正则表达式和re模块

一、正则表达式

　　正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念。正则表达式是一种小型的、高度专业化的编程语言，他内嵌在python中，并通过re模块实现。

　　1.字符组：[字符组   在同个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示，字符分为很多类，比如数字，字母，标点等等。假如现在要求一个位置“只能出现一个数字”，那么这个位置上的字符只能是0，1，2，3，4，5，6，7，8，9这10个数之一。

　　字符：

　　

　　S　　　　　　　　　　匹配非空白符

　　a|b　　　　　　　　　  匹配字符a或者字符b

　　()　　　　　　　　　　 匹配括号内的表达式

　　[...]　　　　　　　　　   匹配字符组中的字符

　　[^...]　　　　　　　　　  匹配除了字符组中字符的所有字符

　　量词：

　　量词　　　　　　　　　　用法说明

　　 *　　　　　　　　　　  重复零次或者更多次

　　 +　　　　　　　　　　  重复一次或者更多次

　　？　　　　　　　　　　  重复零次或一次

　　 {n}　　　　　　　　　　 重复n次

　　 {n,}　　　　　　　　　　重复n次或更多次

　　 {n,m}　　　　　　　　　 重复n到m次

　　转义符：

　　在正则表达式中，有很多有特殊意义的元字符，比如 ,s等，如果要在正则中匹配正常的“ ”，而不是“换行符”就需要对“”进行转义，变成“\”。

　　在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中也有特殊的含义，本身还需要转义。所以如果匹配一次“ ”,字符串中要写成“\ ”,简便操作，利用r可以让整个字符串都不在转义了。

　　贪婪匹配与非贪婪匹配：

　　<.*>:先拿着里面的.*去匹配所有的内容，然后再根据>往回退着找，遇到即停止。

　　<.*?>:先拿着？后面的>去匹配符合条件的最少内容，然后把匹配结果返回

　　几个常用的贪婪匹配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：
.*?x

就是取前面任意长度的字符，直到一个x出现　

二、re模块的使用

　　1.findall用法

ret = re.findall('a', 'eva egon yuan')  # 返回所有满足匹配条件的结果,放在列表里
print(ret)

　　2.search

ret = re.search('a', 'eva egon yuan')  
print(ret.group())  # 结果:'a'
# 函数会在字符串内查找模式匹配,直到找到第一个匹配然后返回一个包含匹配信息的对象,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，并且需要注意的是如果ret是None，再调用.group()会直接报错。这一易错点可以通过if判断来进行筛选

　　3.match

ret = re.match('a', 'abc').group()  # 同search,不过仅在字符串开始处进行匹配
print(ret)  # ‘a'
# match是从头开始匹配，如果正则规则从头开始可以匹配上，就返回一个对象,需要用group才能显示，如果没匹配上就返回None，调用group()就会报错

　　注意：

　　findall的优先级查询：

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

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['www.oldboy.com']

　　其他方法：

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
print([i.group() for i in ret])  #查看剩余的左右结果