Python基础-----re模块(模糊匹配)

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

import re

'''
1 普通字符:大多数字符和字母都会和自身匹配
>>> re.findall('alex','yuanaleSxalexwupeiqi')
['alex']
re.findall(匹配规则,匹配字符串)
查找出所有满足匹配规则的字符串放置于列表中
2 元字符:. ^ $ * + ? { } [ ] | ( ) \
'''

#======================元字符之. ^ $ * + ? { }================================#

# 1 . 表示通配符,除 \n 以外均可匹配,一个 . 表示任意一个字符

ret=re.findall('a..in','helloalvin')
print(ret)#['alvin']

#===========================================================================#

# 2 ^ 表示在字符串的开头匹配

ret=re.findall('^a...n','alvinhelloawwwn')
print(ret)#['alvin']

#===========================================================================#

# 3 $ 表示在字符串的尾部匹配

ret=re.findall('a...n$','alvinhelloawwwn')
print(ret)#['awwwn']

#===========================================================================#

# 4 * 表示在贪婪匹配[0,+oo]

ret=re.findall('abc*','abcccc')#贪婪匹配[0,+oo]
print(ret)#['abcccc']
ret=re.findall('abc*','abeerw')#贪婪匹配[0,+oo]
print(ret)#['ab']

#===========================================================================#

# 5 + 表示在贪婪匹配[1,+oo]

ret=re.findall('abc+','abccc')#[1,+oo]
print(ret)#['abccc']

#===========================================================================#

# 6 ? 表示在贪婪匹配[0,1]可匹配0个或1个

ret=re.findall('abc?','abccc')#[0,1]
print(ret)#['abc']
ret=re.findall('abc?','abrtf')#[0,1]
print(ret)#['ab']

#===========================================================================#

# 7 {} 表示匹配重复情况;{0,} == * ;{1,} == +

ret=re.findall('abc{1,4}','abccc') #表示匹配1-4个c均可
print(ret)#['abccc'] 贪婪匹配

#===========================================================================#

# 8 前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配,其前面的
# 字符被匹配最少次数

ret=re.findall('abc*?','abcccccc')
print(ret)#['ab']

#====================== 元字符之字符集[]================================#

#在字符集[]中 * + ? 都失去原有意义,当做普通字符去匹配

ret=re.findall('a[bc]d','acd') #匹配 'acd' 或 'abd'
print(ret)#['acd']

ret=re.findall('[a-z]','acd') #匹配字符串中的'a' - 'z'之间的所有字母
print(ret)#['a', 'c', 'd']

ret=re.findall('[.*+]','a.cd+')
print(ret)#['.', '+']

#在字符集[]里有功能的符号: - ^ \

ret=re.findall('[1-9]','45dha3') #匹配字符串中的1-9之间的所有数字
print(ret)#['4', '5', '3']

ret=re.findall('[^ab]','45bdha3') #[^]字符集中^表示非;该例表示匹配只要不是a b即可
print(ret)#['4', '5', 'd', 'h', '3']

cal = re.findall('\([^()]*\)','12+(34*6+2-5*(3-1))') #可用于计算器
print(cal) #['(3-1)']

ret=re.findall('[\d]','45bdha3') #\d 匹配任何十进制数;它相当于类 [0-9]。
print(ret)#['4', '5', '3']

#====================== 元字符之转义符 \ ================================#

# 反斜杠后边跟元字符去除特殊功能,比如\.(用于将 . 转换为普通字符用于匹配)
# 反斜杠后边跟普通字符实现特殊功能,比如\d

# \d 匹配任何十进制数;它相当于类 [0-9]。
# \D 匹配任何非数字字符;它相当于类 [^0-9]。
# \s 匹配任何空白字符;它相当于类 [ \t\n\r\f\v]。
# \S 匹配任何非空白字符;它相当于类 [^ \t\n\r\f\v]。
# \w 匹配任何字母数字字符;它相当于类 [a-zA-Z0-9_]。(_下划线也可匹配出)
# \W 匹配任何非字母数字字符;它相当于类 [^a-zA-Z0-9_]
# \b 匹配一个特殊字符边界,比如空格 ,&,#等

