正则表达式

正则表达式

正则表达式并不是Python的一部分，正则表达式是用于处理字符串的强大工具。
正则表达式的大致-匹配过程是：一次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。

Python支持的正则表达式元字符和语法：

字符匹配：（普通字符，元字符）

格式：

import re
re.findall(正则规则，匹配的字符串)

普通字符：数字和字符串本身

import re
print(re.findall('xiao', 'daxiaoming'))
['xiao']

元字符及其用法：

.    #匹配任意一个字符
>>> re.findall('a.b','a2b')
['a2b']

^        #以什么什么字符开头，写在字符前面
>>> re.findall('^1a', '1a2b')
['1a']

$        #以什么什么字符结尾，写在字符后面
>>> re.findall('f2$', 'adf2')
['f2']

*        #匹配最少0次到无数次
>>> re.findall('f*', 'daafsdsafff')
['', '', '', 'f', '', '', '', '', 'fff', '']

+       #匹配最少1此到无数次
>>> re.findall('f+', 'daafsdsafff')
['f', 'fff']

？       #匹配最少0次到1次
>>> re.findall('f?', 'daafsdsafff')
['', '', '', 'f', '', '', '', '', 'f', 'f', 'f', '']

{N}     #匹配大括号里N次，{0:10}匹配0到10次；{3:}匹配最少3次到无限次
>>> re.findall('f{2}', 'daafsdsafff')
['ff']

[]       #用来指定一个字符集，[ab]匹配a或b，其他特殊字符在[]中不起作用，除了"-"和“……”
>>> re.findall('[as]', 'daafsdsafff')
['a', 'a', 's', 's', 'a']

|        #或
>>> re.findall('d|s', 'daafsdsafff')
['d', 's', 'd', 's']

()       #分组，第一个组号为1
>>> re.findall('(aa)(fs)', 'daafsdsafff')
[('aa', 'fs')]

\        #转义符
>>> re.findall('\*f', 'daa*fsdsafff')
['*f']

转义符在Python环境中转入正则的时候，需要经过转义，在正则里面对字符转义的时候也需要用到转义符。为了为了使代码更简洁，Pyhon里通过用r”表示原有字符，r” 引号中的字符在在Python中不被看做成转义。

特殊字符

\d #匹配任何数字；与 [0-9] 相同
\D #匹配任何非数字字符；与 [^0-9] 相同
\s #匹配任何空白字符；与 [\t\n\r\f\v] 相同
\S #匹配任何非空白字符；与 [^\t\n\r\f\v] 相同
\w #匹配任何字符数字和下划线：与 [a-zA-Z0-9_] 相同
\W #匹配任何非字符数字下划线的特殊字符；与 [^a-zA-Z0-9_] 相同
\b #匹配一个单词边界，也就是指单词和空格间的距离
“ .* ” #代表除换行符以外所有的字符

例子1：
匹配电话号：

p = re.compile(r'\d{3}-\d{6}')
print(p.findall('010-847501'))

例2：
匹配网址：

www = "www.baidu.com"
print(re.findall(r'\w+\.w+\.com', www))

例3：
取浮点数：

>>> print(re.findall(r'\d+\.\d*','100.01'))
['100.01']
只取小数位
>>> print(re.findall(r'\d+(\.\d*)','num 10.01'))
['.01']

贪婪匹配：
尽可能多的匹配所有的与自己相关的字符

re内置模块

match()

从头匹配，匹配到第一个符合规则的字符串后停止

按匹配类型来分类把正则匹配分成有分组的情况和无分组的情况。
正则中有三个对象用来接收他的匹配结果
.group() #获取匹配到的所有结果
.groups() #获取模型中匹配到的分组结果
.groupdict() #获取模块中匹配到的分组结果，取名字以后以字典的形式表示

.group()：把匹配到的结果赋值给它

• 情况1：无分组情况

origin = "hello world nong sha lei"
r = re.match("(h)(\w+)", origin)
print(r.group())    #获取匹配到的所有结果
print(r.groups())   #获取模型中匹配到的分组结果
print(r.groupdict())    #获取模块中匹配到的分组结果

例子
.group()

origin = "hello world nong sha lei"
r = re.match("h\w+", origin)
print(r.group())

匹配项内没有分组，匹配到的结果就会赋值给.group()

情况2：有分组

• ?P<> ：固定搭配，尖括号里面定义key的名字，只有这种方式才能把内容定义到dict里面

分组的作用
提取匹配成功的制定内容（先匹配成功全部正则，再匹配局部内容并提出），如果有分组的话，会只提取分组中的内容

origin = "hello world nong sha lei"
r = re.match("（?P<n1>h）（?P<n2>\w+）", origin)
print(r.group())    #获取匹配到的所有结果
print(r.groups())   #获取模型中匹配到的分组结果
print(r.groupdict())    #获取模块中匹配到的分组结果

例子
.groups()

origin = "hello world nong sha lei"
r = re.match("(h)(\w+)", origin)
print(r.groups())

匹配项中有分组，就把结果赋值给 .groups()

origin = "hello world nong sha lei"
r = re.match("(?P<NAME>h)(\w+)", origin)
print(r.groupdict())

search()

浏览全部字符串，匹配到第一个符合规则的字符串后停止

a = "a1b2c3d5"
d = re.search("\d\w\d", a)
print(d.group())

findall()

将匹配到的所有内容放置到一个列表中

匹配顺序：

• findall() 匹配到一个符合类型以后，再从后面的字符开始匹配
• 正则中分组如果取相邻的重复的值，默认只会取最后一个值。
• 用*号贪婪匹配时，取到最后一位的时候会继续匹配，但这是最后一位已经没有了，所以就会取一个空值。

a = "a1b2c3d5"
d = re.findall("\d\w\d", a)
print(d.group())

split()

以指定的字符或字符串来分隔

• 无分组的情况下，分隔的本身不包含

split还可以指定最多分隔几次

origin = "hello alex bcd abcd "
n = re.split("a", origin, 1)    #最后的1参数表示分隔一次
print(n)

• 有分组的情况下，分隔的本身才被包含

origin = "hello alex bcd abcd "
n = re.split("a(\w+)", origin, 1)
print(n)

.sub()

查找替换
.subn #默认匹配两项

origin = "hello alex bcd abcd "
n = re.sub("a(\w+)", "XXX", origin, 1）#匹配字符，替换结果，替换内容，替换次数
print(n)