Python3基础正则表达式
Python3的正则表达式
Python的正则表达式的大部分功能主要使用re模块，该模块使Python语言拥有全部的正则表达式功能。
首先只介绍本篇文章所用到的，也就是常见的正则匹配规则：
\w 匹配字母、数字、下划线
\W 匹配非字母、数字、下划线
\s 匹配任意空白字符，等价于[\t\n\r\f]
\S 匹配任意非空字符
\d 匹配任意数字，等价于[0-9]
\D 匹配任意非数字的字符
\A 匹配字符串开头
\Z 匹配字符串结尾，如果存在换行，只匹配到换行前的结束字符串
\z 匹配字符串结尾，如果存在换行，同时还会匹配换行符
\G 匹配最后匹配完成的位置
\n 匹配一个换行符
\t 匹配一个制表符
^ 匹配一行字符串的开头
$ 匹配一行字符串的结尾
. 匹配任意字符，除换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符串
* 匹配0个或多个表达式
+ 匹配1个或多个表达式
? 匹配0个或1个前面的表达式定义的片段，非贪婪模式
{n} 精确匹配n个前面的表达式
( ) 匹配括号内的表达式，也表示一个组
1.re.match()函数
1.1函数的语法：
re.match(pattern, string, flags=0)
#pattern为要匹配的正则表达式，string为要匹配的字符串，flags为标志位，用于控制正则表达式的匹配方式。
其中第三个参数（flags）标志位可以包含一些可选标志位符来控制匹配的模式，多个标志位符可以通过“|”来指定。
re.I 使匹配对大小写不敏感
re.S 使 . 匹配包括换行在内的所有字符
re.M 多行匹配，影响 ^ 和 $
1.2注意点：
re.match()是从字符串的起始位置匹配一个模式，如果不是起始位置匹配的话，match()会返回一个none。re.match()返回的结果是一个对象，而不是匹配的字符串。- 如果要获取匹配的字符串需要用到
group()函数 - 查看所匹配字符串在原来的字符串中的位置范围要用
sapn()函数 - 因为
re.match()函数是从原字符串的起始位置开始匹配，所以这就注定了该函数只能够进行一些简单的字符串验证，而不适合提取，所以应用场景有限，比如应用于登录注册所输入的字符串有效性检测。
content = 'Hello 123 4567 World_This is a Regex Demo'
result1 = re.match('Hello\s\d{3}\s\d{4}\s\w{10}', content)
# \d表示匹配任意数字，\d{3}表示精准匹配3个前面的任意数字 \s表示匹配空白字符
# 方便一点的话可以将\s去除，用普通空格替代：
# result1 = re.match('Hello \d{3} \d{4} \w{10}', content)
print(result1)
print(result1.group())
print(result1.span())
输出：
<re.Match object; span=(0, 25), match='Hello 123 4567 World_This'>
Hello 123 4567 World_This
(0, 25)
可以看出匹配中group(1)和group(2)的内容分别是第一个和第二个括号内所匹配的内容
而group(0)则是匹配出的完整的字符串
2.re.search()函数
2.1函数的语法：
re.search(pattern, string, flags=0) #其参数的含义与re.match()参数的含义是一样的，在这里不再赘述
2.2注意点：
- 与
match的区别是：re.match()只匹配字符串的开始，如果字符串的第一个字符串就不符合正则表达式，则匹配失败，函数返回None， 而re.search()是搜索整个字符串直到找到一个匹配。 - 但是
search函数依旧不适用于提取某某个字符串，它与match类似，只匹配一次，即在整个字符串中寻找，如果找到则立马停止，并输出结果，与接下来介绍的re.compile()做出区分
line = "Cats are smarter than dogs"
matchObj1 = re.match(r'dogs', line, re.M | re.I)
if matchObj1:
print(matchObj1.group())
else:
print("No match!!")
matchObj2 = re.search(r'dogs', line, re.M | re.I)
print(matchObj2.group())
# 输出：
No match!!
dogs
3.re.compile()函数
3.1语法格式：
re.compile(pattern[, flags])
这将生成一个正则表达式（Pattern）对象
3.2findall()函数
- findall()与match和search不同，match和search只匹配一次，但是findall是匹配所有，语法格式：
re.findall(string[, pos[, endpos]])
string 待匹配的字符串。
pos 可选参数，指定字符串的起始位置，默认为 0。
endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。
3.3举例：
s = 'A B C D'
# 提取['A B', 'C D']
result1 = re.compile('(\w+\s+\w?)').findall(s)
# 提取['A ', 'C ']
result2 = re.compile('(\w+\s+)\w?').findall(s)
# 提取[('A', 'B'), ('C', 'D')]
result3 = re.compile('(\w+)\s(\w+)').findall(s)
4.贪婪模式和非贪婪模式
可以参见一篇文章：Python3正则表达式(三)贪婪模式与非贪婪模式
可以参见下面的例子：
html = '''
<html>
<div>
<book>
<p>c语言</p>
</book>
</div>
<div>
<book>
<p>Python程序设计</p>
</book>
</div>
</html>'''
输出：
result1中元素个数：1
['<div> \n <book>\n <p>c语言</p>\n </book> \n </div> \n <div> \n <book> \n <p>Python程序设计</p>']
result2中元素个数：2
['<div> \n <book>\n <p>c语言</p>', '<div> \n <book> \n <p>Python程序设计</p>']
注意：有的时候会写成result2 = re.compile(r'(\w+\s+)\w?').findall(s)
关于字母r的作用可以理解成是raw字符串的意思，其设计本身就是为了方便正则表达式的使用的，可以参见文章：
python正则表达式中原生字符r的作用
大致的意思就是说在match或者compile中如果不使用r需要使用四个'\'才能表示'\'，而使用r只需要使用两个反斜杠'\'
mm = "c:\\a\\b\\c"
print(mm) # 输出c:\a\b\c
result = re.match(r"c:\\a", mm).group()
print(result) # 输出c:\a
浙公网安备 33010602011771号