正则表达式的作用：用来匹配字符串
一、字符串方法
字符串提供的方法是完全匹配，不能进行模糊匹配
s = 'hello world' # 字符串提供的方法是完全匹配，不能进行模糊匹配 print(s.find('ll')) # 2 查找ll的位置，输出的是第一个l的位置 ret = s.replace('ll', 'xx') # 替换，用ll 替换为 xx print(ret) # hexxo world print(s.split('w')) # ['hello ', 'orld'] 分割：以w为界限，分割为前后两部分,存在列表中
二、正则表达式
正则的方法：
1、findall() :所有结果返回到一个列表里
2、search() :返回匹配到的第一个对象，对象可以调用group()返回结果
3、match() :只在字符串开始匹配,也返回一个对象，可调用group()
findall() 方法：
1、正则表达式可以进行模糊匹配：
ret = re.findall(r'ww{2}l', 'hello world') # 匹配字符串中w开头l结尾中间有两个字符的词 # (加r，声明是原生字符串，避免字符串转义) print(ret) # ['worl']
2、元字符
- “.” 通配符：可以代指除换行符之外的所有字符，一个通配符只能代指任意一个字符
ret = re.findall('w..l', 'hello world') # 匹配字符串中w开头l结尾中间有两个字符的字符串 print(ret) # ['worl']
- “^” 上尖角号，只在字符串开始的位置匹配匹配
ret = re.findall('^h..o', 'hjklshllo') # 只在字符串的开始位置进行匹配，匹配不上就结束，不匹配后面的内容 print(ret) # [] ret = re.findall('^h..o', 'hjkoshllo') print(ret) # ['hjko']
- “$”符， 只在字符串结尾匹配
ret = re.findall('h..o$', 'hjkoshllo') print(ret) # ['hllo'] ret = re.findall('h..o$', 'hjkoshlyto') print(ret) # []
- “*”号，重复匹配(*还可以代指0个) ，*代指的个数是0到无穷
ret = re.findall('h.*o', 'hjkoshlytg') # *表示重复前面多个. 既只要是以h开头o结尾的都行 print(ret) # ['hjko'] ret = re.findall('h*', 'hhhhjlhl') # 匹配多个h print(ret) # ['hhhh', '', '', 'h', '', ''] ret = re.findall('ah*', 'sdahhh') # 贪婪匹配，既按最多的匹配 print(ret) # ['ahhh'] ret = re.findall('ah*?', 'sdahhh') # 后加？变为惰性匹配，既按最少的匹配 print(ret) # ['a']
- “+”号，重复匹配，同*，但是个数最少为1个，如果是0个匹配不了，范围是1到无穷
ret = re.findall('ah+', 'asdahhhjlhl') # 匹配以ah开头的内容 print(ret) # ['ahhh'] ret = re.findall('a+b', 'aaabsdbhbhabj') print(ret) # ['aaab', 'ab']
- “?”号，匹配的范围是[0, 1]个
ret = re.findall('a?b', 'aaabsdhbhabj') # 匹配[0, 1]个a print(ret) # ['ab', 'b', 'ab']
- “{}”大括号，自定义匹配的次数
ret = re.findall('a{2}b', 'aaabhaabhab') # 匹配2个a开头，b结尾共3位的字符 print(ret) # ['aab', 'aab'] ret = re.findall('a{1,3}b', 'aaaabfaabhhab') # 匹配1-3个a,以b结尾的字符 # 注意：{1,3} 之间不能有空格，不能写成{1, 3} print(ret) # ['aaab', 'aab', 'ab'] ret = re.findall('a{1, }b', 'aaaaaaaab') # {1,} 什么都不加默认匹配的是正无穷 print(ret) # ['aaaaaaaab'] ret = re.findall('a{1,3}b', 'aaaab') # 匹配1-3个a,贪婪匹配原则，既默认按多的匹配 print(ret) # ['aaab']
3、字符集
取消元字符的特殊功能
- []
ret = re.findall('a[dc]b', 'adb') # 匹配既可以是adb也可以是acb，只能2选一，注意[]里面不用逗号隔开 print(ret) # ['adb'] ret = re.findall('[a-z]', 'adb') # 表示一个范围 print(ret) # 'a', 'd', 'b']
[]字符集还有取消元字符的特殊功能,( ^ -)例外：
ret = re.findall('[w,.]', 'awdb') # .此时不是元字符，无特殊意义，而是一个普通的字符 print(ret) # ['w'] ret = re.findall('[w,,]', 'awdb') print(ret) # ['w']
“^”放在[]里面，表示取反：
ret = re.findall('[^w]', 'awdb') # 匹配除W以外的所有字符 print(ret) # ['a', 'd', 'b'] ret = re.findall('[^1,4]', 'a1wd42b') # 注：取反的是(1,4) 整体 print(ret) # ['a', 'w', 'd', '2', 'b']
4、 字符集
反斜杠后跟元字符去除特殊功能；反斜杠后跟普通字符实现特殊功能
"""
d 匹配十进制数；相当于类[0-9]
D 匹配任意非数字字符；相当于类[^0-9]
s 匹配任意空白字符；相当于类[ fv]
S 匹配任何非空白字符；相当于类[^ fv]
w 匹配任意字母数字字符；相当于类[a-zA-Z0-9]
W 匹配任何人非字母数字字符；相当于类[^a-zA-Z0-9]
: 匹配一个特殊字符的边界，就是单词和空格间的位置
"""
ret = re.findall(r'd{8}', 'qeqwe45454455qws1245') print(ret) # ['45454455'] 只能匹配到1组，因为后面数字的不够8位 ret = re.findall(r'd{8}', 'qeqwe45454455qws12456541') print(ret) # ['45454455', '12456541'] 匹配到2组， ret = re.findall(r'D{4}', 'qeqwe4555qws41') # 大括号里面的数字4代表的是4个字符一组 print(ret) # ['qeqw'] ret = re.findall(r's', 'we4 g1') # 匹配空白符 print(ret) # [' '] ret = re.findall(r'sw', 'ws4 wsg1') # 匹配空白符加w print(ret) # [' w'] ret = re.findall(r'w', 'w4 g1') # 匹配空白符 print(ret) # ['w', '4', 'g', '1'] ret = re.findall(r'hello', 'hello, you is cat? ') # 匹配出你想要的且是一个单词的内容 print(ret) # ['hello']
search() 方法： 匹配出第一个满足条件的结果
ret = re.search('lo', 'hello, youlo? ') # 匹配出你想要的且是一个单词的内容 print(ret) # <_sre.SRE_Match object; span=(3, 5), match='lo'> print(ret.group()) # lo ret = re.search('a.', 'asd') print(ret.group()) # as ret = re.search(r'a.', 'asd') # 报错，因为被索引字符串里面没有"."