# 因为在python中\b本身就有特殊含义,所以需要再次转义 \\b或r'\b'
ret=re.findall('I\b','I am LIST')
print(ret)#[]
ret=re.findall(r'I\b','I am LIST')
print(ret)#['I']
#-----------------------------eg1:
import re
# 因为python解释器转义和re转义有别,所以需要传入多个\来转义
ret=re.findall('c\l','abc\le')
print(ret)#[]
ret=re.findall('c\\l','abc\le')
print(ret)#[]

ret=re.findall('c\\\\l','abc\le')
print(ret)#['c\\l']
ret=re.findall(r'c\\l','abc\le')
print(ret)#['c\\l']

#-----------------------------eg2:
#之所以选择\b是因为\b在ASCII表中是有意义的
m = re.findall('\bblow', 'blow')
print(m)
m = re.findall(r'\bblow', 'blow')
print(m)

#====================== 元字符之 | ================================#
# 元字符 | 表示或的意思,其前后字符串均可以参与匹配
s = re.findall('a|b','ajkkljlbklka')
print(s) #['a', 'b', 'a']

#====================== 元字符之分组 () ================================#
# 将()内的内容作为一组(整体)来匹配

m = re.findall(r'(ad)+', 'adadad') ######!!!!!!!!优先匹配()组内的内容
print(m) #['ad']
#若要匹配字符串中所有的内容,则加上 ?: 即可取消上述优先级
m1 = re.findall(r'(?:ad)+', 'adadad') ######!!!!!!!! 【?:】可取消优先级
print(m1) #['ad','ad','ad']

ret=re.search('(?P<id>\d{2})/(?P<name>\w{3})','23/com')
#固定格式?P<id> id表示分组名称--->'23'
#固定格式?P<name> name表示分组名称--->'com'
#函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
#通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。
print(ret.group())#23/com
print(ret.group('id'))#23 #.group(分组名称) 可以获取分组名称对应的值


#===========================================================================#
#========================= re模块下的常用方法 ===========================#
#===========================================================================#

import re
#1 查找所有
re.findall('a','alvin yuan') #返回所有满足匹配条件的结果,放在列表里

#2 查找(只到找到第一个匹配)
re.search('a','alvin yuan').group() #函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。
#3 查找(仅在字符串开始处进行匹配)
re.match('a','abc').group() #同search,不过仅在字符串开始处进行匹配

#4 分割
ret=re.split('[ab]','abcd') #先按'a'分割'a'的左边无内容,则左边得到''和右边'bcd',在对''和'bcd'分别按'b'分割
print(ret)#['', '', 'cd']

#5 替换
ret=re.sub('\d','abc','alvin5yuan6',1)
#re.sub(参1,参2,参3,参4) 参1表示匹配规则或字符,参2表示要替换成的字符串,参3表示被匹配的字符串,参4表示指定匹配次数

print(ret)#alvinabcyuan6
ret=re.subn('\d','abc','alvin5yuan6')
print(ret)#('alvinabcyuanabc', 2) #返回一个元组,分别为替换后字符串,和本次替换的次数

#6 编译(自定义规则)可重复使用
obj=re.compile('\d{3}') #返回一个规则对象
ret=obj.search('abc123eeee') #规则对象可以调用.search() .findall等方法
print(ret.group())#123

#7 将查找的内容生成迭代器
ret=re.finditer('\d','ds3sy4784a')
print(ret) #<callable_iterator object at 0x10195f940>
print(next(ret).group()) # '3'
print(next(ret).group()) # '4'



#===========================================================================#
#========================= 注 意 事 项 ============================#
#===========================================================================#

import re

ret=re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(ret)#['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

ret=re.findall('www.(?:baidu|oldboy).com','www.oldboy.com') #?: 可以去除优先级
print(ret)#['www.oldboy.com']
posted @ 2018-10-03 23:51  Meanwey  阅读(30843)  评论(0编辑  收藏  举报