正则表达式/re模块

一.正则表达式

　　1.1正则表达式和re模块的关系

　　　　正则表达式不是python独有的,它是一门独立的技术,在所有的编程语言中都可以使用,但是在python中使用正则表达式需要借助re模块

　　1.2正则表达式的作用以及使用领域

　　　　正则表达式是用来筛选字符串中特定的内容的,如果像匹配具体的内容,可以直接写完整的内容,不需要写正则

　　　　正则表达式现一般用在爬虫领域和数据分析

　　1.3字符组

字符组 ： [字符组]
在同一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。
假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。

ps:在字符组中表达式之间是或的关系如[0-9a-z]表示该位是数字或者小写字母

　　1.4字符

　　1.5量词

 

ps:量词必须更在正则符号的后面如.*其表示为取除了换行符外的任意字符且数目尽量取至最大.原因是正则在匹配的时候默认的是贪婪匹配(尽量匹配多的),若想解决这种问日可以在量词后面加?,如+?,这样就将贪婪匹配转化成惰性匹配.

*? 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

身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x
res = ('^[1-9]d{16}[0-9x]|^[1-9]d{14}')

   

二.re模块

　　re模块:在使用re模块中主要使用三种功能:findall,search,match

2.1:findall

基本句式: findall('正则表达式','带匹配的字符串')

res1 = re.findall('[a-z]+','zhang LOVE who is a probleam')
res2 = re.findall('[a-z]+','zhAng LOVE who is a proBleam')
print(res1)  # ['zhang', 'who', 'is', 'a', 'probleam']
print(res2)  # ['zh', 'ng', 'who', 'is', 'a', 'pro', 'leam']
# 找出字符串中符合正则表达式全部内容 并且返回的是一个列表,列表中的元素就是正则匹配到的结果

ret1 = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
ret2 = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')  # 忽略分组优先的机制
print(ret1)  # ['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
print(ret2)  # ['www.oldboy.com']   可以用?:来取消权限

2.2search

search基本句式:search('正则表达式','带匹配的字符串')

res1 = re.search('a','zhang LOVE who is a probleam')
print(res1)  # search不会给你直接返回匹配到的结果 而是给你返回一个对象 <_sre.SRE_Match object; span=(2, 3), match='a'>
if res1: 
　　print(res1.group())  # a

res1 = re.search('k','zhang LOVE who is a probleam')
print(res1)  # None
if res1:
    print(res1.group())

ps:1.search只会依据正则表达式查一次,只要找到一个结果就不会往后找了

　 2.当查找的结果存在返回的是一个对象,需要调用group才能才看

　 3.当检查的结果不存在返回的值是None,当调用group时会报错,所以在使用时采用if判断,若果返回值为真则调用group取解析

2.3match

res = re.match('z','zhang LOVE who is a probleam')
print(res)  # search不会给你直接返回匹配到的结果 而是给你返回一个对象 <_sre.SRE_Match object; span=(0, 1), match='z'>
if res:
　　print(res.group())  # z

ps:match只会匹配字符串开始的部分,若没有符合的返回的值也是None,调用group会报错

2.4其余功能指令

split:

ret = re.split('[ad]', 'abcd')  # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'd'分割
print(ret)  # ['', 'bc', ''] 返回的还是列表

ret=re.split("d+","zhang9929zhang66wang")
print(ret)  # 结果 ：['zhang', 'zhang', 'wang'] 

ret1=re.split("(d+)","zhang9929zhang66wang")
print(ret1)  # 结果 ： ['zhang', '9929', 'zhang', '66', 'wang']

sub命令:sub('正则表达式','新的内容','待替换的字符串',n)

ret = re.sub('d', ' love ', 'zhang9zhang2zhang9',1)  # 将数字替换成'H'，参数1表示只替换1个
print(ret)  # zhang love zhang2zhang9

ps:subn命令的应用

ret = re.subn('d', ' love ', 'zhang9zhang2zhang9')  # 将数字替换成' love '，返回元组(替换的结果,替换了多少次)
ret1 = re.subn('d', ' love ', 'zhang9zhang2zhang9',1)  # 将数字替换成' love '，返回元组(替换的结果,替换了多少次)
print(ret)  # ('zhang love zhang love zhang love ', 3)返回的是一个元组 元组的第二个元素代表的是替换的个数
print(ret1)  # ('zhang love zhang2zhang9', 1)  

compile命令:将正则表达式编译成一个正则表达式对象

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
res1 = obj.findall('347982734729349827384')
print(ret.group())  #结果 ： 123
print(res1)  #结果 ： ['347', '982', '734', '729', '349', '827', '384']

finditer:返回一个存放匹配结果的迭代器

ret = re.finditer('d', '43asds54')   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x000001A35617B2B0>
print(next(ret).group())  # 等价于ret.__next__()  # 4
print(next(ret).group())  # 等价于ret.__next__()  # 3
print(next(ret).group())  # 等价于ret.__next__()  # 5
print(next(ret).group())  # 等价于ret.__next__()  # 4
print(next(ret).group())  # 等价于ret.__next__()   超出迭代取值的范围 直接报错

?P:为正则表达式取别名

res = re.search('^[1-9](?P<password>d{14})(?P<username>d{2}[0-9x])?$','110105199812067023')
print(res.group())  # 110105199812067023
print(res.group('password'))  # 10105199812067
print(res.group(1))  # 10105199812067
print(res.group('username'))  # 023
print(res.group(2))  # 023

ps:在取完别名后,由于采用的是searc方法,调用group,可以指定名字的顺序来读取内容(从开始)