python的正则表达式

正则表达式

正则表达式 提供了一种字符串的匹配模式(pattern)

总体来说和js的正则没什么区别，注意一下彼此的使用方法即可。。。。

1. []  # 代表一个原子表
    [a] # 匹配字母a 
    [abc] # 匹配a或b或c  
    [a-z]  # 匹配任意一位小写字母  
    [A-Z]  # 匹配任意一位大写字母    
    [a-zA-Z]  # 匹配任意一位字母   
    [0-9]  # 匹配数字
2. ^  # 以什么作为开头
    ^a  # 匹配以字母a做为开头的一串字符
    ^abc  # 匹配字母abc作为开头的
    ^[abc]  # 匹配以a或b或c作为开头的
    [^abc]  # 匹配以a或b或c以外作为开头的 
    [^a-zA-Z]  # 匹配除了a-z和A-Z以外的
3.  $  # 以.. 作为结尾(同^组合来用)
    ^[1][3-8][0-9]{9}$  # 匹配手机号 以1作为开头 第二位是3-8 后九位是0-9
    ^[1][345678][0-9]{9}$  # 同上
4. {m}  # 表示匹配前面表达式的m次
    abc{2}  # 匹配ab和两次c
    1[a-z]{2}  # 1和两个小写字母
5. {m,n}  # 表示匹配前面的表达式的m到n次
      [1-9][0-9]{4,10}  # 4到10位
6. {m,}  # 匹配前面的表达式至少m次
7. ?  # 表示前面的表达式可有可无 
   [1-9][0-9]?  # 匹配年龄1-99岁 前面1-9岁后面可有可无 
   [1-9][0-9]{0,1}  # 同上
8. .  # 匹配除了换行符\n以外的任意一个字符
  .{2}  # 匹配除了换行符以外的任意两个字符
9. *  # 匹配前面的表达式  0次到多次
  .*  # 匹配除了换行符以外的任意字符任意次  贪婪模式
  .{0,}  #同上
 .*?  # 匹配除了换行符以外的任意字符任意次  拒绝贪婪模式
10. +  # 表示 匹配前面的数量一次到多次
      .+  # 匹配除了换行符以外的任意字符至少一次  贪婪模式
      .{1,}
      .+?  #匹配除了换行符以外的任意字符至少一次  拒绝贪婪模式
11. ()  # 1, 代表一个单元  2, 子存储
12. |  # 或 
   a|b  #匹配a或b
    ab(c|d)  # 匹配ab c或d

正则的修正符

#  re.I  不区分大小写
#  re.M  改变^和$的作用
#  re.S  改变.的行为  # 可用于匹配带换行的

特殊意义的字符

\d  [0-9]  # 匹配数字
\D  [^0-9]  # 匹配除数字以外的
\w  [A-Za-z0-9_]  # 匹配字母数字下划线
\W  [^0-9A-Za-z_]  # 匹配除了字母数字下划线的其他字符
\s  # 匹配空白字符 包括空格、制表符、换页符等等。包括[\n\r\t]。
\S  # 匹配非空白字符  [^\n\r\t]

正则常用的函数

import re

(1) re.findall(pattern,string,flags)

匹配所有，以列表的形式来返回 当匹配失败时候返回空列表

例如:

myStr = """
    <a href="http://www.baidu.com">百度</a>
    <a href="http://www.taobao.com">淘宝</a>
    <a href="www.taobao.com">淘宝2</a>
    <A href="http://www.id97.com">电影网站</A>
    <a href="http://www.dj.com">京东</a>
"""
dataList = re.findall("<a href=\"http://.*?\">.*?</a>",myStr,re.I)  # 1245 不区分大小写
dataList = re.findall("<[aA] href=\"http://.*?\">.*?</[aA]>",myStr,re.S)  # 1245不区分大小写 # re.S 匹配换行符 包含\n
dataList = re.findall("<a href=\"http://.*?\">.*?</a>",myStr,re.S)  # 125 不要第三个

