python基础|模块---re模块

　　python中的re模块是正则技术中应用。对于正则就是正则表达式，正则表达式是独立一门技术，在各个编程体系都有它的“身影"。在python中在爬虫技术中，数据分析，它都是必不可少的存在。主要利用正则表达式筛选字符串中我们需要的字符串类型数据。

　　正则表达式基础知识。元字符和量词。

元字符	匹配作用
.	可以匹配除换行符以外的任何字符
w	匹配字母，数字和下滑线
d	匹配数字
s	匹配空格
W	匹配非字母，数字和下划线
D	匹配非数字
S	匹配非空格
^	匹配^字符串开头。用法（^a:匹配a开头的字符串）
$	匹配$字符串结尾。用法（a$:匹配字符串a结尾）
	匹配换行符
	匹配一个制表符
	匹配单词的结尾
()	匹配括号内的表达式，也表示一个分组
[…]	匹配字符组中的字符
[^….]	匹配除了字符组中的所有字符
a|b	匹配a或b字符

　　量词

量词	用法说明
*	代表零次或多次
+	重复零次或多次
？	重复零次或一次
{n}	重复n次
{n,}	至少重复n次
{n, m}	重复n次到m次

 　　以上便是一些基本知识。对于基本知识的应用。进入这个网站：http://tool.chinaz.com/regex/。可以测试这些符号的使用。

　　正则表达式在使用量词*和+，正则匹配是贪婪匹配。默认的是尽可能多的匹配。这个时候需要.*？这个正则表达式：这个正则表达式.任意字符。在前也可以自己添加字符，*量词多次匹配。？匹配一次或多次。在后面添加结束的字符。对于贪婪匹配，有惰性匹配。*？重复次任意，但尽可能少重复。+？重复次一次或多次，但尽可能少的匹配。？？重复0次到一次，但尽可能少的匹配。此外在匹配时还需要注意转义符的使用。不想是但转义可以用\转义，双\则需要\对其转义。或者使用r'\'转义

　　在python中re模块的使用。使用调用模块：import re调用。常用的re模块中的函数有findall(), serch(), match()。

　　findall('正则表达式'， '匹配对象（字符串类型）')。找到正则表达式中的内容，并且返回一个列表，列表中的元素就匹配的结果。

# findall
res = re.findall('a', 'dghahfhjfadhbvavlfhjvb')
print(res)
>>>['a', 'a', 'a']

　　search('正则表达式', '匹配对象(字符串类型)')。找到正则表达式中的内容之找一次，找到后就结束。查找到不存在结果返回None。并且返回结果需要借助group函数打印。

res = re.search('a','dasda' )
print(res.group())

　　match('正则表达式', '匹配对象（字符串类型）')。只会以正则表达式匹配开头字符串，开头字符长不符合返回None。打印时也需要借助group函数。

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.sub('d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H'，参数1表示只替换1个
print(ret) #evaHegon4yuan4

ret = re.subn('d', 'H', 'eva3egon4yuan4')#将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret)

obj = re.compile('d{3}')  #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())  #结果 ： 123

import re
ret = re.finditer('d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一个结果
print(next(ret).group())  #查看第二个结果

　　使用search和match时可以给正则表达式中的组取名，在调用时使用字符串类型组名和group函数即可调用

res = re.search('(?P<rec>[a-d]*)', 'adaabuxdabcdabcddadadkamfaslcjhlancabcd' )
print(res.group('rec'))
# 必须在组内，以?P<名字>格式
>>>adaab

　　在findall的分组机制有些不同

res = re.findall('www.(baidu|jd).com', 'www.baidu.com')
print(res)
>>>['baidu']
# 在组内加上？：
res = re.findall('www.(?:baidu|jd).com', 'www.baidu.com')
print(res)
>>>['www.baidu.com']