day5-re

re模块

1. 正则表达式符号

'.'     默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
'^'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'     匹配字符结尾，或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
'*'     匹配*号前的字符0次或多次，re.findall("ab*","cabb3abcbbac")  结果为['abb', 'ab', 'a']
'+'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?'     匹配前一个字符1次或0次
'{m}'   匹配前一个字符m次
'{n,m}' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|'     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配，re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
'\'     转义
 
[a-z]   匹配[a-z]
[A-Z]   匹配[A-Z]
[0-9]   匹配数字0-9
'\A'    只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的
'\Z'    匹配字符结尾，同$
'\d'    匹配数字0-9
'\D'    匹配非数字
'\w'    匹配[A-Za-z0-9]
'\W'    匹配非[A-Za-z0-9]
'\s'     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
'(?P<name>...)' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 
结果:{'province': '3714', 'city': '81', 'birthday': '1993'}

2. 匹配方法

>>> import re
# 从字符串开头开始匹配
>>> a = re.match('in',"inet addr:10.161.146.134")
>>> a.group()
'in'
# 在字符串中寻找匹配字符，找到返回
>>> a = re.search('addr',"inet addr:10.161.146.134")
>>> a.group()
'addr'
# 把匹配到的字符以列表的形式返回
>>> re.findall('[0-9]{1,3}',"inet addri:10.161.146.134")
['10', '161', '146', '134']
# 已匹配到的字符为分割符进行分割，返回列表
>>> re.split('\.',"inet addri:10.161.146.134")
['inet addri:10', '161', '146', '134']
# 匹配字符并替换，count表匹配次数
>>> re.sub('\.','-',"inet addri:10.161.146.134",count=2)
'inet addri:10-161-146.134'
# 返回迭代器
>>> b = re.finditer('addr',"inet addr:10.161.146.134")
>>> b
<callable-iterator object at 0x030B3990>
>>> b.next().group()
'addr'

3. 常用方法

group() #获得匹配的字符串，默认值为0，即整个匹配的字符串
groups() #以元组形式返回全部匹配的字符串

>>> a = re.search('(\d+)\.(\d+)\.(\d+).*',"inet addri:10.161.146.134")
>>> a
<_sre.SRE_Match object at 0x03131CA0>
>>> a.group()
'10.161.146.134'
>>> a.group(0)
'10.161.146.134'
>>> a.group(1)
'10'
>>> a.groups()
('10', '161', '146')

groupdict() #返回别名为键、匹配到的字符串为值的字典，没有别名的组不包含在内

>>> a = re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242")
>>> a.groupdict()
{'province': '3714', 'city': '81', 'birthday': '1993'}

span() #返回匹配字符串的起始位置和结束位置

start() #返回匹配字符串的起始位置

end() #返回匹配字符串的结束位置

>>> a.span()
(0, 10)
>>> a.start()
0
>>> a.end()
10

compile() #根据创建的正则对象进行匹配

# 创建正则对象
>>> m = re.compile("addr")
# 根据正则对象进行匹配
>>> n = m.search("inet addr:10.161.146.134")
>>> n.group()
'addr'

4. 匹配模式

re.I(re.IGNORECASE): 忽略大小写
re.M(MULTILINE): 多行模式，改变'^'和'$'的行为
re.S(DOTALL): 点任意匹配模式，改变'.'的行为

5. 小结

a. 用r''的方式表示的字符串叫做raw(原生)字符串，用于抑制转义

b. 正则表达式使用反斜杆（\）来转义特殊字符，使其可以匹配字符本身，而不是指定其他特殊的含义

c. 如果需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"，

前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里

转义成一个反斜杠，raw表达式为r'\\'