python知识点------正则表达式

1、正则表达式的定义

定义：正则表达式是一个特殊的字符序列，可以判断一个字符串内是否与我们所设定的字符序列相匹配。

模块：python内部的re 模块拥有全部的正则表达式功能，可以直接调用来实现正则匹配。

实现的原理：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。

例：判断字符串内是否含有Python

使用re.findall("匹配规则", "要匹配的字符串")，实现匹配确认。

import re
a = 'C|C++|Java|C#|Python|Javascript'

r = re.findall("Python", a)
print(r)
#规则
if len(r) > 0 :
    print("字符串中包含Python")
else :
    print("No")

2、元字符与普通字符

正则式的匹配规则可以使用元字符与普通字符来进行设定。

普通字符：如"Python"

元字符：如抽象符号\d：匹配一个数字字符，等价于[0-9]

例：查找出字符串内0-9的数字

import re
a = 'C0C++8Java9C#55Python76Javascript'

r = re.findall("\d", a)
print(r)

3、字符集

字符集：可使用[]将需要匹配的字符同时添加进去。如下例字符集：a[cf]c，可同时匹配acc、afc

import re
a = 'abc, acc, adc, aec, afc, ahc'

r = re.findall("a[cf]c", a)
print(r)

4、概括字符集

字符集或概括字符集都只能匹配一个单一字符。

\d是0-9数字字符

\D是非0-9的字符，等价于^\d

\w是单词字符（数字、字母）

\s是空白字符（' '，'\t'，'\n', '\r'等）

. 匹配除换行符\n之外的其他所有字符

5、数量词

{3}：匹配3个字符。如[a-z]{3}：匹配3个字符，字符为a-z

{3,6}：匹配3-6个字符。

6、贪婪与非贪婪

贪婪：尽可能匹配更多

非贪婪：在匹配字符串后面加?。如[a-z]{3, 6}?

7、匹配0次1次或者无限多次

*：表示匹配0次或者无限多次

+：表示匹配1次或者无限多次

如'Python*'：（表示最后一个字符n可以匹配0或无限次），输出结果为pytho, python, pythonn

如'Python+'：（表示最后一个字符n可以匹配1或无限次），输出结果为python, pythonn

import re
a = 'pytho0Python1Javascriptpythonn2'

r = re.findall("Python*", a)
print(r)

8、边界匹配符

边界符号：^, $。如^\d{4, 8}$

^：最前面的字符必须为\d

$：最后面的字符必须为\d

# 边界匹配
import re
qq = '123456789'
# 4~8
# ^表示左边界的字符匹配
# $表示有边界的字符匹配
r = re.findall("^\d{4, 8}$", qq)
print(r)

如000$：表示最后面的3个字符必须是000

9、字符组的重复匹配

如(python){3}：表示匹配的字符是pythonpythonpython，即将python合并成组，然后匹配3个组

匹配的字符可以不止一个组，如(python){3}(JS)

区别：[abc]：表示a或b或c，里面是或的关系

            (abc)：表示abc，里面是成组，成块的。

10、匹配模式参数

re.findall()：第3个参数就是描述匹配模式，如re.I表示忽略字母大小写

第3个参数可以设置多个匹配模式，使用|连接。如re.I | re.S

re.S表示   .  可以描述所有字符

import re
language = 'pythonC#\nJavaPHP'
# re.I 忽略字符的大小写
# re.S 表示.可以描述所有字符（包含\n）
r = re.findall("c#.{1}", language, re.I | re.S)
print(r)

11、字符串替换

re.sub，字符串替换，类似replace函数

import re
language = 'pythonC#JavaC#PHPC#'
# 替换字符串
# r = re.sub('C#', 'GO', language, 2)
a = language.replace('C#', 'GO', 2)
print(language)
print(a)

12、动态替换

 使用convert函数作为re.sub的参数，来进行动态替换字符串

import re
language = 'pythonC#JavaC#PHPC#'


# 定义一个convert函数，进行动态替换字符串
def convert(value):
    matched = value.group()
    return '!!' + matched + '!!'


r = re.sub('C#', convert, language)
print(r)

输出结果：python!!C#!!Java!!C#!!PHP!!C#!!

import re
s = 'A8C3721D86'


# 定义一个convert函数，进行动态替换字符串
def convert(value):
    matched = value.group()
    if int(matched) >= 6:
        return '9'
    else:
        return '0'


r = re.sub('\d', convert, s)
print(r)

输出结果：A9C0900D99

13、re.match与re.search

import re
s = 'A8C3721D86'

r1 = re.match('\d', s)
r2 = re.search('\d', s)
print(r1)
print(r2)
print(r2.group())
print(r2.span())

输出结果：

None
<re.Match object; span=(1, 2), match='8'>
8
(1, 2)

区别：match是尝试从字符串首字母处开始查找是否匹配，如果不匹配则返回None。search是尝试搜索整个字符串，如果有匹配的，则返回相关结果。如果首字母就匹配，那么match和search功能基本差不多。

14、group分组

import re
s = 'life is short, i use python'

r = re.search('life(.*)python', s)
# 0返回完整匹配结果
print(r.group(0))
# 1返回分组内的匹配结果
print(r.group(1))

输出结果：

life is short, i use python
 is short, i use 

注意：group(1)表示第一个组块。

groups()：表示所有组块。

15、常用正则表达式

为了学习，可以有意识的多使用正则表达式，建议多分析网络上已经写好的常用正则表达式。