python基础-第五篇-5.4正则表达式

正则基础知识

• 正则表达式是通过调用re模块实现的
• 在python里，正则表达式处理对象为字符串，所以正则里方法和字符串的方法有很多相似的地方：re.findall和find，re.split和split，re.sub和replace
• 普通字符和元字符

　　普通字符

　　　　大多数的字符和字母都为普通字符

　　元字符

　　　　在正则里，有其特殊的功能的字符称为元字符，如：. ^ $ * + ? {} | ()

• 　.    除了换行符任意一个字符进行匹配

import re

strs = 'ji154
651jia*-'
m = re.findall('.',strs)  #findall把所有匹配成功的对象装一个列表返回
print(m)
#结果为：['j', 'i', '1', '5', '4', '6', '5', '1', 'j', 'i', 'a', '*', '-']

• 　　^  以什么开头

import re
strs = 'alex123'
m = re.search('^alex',strs)  #匹配成功返回match对象，否则返回None
if m:
    print(m.group()) #alex

• 　　$  以什么结尾

import re

strs = '123alex'
m = re.search('alex$',strs)
if m:
    print(m.group())  #alex

• 　　*  匹配0或多个，贪婪匹配的字符

import re

str1 = 'alexxxxx'
str2 = 'alex'
str3 = 'ale'
m1 = re.match('alex*',str1)  #match从头匹配，匹配成功返回match对象，否则返回None
if m1:
    print(m1.group())  #alexxxxx
m2 = re.match('alex*',str2)
if m2:
    print(m2.group())  #alex
m3 = re.match('alex*',str3)
if m3:
    print(m3.group())  #ale

• 　　+  匹配一个或多个，也是贪婪匹配

import re

str1 = 'alexxxxx'
str2 = 'alex'
str3 = 'ale'
m1 = re.match('alex+',str1) 
if m1:
    print(m1.group())  #alexxxxx
m2 = re.match('alex+',str2)
if m2:
    print(m2.group())  #alex
m3 = re.match('alex+',str3)
if m3:  #条件不成立
    print(m3.group())  
print(m3)  #None

• 　　？  匹配0或1个

import re

str1 = 'alexxxx'
str2 = 'alex'
str3 = 'ale'
m1 = re.match('alex?',str1)
if m1:
    print(m1.group())  #alex
m2 = re.match('alex?',str2)
if m2:
    print(m2.group())  #alex
m3 = re.match('alex?',str3)
if m3:
    print(m3.group())  #ale 

• 　　{}  规定匹配的个数或范围，范围是开区间，也就是说能取到上界

import re

str1 = 'alexxx'
str2 = 'alexxxxx'
m1 = re.search('alex{3}',str1)
if m1:
    print(m1.group())  #alexxx
m2 = re.search('alex{3,5}',str1)
if m2:
    print(m2.group())  #alexxx
m3 = re.search('alex{3,5}',str2)
if m3:
    print(m3.group())  #alexxxxx

• 　　[]   字符集，匹配过程中字符集的字符是或的关系，而且一个集就匹配一个字符

import re

str1 = 'jing264-*4*df'
m1 = re.search('[a-z]',str1)  #search从左往右匹配，匹配成功就不再往后匹配
if m1:
    print(m1.group()) #j
m2 = re.findall('[a-z]',str1)
print(m2)    #['j', 'i', 'n', 'g', 'd', 'f']

 　　　　元字符在字符集中会失去其特有功能，回归本性，除-，^，

import re
m = re.findall('[^1-9]','ww32sd8l')  #在字符集里，^表示非，在这里就是非数字
print(m)  #['w', 'w', 's', 'd', 'l']

import re
m = re.findall('[*^]','kdf*nd15^1j5') #匹配星号或折号
print(m) #['*', '^']

• 　　（）   组，如同在算式中小括号，具有优先权

import re
m = re.findall('(ab)+','abababab156712')  #findall对组有优先获取权
print(m)  #['ab']
m2 = re.search('(ab)+','abababab156712')
if m2:
    print(m2.group())  #abababab

