python正则表达式一

正则表达式介绍

正则表达式是一个特殊的字符序列，通常被用来检索、替换那些符合某个模式（规则）的文本。
python中使用re模块。

特点

1. 灵活性、逻辑性和功能性非常强
2. 可以迅速地用极简单的方式达到字符串的复杂控制

python中的正则表达式

import re

word = 'h230dsdkf349dsd0)'  # 取里面的数字
print(re.findall(r'\d+', word)) # r是让转义字符失效不用r就要多加一个\
print(re.sub(r'\d', "@", word))

['230', '349', '0']
h@@@dsdkf@@@dsd@)

正则查找

1. search 方法

import re

word = 'h2303dsdkf349dsd0)'  # 取里面的数字
# word.index('3')  # 字符串的方法只能找一个字符
result = re.search(r'3\d+', word)
print(result)
# \d表示任意数字 +表示出现一次或多次
result = re.search(r'3\d', word)
print(result)

<re.Match object; span=(2, 5), match='303'>
<re.Match object; span=(2, 4), match='30'>

2. match 方法

match是从字符串的开始匹配

print(re.match(r'3\d+', word))
print(re.match(r'h\d+', word))

None
<re.Match object; span=(0, 5), match='h2303'>

fullmatch 完整匹配

print(re.fullmatch(r'h\d+', word))
print(re.fullmatch(r'h\d+', 'h12312324'))

None
<re.Match object; span=(0, 9), match='h12312324'>

3. findall / finditer 匹配多个

x = re.finditer(r'3\d+', word)  # 结果是个迭代器
for i in x:
    print(i)

<re.Match object; span=(2, 5), match='303'>
<re.Match object; span=(10, 13), match='349'>

print(re.findall(r'3\d+', word)) # 结果是个列表

['303', '349']

re.Match类型

# re模块的 match / search / fullmatch / finditer 得到的结果都有re.match类型
x1 = re.search(r'\d+', 'ab12cd34ef567g8901')
print(dir(x1))

['__class__', '__class_getitem__', '__copy__', '__deepcopy__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'end', 'endpos', 'expand', 'group', 'groupdict', 'groups', 'lastgroup', 'lastindex', 'pos', 're', 'regs', 'span', 'start', 'string']

print(x1.end())  # 获取匹配到的字符串的结束索引
print(x1.endpos)  # 获取整个字符串的长度
print(x1.span())  # 匹配到的字符串的（起始，结束）索引
print(x1.string)  # 所查找的完整字符串
print(x1.group())  # 获取匹配到的字符串

4
18
(2, 4)
ab12cd34ef567g8901
12

正则表达式的分组

import re

x1 = re.search(r'b\d+cd\d+ef\d+g\d+', 'ab12cd34ef567g8901')
print(x1.group())
x2 = re.search(r'(b\d+)(cd\d+)(ef\d+)(g\d+)', 'ab12cd34ef567g8901')
print(x2.group())

# 虽然上面2种结果一样，但上面的只有一个分组，下面的有好几个分组
print(x2.group(1))
print(x2.group(2))
print(x2.group(0))  # group(0)等价于group()

b12cd34ef567g8901
b12cd34ef567g8901
b12
cd34
b12cd34ef567g8901

print(x1.groups())
print(x2.groups())  # 拿到所有子分组匹配到的字符串组成的一个元组

()
('b12', 'cd34', 'ef567', 'g8901')

正则表达式使用(?P<name>…) 语法给组命名

x3 = re.search(r'(?P<name1>ab\d+)(?P<name2>cd\d+)(?P<name3>ef\d+)(?P<name4>g\d+)', 'ab12cd34ef567g8901')

print(x3.lastgroup)  # 拿到最后一个分组的组名
print(x3.groupdict())  # 以字典的形式保存有组名的分组的数据

name4
{'name1': 'ab12', 'name2': 'cd34', 'name3': 'ef567', 'name4': 'g8901'}

re.compile

可以代替正则规则

patten = re.compile(r"ab\d+")
print(patten.search('ab1234'))

正则修饰符

print(re.search(r'a', 'ABC'))
print(re.search(r'a', 'ABC', re.I)) # re.I就是正则修饰符

None
<re.Match object; span=(0, 1), match='A'>

正则修饰符		意思
re.A	re.ASCII	只匹配ASCII
re.I	re.IGNORECASE	进行忽略大小写匹配
re.L	re.LOCALE	由当前语言区域决定 \w, \W, \b, \B 和大小写敏感匹配
re.M	re.MULTILINE	设置以后，样式字符 ‘^’ 匹配字符串的开始，和每一行的开始（换行符后面紧跟的符号）；样式字符 ‘$’ 匹配字符串尾，和每一行的结尾（换行符前面那个符号）。默认情况下，’^’ 匹配字符串头，’$’ 匹配字符串尾。
re.S	re.DOTALL	让 ‘.’ 特殊字符匹配任何字符，包括换行符
re.X	re.VERBOSE	当一个行内有 # 不在字符集和转义序列，那么它之后的所有字符都是注释

正则匹配规则

1. 数字和字母表示它本身，没有特殊含义
2. \ 有特殊含义，用来转义
3. 大多数字母前加\ 转义后，会有特殊含义
4. 绝大多数标点符号都有特殊含义
5. 如果想要表示标点符号本身，则需要用\ 转义字符

转义字母的特殊含义

模式	描述
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\s	匹配任意空白字符，等价于 [ \n\r\f]。
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]。
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\n, \t, 等。	匹配一个换行符。匹配一个制表符, 等
\1…\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

print(re.findall(r'\s', 'hello world, hello python'))

[' ', ' ', ' ']

标点符号的特殊含义

‘_’ 不再被转义
只有在正则表达式中具有特殊含义的字符才会被转义。 因此， ‘!’, ‘"’, ‘%’, “’”, ‘,’, ‘/’, ‘:’, ‘;’, ‘<’, ‘=’, ‘>’, ‘@’ 和 “`” 将不再会被转义。