Python基础（13）_python模块之re模块(正则表达式)

8、re模块：正则表达式

　　就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。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。

字符匹配（普通字符，元字符）：

1.普通字符：大多数字符和字母都会和自身匹配
              >>> re.findall('alvin','yuanaleSxalexwupeiqi')
                      ['alvin'] 

2.元字符：.   ^   $   *   +   ?    { }    [ ]    |    ( )    

.           匹配除换行符 外的 任意字符
^	    匹配字符串的开头
$	    匹配字符串的末尾

#重复元字符四种：
*	    匹配0个或多个的表达式，贪婪方式，后面加?号使其变成惰性匹配
+	    匹配1个或多个的表达式，贪婪方式，后面加?号使其变成惰性匹配
?	    匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{m,n}  匹配指定次数（m-n次）的表达式，贪婪方式，后面加?号使其变成惰性匹配
a| b	    匹配a或b

元字符之字符集［］：

元字符之字符集［］：
ret=re.findall('a[bc]d','acd')
print(ret)#['acd']
 
ret=re.findall('[a-z]','acd')
print(ret)#['a', 'c', 'd']
 
ret=re.findall('[.*+]','a.cd+')
print(ret)#['.', '+']
 
#在字符集里有功能的符号: - ^ 
 
ret=re.findall('[1-9]','45dha3')            #匹配字符1-9
print(ret)#['4', '5', '3']
 
ret=re.findall('[^ab]','45bdha3')          #^取反，匹配a、b以外的字符
print(ret)#['4', '5', 'd', 'h', '3']
 
ret=re.findall('[d]','45bdha3')              #d 匹配字符
print(ret)#['4', '5', '3']    

元字符之转义符：

1、反斜杠后边跟元字符去除特殊功能,比如.
2、反斜杠后边跟普通字符实现特殊功能,比如d

d  匹配任何十进制数；它相当于类 [0-9]。
D 匹配任何非数字字符；它相当于类 [^0-9]。
s  匹配任何空白字符；它相当于类 [ 	

fv]。
S 匹配任何非空白字符；它相当于类 [^ 	

fv]。
w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
  匹配一个特殊字符边界，比如空格 ，&，＃等

元字符之分组：()，可用?P<name>设置分组名搭配使用（大写P）

m = re.findall(r'(ad)+', 'add')
print(m)
 
ret=re.search('(?P<id>d{2})/(?P<name>w{3})','23/com')
print(ret.group())#23/com
print(ret.group('id'))#23

元字符之：｜

ret=re.search('(ab)|d','rabhdg8sd')
print(ret.group())#ab

补充：

import re
 
ret=re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(ret)#['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可  ？：取消有限权
 
ret=re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
print(ret)#['www.oldboy.com']

贪婪匹配

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

非贪婪模式：按最小重复数匹配

#几个常用的非贪婪匹配Pattern

*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

.*?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?a

就是取前面任意长度的字符，到最近一个 a 出现　　

re模块下的常用方法:

import re

#findall的作用：1、生成列表，2、findall优先筛选
re.findall('a','alvin yuan')       #返回所有满足匹配条件的结果,放在列表里

#re.search(parttern,str)  1、只匹配第一个符合条件的元素，2、匹配成功返回一个对象，该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
re.search('a','alvin yuan').group()  

#re.match只从开始位置查找，查到返回对象
re.match('a','abc').group()     #同search,不过尽在字符串开始处进行匹配
 
#re.split(),按正则匹配到的字符分割，可以指定分割次数
ret=re.split('[ab]','abcd')     #先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret)#['', '', 'cd']
ret=re.split('(d+)','as98sd8c7fg')      #正则加括号，保留分隔符
 print(ret)
>>['aa', '9', 'sd', '8', 'c']

#sub替换，可指定替换次数，subn返回替换次数
ret=re.sub('d','abc','alvin5yuan6',1)
>>alvinabcyuan6

ret=re.subn('d','abc','alvin5yuan6')
>>('alvinabcyuanabc', 2)


#re.compile:编译
obj=re.compile('d{3}')
ret=obj.search('abc123eeee')
print(ret.group())#123


#re.finditer() 返回一个迭代器对象
ret=re.finditer('d','ds3sy4784a')
print(ret)        #<callable_iterator object at 0x10195f940>
 
print(next(ret).group())     #>>3
print(next(ret).group())     #>>4