• 　　|  或

import re
m = re.findall('(abc)|(1)|(
)','jicabc21
1')
print(m)    #[('abc', '', ''), ('', '1', ''), ('', '', '
'), ('', '1', '')]

m = re.findall('(d)+','abcabc21ji')
print(m)   #['1']

m = re.findall('(abc)','jicabc21
1',re.M)
print(m)  #['abc']

　　   反斜杠后边跟元字符去除特殊功能：

　　　　　　　　正则的与python里的--当正则规则与python规则相冲突时

#匹配字符里的

import re
m = re.findall('\\','abccom')
print(m)  #['\']
m2 = re.findall(r'\','abccom')
print(m2)  #['\']

 　　

　　

　　你会不会觉得就因为正则规则和python规则相冲突而把这个搞得好麻烦呢？？所以r登场了，它是让python别胡乱瞎搞的

　　反斜杠后跟普通字符实现特殊功能

1. d  数字--相当[0-9]
2. D  非数字--相当[^0-9]
3. w   匹配任何字母数字字符--相当[a-zA-Z0-9]
4. W 匹配任何非字母数字字符--相当[^a-zA-Z0-9]
5. s  匹配任何空白字符--相当[ fv]
6. S 匹配任何非空白字符--相当[^ fv]
7.  匹配一个单词边界，也就是单词和空格间的位置（特殊字符也适用）

import re
str1 = '4d4g2c
 5v'
m1 = re.findall('d',str1)
print(m1)   #['4', '4', '2', '5']
m2 = re.findall('w',str1)
print(m2)  #['4', 'd', '4', 'g', '2', 'c', '5']
m3 = re.findall('s',str1)
print(m3)  #['
', ' ', 'x0b']

import re
str1 = 'alex*eric eva'
m4 = re.findall(r'',str1)
print(m4)  #['', '', '', '', '', '']

　　引用序号对应的字符组所匹配的字符串

import re

m = re.search(r'(alex)(eric)com21','alexericcomericalex')
if m:
    print(m.group())  #alexericcomericalex

 　　非贪婪模式化

import re

m1 = re.search('a(d+?)','a21471')
if m1:
    print(m1.group())  #a2
m2 = re.search('a(d*?)','a21471')
if m2:
    print(m2.group())  #a
#如果前后有限定条件，再加非贪婪？--无效
m3 = re.search('a(d+?)b','a265532b')
if m3:
    print(m3.group())  #a265532b
m4 = re.search('a(d+)b','a265532b')
if m4:
    print(m4.group())  #a265532b

正则常见方法

• re.match 从头匹配，一旦匹配成功，返回一个match对象

import re
#无分组
origin = 'hello alex bcd alex lge alex ccd 16'
r = re.match('hw+',origin)
print(r.group())   #hello
print(r.groups())  #()--获取模型中匹配到的分组结果--等同于对匹配到的结果再次进行筛选
print(r.groupdict())  #{}--获取模型中匹配到的分组中所有执行了key的组
#有分组
r = re.match('(?P<n1>h)(w+)',origin)  #key对应的？P   大写p
print(r.group())   #hello
print(r.groups())  #('h', 'ello')--获取模型中匹配到的分组结果--等同于对匹配到的结果再次进行筛选
print(r.groupdict())  #{'n1': 'h'}--获取模型中匹配到的分组中所有执行了key的组

• 而对象有自己的group等方法

1. group  返回被re匹配的的字符串，参数0或不写--默认匹配所有，1--匹配1组，2--匹配2组，3--匹配3组
2. start    返回匹配开始的位置
3. end     返回匹配结束的位置
4. span    返回一个元组包含（开始，结束）的位置

import re

m1 = re.match('(a)(l)(e)(x)','alex')
print(m1.group(0))  #alex
print(m1.group(1))  #a
print(m1.group(4))  #x
print(m1.start())   #0
print(m1.end())     #4
print(m1.span())    #(0, 4)

