python之re模块

#!/usr/bin/env python
# -*- coding: utf-8 -*-

'''
通配符：
.  匹配除换行符之外的任意一个字符

*  匹配前一个字符0或多次
.*就是匹配任意字符0到多次(默认匹配最长的字符串)

+  匹配前一个字符1或多次
.+就是匹配任意字符1到多次(默认匹配最长的字符串)

？ 匹配前一个字符0或1次
.?就是匹配任意字符0或1次(默认匹配最长的字符串)

^  以xxx开头
$  以结尾

{m} 匹配前一个字符m次
{m,n}  匹配前一个字符m到n次(m可省略，默认为0，即0到n次)

[]   匹配[]中列出的任意一个字符。如：a[bc]d，匹配：abd、acd       还可以这样写[a-z,A-Z,1-9]:匹配任意一个字母（大小写）或数字

|  代表表达式左右任意匹配一个。如abc|abd:匹配abc或abd

()  分组，已经匹配到的结果里再对分组的内容进行匹配。括号内的内容作为一个整体进行匹配操作。如：(abc){2}---对括号内的内容匹配2次，即匹配结果为：abcabc

\   转义，将具有特殊意义的通配符变成其原来的符号，使其不再具有特殊意义
\d  匹配数字
\D  匹配非数字
\s  匹配空白字符（\r\n\\t等）
\S  匹配非空白字符
\w  匹配单词字符 [a-z,A-Z,1-9_]
\W  匹配非单词字符[^\w]
\b  匹配一个单词边界，只能匹配单词的词首或词尾 如：\bh 匹配以h开头的单词词首；h\b 匹配以h结尾的单词词尾
'''

import re
'''
s = 'hahaalexissbyoualsoissxbandalexwugassxldxufualex'

result = re.findall('alex',s)   #将字符串s中所有匹配‘alex’的都找出来
print(result)

print(re.findall('al.x',s))

print(re.findall('^alex',s))   #查找以alex开头的字符（在起始位置匹配‘alex’）
print(re.findall('alex$',s))   #查找以alex结尾的字符（在结尾位置匹配‘alex’）

print(re.findall('al.*x','sdfalxasdfwe'))   #*是匹配前一个字符0或多次，.*就是匹配任意字符0到多次(默认匹配最长的字符串)

print(re.findall('al.+x','sdfalxasdfwe'))   #+是匹配前一个字符1或多次，.+就是匹配任意字符1到多次(默认匹配最长的字符串)

print(re.findall('al.?x','sdfalsdxasdfwe'))   #?是匹配前一个字符0或1次，.?就是匹配任意字符0到1次(默认匹配最长的字符串)

print(re.findall('ab{3}c','abbcabbbc'))   #匹配3次b即最后匹配的字符串时abbbc
print(re.findall('ab{,3}c','abbcabbbc'))   #匹配0到3次b即最后匹配的字符串时abbc、abbbc

print(re.findall('a[bc]d','abdabcdacd'))
print(re.findall('a[0-9,a-z]c','adca1caaaa'))

print(re.findall(r'\bm.*','hello,my name is amt'))  #匹配以m开头的单词的词首
'''

'''
#re常用方法
result = re.match(r'com','comsdfsdfcom')  #match只匹配字符串的起始位置，其他位置不匹配
print(result.group())   #match生成的是一个对象，要想获取匹配结果，需要使用group方法

result1 = re.search(r'com','cosdfcomsdfcom')  #search只匹配字符串中找到的第一个位置，后面的就不再匹配
print(result1.group())  #获取匹配结果
print(result1.span())   #获取匹配的位置（开始到结束的下标）
print(result1.start())  #获取匹配的首位置（开始的下标）

result2 = re.findall('com','cosdfcomsdfcom') #匹配字符串中所有匹配的结果
print(result2)  #findall返回的是一个列表

result3 = re.finditer('com','cosdfcomsdfcom')  #功能上和findall相同，区别是其返回的结果是一个迭代器，需要遍历输出
print(result3)
for i in result3:
    print(i.span())  #i.group()、i.start()

result = re.sub('g.t','have','I get A,I got B,I gut C')   #匹配替换，所有符合匹配规则的对象，都替换成’have‘
#result = re.sub('g.t','have','I get A,I got B,I gut C',2)   #匹配替换，所有符合匹配规则的对象，都替换成’have‘,最大替换2次
#sub参数：1匹配规则、2要替换的字符串、3要匹配的字符串、4最大替换次数（默认全部替换）
print(result)

result1 = re.subn('g.t','have','I get A,I got B,I gut C')  #功能与sub相同，区别是返回结果不仅返回了替换后的字符串，还返回了替换次数
print(result1)

result = re.split('\d+','one1two2three3four')  #分割字符串。以一个或多个十进制数来分割字符串
print(result)  #返回的结果里没有分割的字符

result1 = re.split('(\d+)','one1two2three3four')  #分割字符串。规则里加了分组
print(result1)  #返回的结果里除了正常匹配来的结果，还包含了分组的结果

#前面的方法执行时都是两个过程一起进行的，如果针对同一个规则来操作不同的字符串，要是每次执行都进行一次编译就会浪费时间，
# 因此可以先对规则进行编译，以后再用此规则对字符串进行操作时就省去了编译的时间，效率就提高了
r = re.compile(r'com')  #先对匹配规则进行编译
result = r.findall('comasdfcomsdfa')  #用编译好的规则操作字符串
print(result)
'''


#对于转义，正则表达式使用转义时，由于python自身也有转义功能，因此python解释器就会将正则表达式中定义的转义再进行一次转义，
# 这样结果就不再准确了。为了解决这一问题，python使用re模块定义正则表达式规则时，在规则前加上r，这样就代表这是一个正则表达式，
#python解释器就不会再进行第二次转义了。
print(re.search(r'\\com','s\com').group())   #匹配'\com'字符串（前面一定要加r，不然就匹配不到'\'）


result = re.search('h(\w+)','I have a book')
print(result.group())   #group返回正常匹配结果（分组对group的结果没有影响）
print(result.groups())  #groups返回分组的结果

result1 = re.search('h(?P<name>\w+)','I have a book')  #?P<name>：为分组取名为name
print(result1.group())   #group返回正常匹配结果（分组对结果没有影响）
print(result1.groups())  #groups返回分组的结果
print(result1.groupdict())  #groupdict返回分组的结果（以字典形式）----该方法只有在分组取名的情况下才能有值

#对于findall()方法，如果规则里有分组，虽然仍然是以一个整体去进行匹配的，但返回结果时就只获取分组的匹配结果
#result2 = re.findall('h(\w+)','I have a book')
result2 = re.findall('h\w+','I have a book')
print(result2)