print(ret.group()) # AttributeError: 'NoneType' object has no attribute 'group' ret = re.search(r'a.', 'a.sd') print(ret.group()) # a. ret = re.search(r'a+', 'a+sd') print(ret.group()) # a+
ret = re.search(r'\c', r'asdc') # \不加r会报错 print(ret.group()) # c ret = re.search(r'\', r'asdc') # \不加r会报错 print(ret.group()) #
注意：加r是告诉python解释器，\就是原生字符，不需要转义，就直接把2个送给re模块
ret = re.search('\\', r'asdc') # 等同于上面的语句， print(ret.group()) # c
注意：因为在python解释器里面也是有特殊意义的,所以当传入4个时，python解释器通过转义，变为2个，然后传给re模块；在re模块里面，同样是有特殊意义，所以把2个转义为1个\,然后进行匹配
5、() ：分组 |：或
ret = re.search('(as)+', r'asasdc') # 匹配括号里面一个组的字符，而不是单个字符 print(ret.group()) # asas ret = re.findall(r'www.(w+).com', 'www.123swd.com') # 涉及到组时，只会把组里面的内容匹配出来 print(ret) # ['123swd'] ret = re.findall(r'www.(?:w+).com', 'www.123swd.com') # 加问号冒号（?:）取消组的优先级 print(ret) # ['www.123swd.com'] ret = re.search('(as)|', r'asd35') # 匹配括号里面一个组的字符，而不是单个字符 print(ret.group()) # as ret = re.search('(as)|3', r'asd35') # as或3，优先匹配第一个，谁在前输出谁 print(ret.group()) # as ret = re.search('(as)|3', r'3as5e') print(ret.group()) # 3
三、稍复杂一点儿的正则
ret = re.search(r'(?P<id>d{3})', 'asdsf124c4vss7').group('id') # 给匹配到的三个数字起一个名字，叫id；?<名字>是固定写法 print(ret) # 124 # 后面匹配项只能是 '数字/数字或字母' 的形式，/前的一个字符一定不能为字母 ret = re.search(r'(?P<id>d{3})/(?P<name>w{3})', 'wa124/bug') print(ret.group()) # 124/bug print(ret.group('id')) # 124 print(ret.group('name')) # bug ret = re.match('asd', 'sdsasd') print(ret) # None ret = re.split('s', 'qwesdc') # 通过s对后面的字符串进行分割 print(ret) # ['qwe', 'dc'] ret = re.split('[eh]', 'qwesdhtrc') # 先通过e对后面的字符串进行分割，然后通过h对前面分割开的两部分继续分割 print(ret) # ['qw', 'sd', 'trc'] ret = re.split('[eh]', 'hqwesdhtrc') print(ret) # ['', 'qw', 'sd', 'trc'] 列表第一个元素为空，是因为字符串h前面没有其他的字符 ret = re.sub('臭猪', '小baby', '双双是臭猪') # ('原内容', '新内容', '对象') print(ret) # 双双是小baby ret = re.subn('臭猪', '小baby', '双双是臭猪，小臭猪') # ('原内容', '新内容', '对象')，该方法会输出替换的次数 print(ret) # ('双双是小baby，小小baby', 2) ret = re.sub('q..s', 's..z', 'zaqwesf') # ('原内容', '新内容', '操作对象') print(ret) # zas..zf ret = re.findall(r'.com', 'adsdas.comasdaf') print(ret) # ['.com'] obj = re.compile(r'.com') # 为了避免重复，把规则编译为一个对象，下次使用只需调用对象即可 ret = obj.findall('adsdas.comasdaf') # 等价于 re.findall(r'.com', 'adsdas.comasdaf') print(ret) # ['.com'] ret = re.finditer(r'd', 'a2da7f') # 把结果封装为一个迭代器，既此时ret为一个迭代器 print(ret) # <callable_iterator object at 0x000001E3DDFF1320> print(next(ret)) # <_sre.SRE_Match object; span=(1, 2), match='2'> print(next(ret).group()) # 2