile

预加载正则表达式，可以反复使用，

import re

string="我的电话是10086"

re.compile(r"\d+")

obj=re.compile(r"\d+")

ret=obj.finditer(string)

for i in ret:

    print(i.group())
 #输出10086

5.6 重点用法 分组用法

注意

最后加上 re.S 表示让.什么都能匹配到换行符也可以匹配到，防止断掉

想要看某块的东西就要把这个正则括起来 （.*？）

然后加上   P<组名>  如（？P<组名>.*？）

循环遍历迭代器  for i in 组名：

print（i.group("组名")）