•  第三参数--标志位（match和search差不多）

1. re.I  使匹配对大小写不敏感
2. re.S 使.匹配包括换行符在内的所有字符
3. re.M 支持匹配多行

import re

# m1 = re.search('alex','ALEX',re.I)
# print(m1.group())
# m2 = re.findall('.','1d5
2d',re.S)
# print(m2)
str1 = '123alex
alex154ip
alex15ip'
m3 = re.findall('^alex',str1,re.M)
print(m3)  #以行头为头，以行尾为尾，进行^和$匹配

•  re.findall  匹配所有符合匹配模式的字符，以列表返回，如果遇组，优先捕获组的内容

• re.finditer  匹配所有符合匹配模式的字符，返回迭代器

import re
n = re.findall('d+wd+','a2b3c4d5')
print(n)  #['2b3', '4d5']--你可能会想：怎么没有‘3c4’
#因为是顺序匹配，在没匹配成功的前提下，逐个往后找，所以结果里没有‘3c4’
#一旦匹配成功，等同拿走匹配到的字符串在往下匹配

import re

origin = 'hello alex bcd'
r = re.findall('(a)(w+)(x)',origin)
print(r)  #[('a', 'le', 'x')]
r2 = re.findall('(a)(w+(e))(?P<n1>x)',origin)
print(r2)  #[('a', 'le', 'e', 'x')]  #findall方法里加key是无意义的，因为返回对象是列表，没有groupdict方法

import re
m1 = re.findall('a(le)x','alexjijfalexjijhfalex')
print(m1)  #['le', 'le', 'le']
#破了findall的优先捕获组的权限--?:
m2 = re.findall('www.(?:baidu|laonanhai).com','jfswww.laonanhai.com')
print(m2)  #['www.laonanhai.com']

import re

origin = 'hello alex bcd'
r = re.finditer('(a)(w+)(e)(?P<n1>x)',origin)
print(r)   #match对象组成的迭代器
for i in r:
    print(i)   #<_sre.SRE_Match object; span=(6, 10), match='alex'>
    print(i.group())  #alex
    print(i.groups()) #('a', 'l', 'e', 'x')
    print(i.groupdict()) #{'n1': 'x'}

import re

a = 'alex'
n = re.findall('(w)(w)(w)(w)',a)
print(n)  #[('a', 'l', 'e', 'x')]
n2 = re.findall('(w){4}',a)
print(n2)  #['x']
n3 = re.findall('(w)*',a)
print(n3)  #['x', '']    *最后会匹配一次空

import re
p = re.compile(r'd+')
w = p.finditer('12 drwn44ers drumming,11alex10eric')
print(w)
for mat in w:
    print(mat.group(),mat.span())
结果为：
        <callable_iterator object at 0x0000000000D1FC50>
        12 (0, 2)
        44 (7, 9)
        11 (22, 24)
        10 (28, 30)

• re.search 逐个往后找，匹配到一个，不再匹配，匹配成功返回一个match对象，没有匹配到就返回None

import re

m = re.search('alex','abalexsalex')
print(m)
if m:
    print(m.group())  #alex

• re.sub（’匹配模式‘，’新的‘，’旧的‘，’次数‘）

• re.subn--自动计算替换次数

import re

m = re.sub('d','love','i1you2you',1)
print(m)  #iloveyou2you

m2 = re.subn('d','love','1df4d17g4d8t12df')
print(m2)  #('lovedflovedloveloveglovedlovetlovelovedf', 8)

•  re.compile  把正则表达式编译成一个正则表达式对象，当要对同一个正则规则使用多次时，建议用这种方式

import re
regex = re.compile(r'w*oow*')
print(regex.findall('jisf4oo12df14'))  #['jisf4oo12df14']

•  re.split  以匹配模式匹配到的字符串一个一个分割，如果匹配模式里有组，还会返回匹配上组的内容，第三参数为分割次数

import re
m = re.split('alex','jifalex15jialexdf7')
print(m)  #['jif', '15ji', 'df7']

m = re.split('(alex)','jifalex15jialexdf7')
print(m)  #['jif', 'alex', '15ji', 'alex', 'df7']

                                                欢迎大家对我的博客内容提出质疑和提问！谢谢

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　                  笔者：拍省先生