python re模块

一 正则表达式，又称规则表达式，英文名为Regular Expression，在代码中常简写为regex、regexp或RE，是计算机科学的一个概念。正则表通常被用来检索、替换那些符合某个模式(规则)的文本。实现过滤的功能。

　　1元字符

　　　　w 匹配字母（包含汉字），数字，下划线

　　　　d 匹配十进制数字

　　　　s 匹配空白字符

　　　　 匹配换行符

　　　　 匹配制表符

　　　　^ 匹配字符串的开始

　　　　$匹配字符串的末尾

　　　　a|b 匹配a或者b

　　　　[ ]字符集，只能取其中的一个。字符集只有三个特殊符号：^ ： 取反,，例如[^a-z]     ：例如 [d]    - ：例如 [a-z]

　　　　[^.. ] 匹配除了字符集内所有的字符外的字符

　　2 量词　　

　　　　每个量词只控制前一个字符的出现次数

　　　　默认模式是贪婪匹配

　　　　量词后面加？，为非贪婪匹配

　　　　* 

　　　　+ 

　　　　？ 

　　　　{ }

　　3 惰性匹配

　　　　？

　　举例：

　　　　d?? 第一个问号表示0个或1个，第二个问号表示惰性运算，取0个。

　　　　.*? 取尽量少的任意字符。一般用在。*？x，表示取前面任意长度的字符，直到第一个x出现。

　　4 ( ) 分组  对多个字符进行整体的量词约束

　　    | 或

二 re模块的方法

　　1 findall，返回列表， 在findall中优先显示( )内的东西。（？：）取消优先级。

import re

print(re.findall('www.(baidu|google).com','www.baidu.com'))
print(re.findall('www.(?:baidu|google).com','www.baidu.com'))

　　输出：

['baidu']
['www.baidu.com']

　　

　　2 match ，如果没有找到，返回值是None。如果不为空，调用返回值的group( )方法。

　　3 search ,如果没有找到，返回值是None。如果不为空，调用返回值的group( )方法。

　　　　针对match，seach，一般是这样用。

import re
res=re.match('d+?','123abv')
if res:
    print(res.group())

　　输出：1　　

　　4 split，切割。加上( ) ，保留被分割的对象。

print(re.split('d','abc123qwe'))
print(re.split('(d)','abc123qwe'))

　　输出：

['abc', '', '', 'qwe']
['abc', '1', '', '2', '', '3', 'qwe']

　　5 sub，替换，与字符串的replace方法一样，默认全部替换，同样也可以指定替换的个数。

import re
print(re.sub('d','A','123abc',1))
print(re.sub('d','A','123abc',))

　　输出：

A23abc
AAAabc

　　6 compile 将正则表达式编译成一个正则表达式对象。后面直接用正则表达式对象调用re模块方法，就可以了。

import re
obj=re.compile('d+')
print(obj.match('123abv').group())

　　输出： 123

　　7 finditer 。

　　返回的结果是一个迭代的。

　　for循环遍历得到的元素，本质上是调用match方法得到的，所以然后调用元素的group( )方法。

import re
res=re.finditer('d','abc123qwe')
print(res,type(res))
for i in res:
    print(type(i),i.group())

　　输出：

<callable_iterator object at 0x000001C573FE6DA0> <class 'callable_iterator'>
<class '_sre.SRE_Match'> 1
<class '_sre.SRE_Match'> 2
<class '_sre.SRE_Match'> 3

　　8 (?P< xxx>)的用法

import re
res=re.search('<(?P<tag>div id="logo".*?)>','<div id="ntp-contents"><div id="logo" title="Google"></div><div id="fakebox"><div id="fakebox-text"></div><input id="fakebox-input" autocomplete="off" tabIndex="-1" type="url"aria-hidden="true"><div id="cursor"></div>')
print(res.group('tag'))

　　输出：

div id="logo" title="Google"

 　　9 re.S  含义：.可以匹配包括换行符在内的所有字符。

三 举例

　　匹配小数    点是特殊字符，必须转义

import re
print(re.findall('d+.d+','2.14'))

　　匹配整数    解决了我的一个心头问题

import re
res=re.findall('d+.d+|(d+)','2.14,50,12')
while '' in res:
    res.remove('')
print(res)

四 关于group的说明。

　　官方文档：https://docs.python.org/3.6/library/re.html#re.match.group

s = 'https://www.baidu.com?user=zuo&password=123'
res = re.search('?(.*?)&(.+)',s)
# print(res)
print(res.group())
print(res.group(1))
print(res.group(2))
print(res.group(2,1))
print(res.group(1,2))

　　输出：

?user=zuo&password=123
user=zuo
password=123
('password=123', 'user=zuo')
('user=zuo', 'password=123')

　　group中的数字代表的是正则匹配是对应的第一个小括号！