python之路_正则表达式及re模块

一、正则表达式

　　匹配字符串内容的一种规则。

1、字符组概念

　　在同一个位置可能出现的各种字符组成一个字符组，在正则表达式中用[]表示。常见字符组格式如下：[0123456789]，[0-9]，[a-z]，[A-Z]，必须由从小到大，不可逆序。

2、主要元字符

元字符	匹配内容	元字符	匹配内容
.	匹配出换行符以外所有字符	$	匹配一个字符串的结束
w	匹配数字或字母或下划线	W	匹配非字母或数字或下划线
d	匹配数字	D	匹配非数字
s	匹配任意空白符	S	匹配非空白符
	匹配换行符	a|b	匹配字符a或字符b
	匹配制表符	()	匹配括号内的表达式，也表示一个组
	匹配一个单词的结尾	[...]	匹配字符组中的所有的字符
^	匹配一个字符串的开始	[^...]	匹配除了字符组中所有的字符的字符

#.^$实例：
import re
obj1=re.findall('海.','海燕海娇海东')   
print(obj1)                                 #输出结果为：['海燕', '海娇', '海东']，匹配所有带‘海’的字符
obj2=re.findall('^海.','海燕海娇海东') 
print(obj2)                                 #输出结果为：['海燕']，只从开头匹配带海的字符
obj3=re.findall('海.$','海燕海娇海东') 
print(obj3)                                 #输出结果为：['海东']，只匹配结尾带海的字符

3、主要量词

　　由于贪婪匹配的原因，在满足匹配条件的情况下，默认按贪婪匹配，即尽可能多的匹配字符串，若在量词后面加上？，即可将贪婪匹配更改为非贪婪匹配，即匹配尽量短的字符串，常见量词及其主要用法如下：

量词	用法说明	量词	用法说明
*	重复零次或多次	{n}	重复n次
+	重复一次或多次	{n，}	重复n次或多次
？	重复零次或一次	{n，m}	重复n到m次

#* + ? { }实例：
import re
obj1=re.findall('李.?','李杰和李莲英和李二棍子')
print(obj1)                                             #['李杰', '李莲', '李二']，？表示匹配0或者1次，即匹配李后面任意字符1次
obj2=re.findall('李.*','李杰和李莲英和李二棍子')
print(obj2)                                             #['李杰和李莲英和李二棍子']，*表示匹配0次或者多次，即匹配李后面任意字符多次
obj3=re.findall('李.+','李杰和李莲英和李二棍子')
print(obj3)                                             #['李杰和李莲英和李二棍子']，+表示匹配1次或者多次，即匹配李后面任意字符多次
obj3=re.findall('李.{1,2}','李杰和李莲英和李二棍子')
print(obj3)                                             #['李杰和', '李莲英', '李二棍']，{1,2}表示匹配1到2次，即匹配李后面任意字符2次

　　以上量词非贪婪模式为：

非贪婪模式	用法说明
*?	重复0次或更多次，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，}?	重复n次以上，但尽可能少重复
{n，m}?	重复n到m次，但尽可能少重复

import re
obj1=re.findall('李.??','李杰和李莲英和李二棍子')
print(obj1)                                             #输出结果：['李', '李', '李']
obj2=re.findall('李.*?','李杰和李莲英和李二棍子')
print(obj2)                                             #输出结果：['李', '李', '李']
obj3=re.findall('李.+?','李杰和李莲英和李二棍子')
print(obj3)                                             #输出结果：['李杰', '李莲', '李二']
obj3=re.findall('李.{1,2}?','李杰和李莲英和李二棍子')
print(obj3)                                             #输出结果：['李杰', '李莲', '李二']

4、字符集[]和[^]

import re
obj1=re.findall('李.[杰莲英二棍子]*','李杰和李莲英和李二棍子')
print(obj1)                                             #输出结果：['李杰', '李莲英', '李二棍子']
obj2=re.findall('李.[^和]*','李杰和李莲英和李二棍子')
print(obj2)                                             #输出结果：['李杰', '李莲英', '李二棍子']，表示匹配李后面不是和的任意字符
obj3=re.findall('[d]','456bdha3')
print(obj3)                                             #输出结果：['4', '5', '6', '3'],表示匹配任意一个数字
obj3=re.findall('[d]+','456bdha3')
print(obj3)                                             #输出结果：['456', '3']，表示匹配任意个数字

 5、分组（）与或|

　　身份证号码是由15位或者18位的字符组成，如果是15位，首位不能是0，其他位数均为数字，如果是18位，则最后一位可能是数字或者X，用正则表达式匹配的两种方式如下：

正则表达式	结果说明
^[1-9]d{14}(d{2}[0-9x])?$	()表示分组，将d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]d{16}[0-9x]|[1-9]d{14})$	表示先匹配[1-9]d{16}[0-9x]如果没有匹配上就匹配[1-9]d{14}

二、re模块主要方法

1、findall()：返回所有符合匹配条件的结果，放进列表中。

import re
ret = re.findall('a', 'eva egon yuan') 
print(ret)                           #结果 : ['a', 'a']

2、search（）：在字符串内进行匹配，直到找到第一个后，返回一个包含匹配信息的匹配对象，可以通过group（）对匹配对象取出匹配的字符串，如果没有匹配的字符串，则返回None，通过group（）取值会报错 。

import re
ret = re.search('a', 'eva egon yuan').group()
print(ret)                           #结果 : 'a'

3、match（）：在字符串开头进行匹配，返回一个包含匹配信息的匹配对象，可以通过group（）方法调用匹配对象，取出匹配的字符串，如果没有匹配的字符串，则返回None，通过group（）取值会报错。

import re
ret = re.match('h', 'abc')
print(ret)                           #返回None
res = re.match('a', 'abc')
print（res.group())                  #返回‘a'

4、split（）：按照正则表达式的要求对字符串分割，返回分割后的列表

import re
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)                          #结果：['', '', 'cd']

5、sub（）：替换字符串中的内容，与字符串方法replace（）相似

import re
ret=re.sub('d','H','av23nb4g4',2)  #将字符串中的数字替换为'H’，其中2代表只替换前两个，默认全部替换
print(ret)                          #输出结果：avHHnb4g4

6、subn（）替换字符串中的内容，返回一个元组，包含替换结果的字符串及替换次数

import re
ret=re.subn('d','H','av23nb4g4')
print(ret)                          #输出结果：('avHHnbHgH', 4)