正則補充

多行匹配

import re
s = """http://www.baidu.com
https://sina.com.cn
https://youku.com
haam
abchttp://www.oldboy.com
"""
# 想将url都匹配出来 => 分组
# print(re.findall(r'(?:http://|https://).+(?:com|cn)', s))

# ^代表以什么开头，$代表以什么结尾，必须结合flags=re.M来完成多行匹配
print(re.findall(r'^http.+com$', s, re.M))

分組匹配

import re

url = 'https://www.baidu.com, http://www.youku.com'
# 需求：拿到url的域名的  baidu , youku
print(re.findall(r'www.([a-z]+).com', url))  # ['baidu', 'youku']

# ()代表分组
# findall匹配，如果匹配规则用有分组语法，只存放分组结果
print(re.findall(r'(www).([a-z]+).com', url))  # [('www', 'baidu'), ('www', 'youku')]

# 分组的顺序编号按照左括号的前后顺序
print(re.findall(r'(((w)ww).([a-z]+).com)', url))  # [('www.baidu.com', 'www', 'w', 'baidu'), ('www.youku.com', 'www', 'w', 'youku')]


# findall是全文匹配，可以从任意位置开始，匹配多次
# match非全文匹配，必须从头开始匹配，只能匹配一次

# 专门处理分组的方法：分组，分组编号，有名分组，取消分组
# 取消分组: 必须写()，但是()为分组语法，我们只是想通过()将一些数据作为整体，所以()必须，再取消分组即可
# (?:) 取消分组只是作为整体   (?P<名字>) 有名分组
url = 'www.baidu.com,www.youku.com'
res = re.match(r'((?:www).(?P<name>[a-z]+).com)', url)
# print(res)  # <_sre.SRE_Match object; span=(0, 13), match='www.baidu.com'>
print(res.group(1))
print(res.group(2))
print(res.group('name'))

正則拆分重組與替換

import re

s = 'a b ac def'
print(s.split(' '))  # ['a', 'b', 'ac', 'def']

# 正则拆分
s = 'a b,ac@def'
print(re.split(r'[ ,@]', s))  # ['a', 'b', 'ac', 'def']


s = 'python abc python'
print(re.sub('python', 'Python', s))  # Python abc Python
print(re.sub('python', 'Python', s, count=1))  # Python abc python


# 结合分组可以完成信息的重组与替换
s = 'day a good!!!'  # 'a good good day'
print(re.sub('(day) (a) (good)', r'today is 2 3 3 1', s))

貪婪匹配和非貪婪匹配

import re
'''贪婪匹配: 尽可能多的匹配
{n,}
{,n}
{n,m}
*
+
?
'''
'''非贪婪匹配：尽可能少的匹配
{n,}?
{,n}?
{n,m}?
*?
+?
??
'''
print(re.findall(r'ab{0,}', 'aababbabbb'))  # ['a', 'ab', 'abb', 'abbb']
print(re.findall(r'ab{0,}?', 'aababbabbb'))  # ['a', 'a', 'a', 'a']

print(re.findall(r'ab{,3}', 'aababbabbb'))  # ['a', 'ab', 'abb', 'abbb']
print(re.findall(r'ab{,3}?', 'aababbabbb'))  # ['a', 'a', 'a', 'a']

print(re.findall(r'ab{1,3}', 'aababbabbb'))  # ['ab', 'abb', 'abbb']
print(re.findall(r'ab{1,3}?', 'aababbabbb'))  # ['ab', 'ab', 'ab']

print(re.findall(r'ab*', 'aababbabbb'))  # ['a', 'ab', 'abb', 'abbb']
print(re.findall(r'ab*?', 'aababbabbb'))  # ['a', 'a', 'a', 'a']

print(re.findall(r'ab+', 'aababbabbb'))  # ['ab', 'abb', 'abbb']
print(re.findall(r'ab+?', 'aababbabbb'))  # ['ab', 'ab', 'ab']

print(re.findall(r'ab?', 'aababbabbb'))  # ['a', 'ab', 'ab', 'ab']
print(re.findall(r'ab??', 'aababbabbb'))  # ['a', 'a', 'a', 'a']


print(re.findall(r'', ''))  # ['']
print(re.findall(r'a{0}', 'a'))  # ['', '']

# 非贪婪匹配结合单个匹配结果是没有任何意义的
print(re.findall(r'b*?', 'bbbbbbbb'))
print(re.findall(r'(?:ab)*?', 'bbbbbbbb'))

# 非贪婪匹配的应用场景，正则一定会有首尾标识，中间匹配的结果会有非贪婪匹配的语法
s = '<a>abc</a><a></a>'
print(re.findall(r'<.*>', s))  # ['<a>abc</a><a></a>']
print(re.findall(r'<.*?>', s))  # ['<a>', '</a>', '<a>', '</a>']

print(re.findall(r'<a>(.*)</a>', s))  # ['abc</a><a>']
print(re.findall(r'<a>(.*?)</a>', s))  # ['abc', '']