正则表达式

　　正则表达式，英文：Regular Expression。它通常用来检索和替换符合某种模式的文本。

　　Python自1.5版本开始增加了re模块，使得Python拥有了全部的正则表达式功能。

一、基本函数（match、search、findall）

　　在使用re模块之前，要先引入，re模块使已经在内置在Python内部的，无需再自己下载安装了。

import re

1、re.match函数

1.1 原型：match(pattern, string, flags=0)
1.2 参数：
　　pattern：匹配的正则表达式
　　string：要匹配的字符串
　　flags：标志位，用来控制正则表达式的匹配方式
　　　　re.I：忽略大小写
　　　　re.L：做本地化识别
　　　　re.M：多行匹配，影响^和$
　　　　re.S：使.匹配包括换行符在内的所有字符，否则.不匹配换行符
　　　　re.U：根据Unicode字符集解析字符，影响'w W  B'
　　　　re.X：使我们以更灵活的格式理解正则表达式
1.3 功能：尝试从字符串的起始位置匹配一个模式

1.4 eg：

# 注释为输出结果

print(re.match('www', 'www.baidu.com'))
# <_sre.SRE_Match object; span=(0, 3), match='www'>
# 返回结果的类型、匹配结果的位置、匹配内容

print(re.match('www', 'www.baidu.com').span())
# (0, 3) 输出匹配的位置

2、re.search函数

2.1 原型：search(pattern, string, flags=0)
2.2 参数：
　　pattern：匹配的正则表达式
　　string：要匹配的字符串
　　flags：标志位，用来控制正则表达式的匹配方式（与上面内容一致，后面不赘述）
2.3 功能：扫描整个字符串，返回第一个成功的匹配，与match相比，就是不必从起始位置开始匹配

3、re.findall函数

3.1 原型：findall(pattern, string, flags=0)
3.2 参数：
　　pattern：匹配的正则表达式
　　string：要匹配的字符串
　　flags：标志位，用来控制正则表达式的匹配方式
3.3 功能：扫描整个字符串，返回结果列表，其中匹配到所有符合模式的结果

 二、正则表达式的元字符

1、匹配单个字符

.	可以匹配除换行符以外的任意字符
[]	是字符集合，表示匹配方括号中任意所包含的任一字符
[asd]	匹配其中任一字符
[a-z]	匹配任意小写字母
[0-9a-zA-Z_]	匹配任意大小写字母或数字或下划线
[^asd]	匹配除了asd几个字母以外的所有字符，中括号里的^号称为'脱字符'，表示不匹配集合中的字符
[^0-9]	匹配所有非数字字符
d	匹配数字，效果同[0-9]
[^d]	匹配非数字字符，效果同[^0-9]
w	匹配数字，字母和下划线，效果同[0-9a-zA-Z_]  （字母不包含空格）
W	匹配非数字，字母和下划线，效果同[^0-9a-zA-Z_]
s	匹配任意的空白符（空格，换行，回车，换页，制表），效果同[ f ]
S	匹配任意的非空白符，效果同[^ f ]

2、锚字符（边界字符）

^	行首匹配，和在中括号里的^不是一个意思
$	行尾匹配
A	匹配字符串的开始，他和^的区别是，A只匹配整个字符串的开头，即使在re.M下也不会匹配他行的行首
	匹配字符串的结束，他和$的区别是，只匹配整个字符串的结束，即使在re.M下也不会匹配他行的行尾
	匹配一个单词的边界，也就是指单词和空格间的位置 eg：r'er',匹配以er为结尾边界的位置
B	匹配非单词边界，与上面相反，匹配不是边界的

3、多个字符

(xyz)	匹配小括号内的xyz，作为一个整体去匹配
x?	匹配0个或者1个x eg：print(re.findall(r"a?","aaabaa")) # 非贪婪匹配，尽可能少的匹配
x*	匹配0个或者任意多个x eg：print(re.findall(r"a*","aaabaa")) # 贪婪匹配，尽可能多的匹配
x+	匹配至少一个x（贪婪匹配）
x{n}	匹配确定的n个x（n是一个确定的非负整数
x{n,}	匹配至少n个x
x{n,m}	匹配至少n个，最多m个x，注意n<=m
x|y	|表示或，匹配的是x或y

4、特殊情况

*? +? x?	最小匹配，通常都是尽可能多的匹配，可以使用这种解决贪婪匹配
(?:X)	类似于(xyz)，但不表示一个组

三、实用技巧

1、字符串切割

str1 = "hello world      hello world  hello world   "
# 普通切割
print(str1.split(' '))  # 仅仅以一个空格切割，遇到多个空格时会出现不想要的内容
# 正则切割
print(re.split(r' +', str1))  # 可以通过正则的切割，其中利用正则的方法，来以任意多个空格来切割

2、re.finditer函数

• 原型：finditer(pattern, string, flags=0)
• 参数：
  • pattern：匹配的正则表达式
  • string：要匹配的字符串
  • flags：标志位，用来控制正则表达式的匹配方式
• 功能：与findall类似，扫描整个字符串，返回的是一个迭代器，可以节省空间，提高效率

str2 = "hello world hello world hello world hello world hello world"

d = re.finditer(r'hello', str2)
while True:
    # 当使用迭代方法时，为了可以使他在找完对象后退出，一般通过捕获的方法
    try:
    　　print(next(d))
    except StopIteration as e:
    　　break

3、字符串的替换和修改

• sub(pattern, repl, string, count=0, flags=0)
• subn(pattern, repl, string, count=0, flags=0)功能： 在目标字符串中以正则表达式的规则匹配字符串，再把他们替换成指定的字符串。可以指定替换的次数，如果不指定，替换所有的匹配字符串
  • pattern: 正则表达式（规则）
  • repl: 指定的用来替换的字符串
  • string: 目标字符串
  • count: 最多替换次数
  • flags:
• 区别： sub返回一个字符串，subn返回一个元组（第一个元素是替换后的字符串，第二个元素是替换的个数）

4、分组

　　概念：除了简单的判断是否匹配以外，正则表达式还有提取子串的功能。用()表示的就是提取分组。（这个自己试一下，加深印象）

str3 = "010-12312323"
m = re.match(r'(?P<first>d{3})-(d{8})', str3)
# 使用序号获取对应组的信息，group(0)一直代表的原始字符串
print(m.group(0))
print(m.group(1))
print(m.group('first'))  # 使用自己起的名字索引
print(m.group(2))

print(m.groups())  # 查看各组的情况

# 如果在最外层加一个括号，那么group(1)就是打印的最外面的那个，依次向里

# ?P<first>写在小括号里，表示起名字

5、编译

• 当我们使用正则表达式时，re模块会干两件事：

　　（1）编译正则表达式，如果正则表达式本身不合法，会报错
　　（2）用编译后的正则表达式去匹配对象

• 编译的原型：re.compile(pattern, flags=0)

　　提示：一般情况下，比较简单的匹配我们直接通过上面讲述的那几种基本方法就可以了，但是当模式比较复杂，或者这个正则对象在后面还会用到时，就会先把他编译出来，毕竟后面可以省去再次编译的时间，并且更清晰。

　　正则对象，习惯上命名为   re_xxxxxx。

pat = r"^1(([3578]d)|(47))d{8}$" # 模式
re_telephone = re.compile(pat)  # 编译成正则对象
print(re_telephone.match("13612345678"))  # 使用其匹配文本，前面提到的基本方法在这里照常使用