(2) re.match(pattern,string,flags)

只匹配一次，使用group取值，匹配成功返回对象 匹配失败返回None 

res = re.match("[a-zA-z]{2,3}","Aaaaa")
print(res)  # <_sre.SRE_Match object; span=(0, 3), match='Aaa'>
print(res.group())  # 返回匹配的值 Aaa 匹配了三次 

注意：

1. 从第一位开始匹配
2. 只匹配一次

注意：

[a-z] 可以用来匹配任意位置上的小写字母:        "…a…"
^[a-z] 只能匹配以小写字母为行首的行:          "a…"
[a-z]$ 只能匹配以小写字母为行尾的行:          "…a"^
[a-z]$ 应该只能匹配只有一个小写字母的行:      "a"

(3) re.search(pattern,string,flags)

匹配成功返回对象 匹配失败None

注意：

1. 只匹配一次
2. 只要字符串中包含就可以

(4) re.sub(pattern,repl,myStr,count,flags)/re.subn 正则的替换

返回替换后的结果     \\n表示当前查找的第n个括号里面的值

sub和subn的区别: sub只返回替换的结果 subn返回替换后的结果和次数

实例：

# 换成em 标签
myStr = "<b>我是b</b><i>我是i</i><strong>加粗strong</strong>"
myStr2 = "1970/01/02"
# 将b换成em  即 <em>第三方</em>
data = re.sub("<b>(.*?)</b>", "<em>\\1</em>", myStr)
print(data)  # <em>我是b</em>
# 将所有 换成<em>第三方</em>
# data = re.sub("<b>(.*?)</b><i>(.*?)</i><strong>(.*?)</strong>", "<em>\\1</em><em>\\2</em><em>\\3</em>", myStr)
data = re.sub("<.*?>(.*?)</.*?>", "<em>\\1</em>", myStr)
print(data)
# 02日01月970年
data = re.sub("([0-9]+)/([0-9]+)/([0-9]+)", "\\3日\\2月970年", myStr2)
data = re.subn("(\d+)/(\d+)/(\d+)", "\\3日\\2月970年", myStr2)
print(data)

(5) re.split(pattern,string,maxsplit,flags) 正则的拆分

将字符串拆分成列表

实例：

myStr = "1jjj1h$hhh1hjj&j1"
print(re.split("\W",myStr))  # 数字字母下划线以外的字符作为拆分的条件 默认拆分全部 ['1jjj1h', 'hhh1hjj', 'j1']
print(re.split('\d',myStr,1))  # 数字作为拆分的条件 只拆分一次 ['', 'jjj1h$hhh1hjj&j1']
print(re.split("[a-z]",myStr,flags=re.I))  # 字母作为拆分条件 拆分所有

(6) re.finditer(pattern,string,flags) 以迭代器的形式返回结果

匹配所有

实例：

myStr = "abcDMdefg23456uuii"
reIter = re.finditer("[a-z]",myStr,re.I)
print(reIter)  # <callable_iterator object at 0x0000005AB0807710>
print(next(reIter).group())  # a
print(next(reIter).group())  # b
print(next(reIter).group())  # c
print(next(reIter).group())  # D
print(next(reIter).group())  # M

(7) re.compile(pattern，flags)

执行效率高 将正则和字符串分开

实例：

import re
path = r"C:\Users\fanzone\Desktop\Python笔记\code\day12_正则\豆瓣.html"
file = open(path,"r",encoding="utf-8")
data = file.read()
file.close()
#  re.DOTALL  == re.S    re.IGNORECASE  ==  re.I  re.MULTILINE == re.M
pattern = re.compile("<a href=\"https://book\.douban\.com/subj\
ect/[0-9]+/\">(.*?)</a>",re.DOTALL|re.IGNORECASE|re.MULTILINE)  # 编译正则返回正则对象
print(pattern.findall(data))  # 返回列表