# 正则表达式
### 应用场景
- 特定规律字符串的查找，切割、替换等
- 特定格式(邮箱、手机号、IP、URL等)的校验
- 爬虫项目中，提取特定内容
### 使用原则
- 只要使用字符串函数能够解决的问题就不要使用正则
- 正则的效率比较低，同时会降低代码的可读性
- 世界上最难理解的三样东西：医生的处方、道士的神符、码农的正则
- 提醒：正则是用来写的，不是用来读的；在不清楚功能的情况下，不要阅读别人的正则
### 基本使用
- 说明：正则的解析不是我们来做的，需要借助`re`模块
- 相关函数：
- match：只从开头进行匹配，匹配到就返回结果对象，没有找到返回None
- search：从任意位置匹配，功能同上，都是单次匹配(找到就停)
```python
m = re.search('abc', 'hadajabcadjlae')
if m:
# 返回匹配的内容
print(m.group())
# 返回匹配内容的位置
print(m.span())
```
- findall：全部匹配，返回所有匹配的到结果列表，没有找到返回空列表
```python
f = re.findall('abcd', 'abcasjdlaabcaksjd;abcasdjla')
print(f)
```
- compile：创建正则表达式对象，可以让创建正则对象和内容匹配分开操作
```python
# 可以先生成正则表达式对象，然后再进行匹配
c = re.compile('cba')
# print(type(c))
# 从开头匹配
# m = c.match('cbasdhaj;acbaalsdk')
# 从任意位置匹配
m = c.search('casdhaj;acbaalsdk')
if m:
print(m.group())
# 匹配所有
f = c.findall('ahkjdcbasdkjalcbasakldjacba')
print(f)
```
> 此方式可以分开操作，比较灵活
### 正则语法
- 单个字符
```
普通字符：简单理解就是一对一的完全匹配
[]：中间的任意一个字符
[abc]：abc的任意一个字符
[0-9]：任意的数字字符
[a-zA-Z]：任意的字母
[^0-9]：非数字字符
. ：除'\n'以外的任意字符
\d：数字字符，等价于[0-9]
\D：非数字字符，等价于[^0-9]
\w：匹配字(数字、字母、下划线)
\W：匹配非字(\w相反的内容)
\s：空白字符(\n、\r、\t、空格)
\S：非空白字符(\s相反的内容)
\b：词边界(开头、结尾、空格、标点)
\B：非词边界(\b相反的内容)
```
- 次数限定：修饰前面的单个字符出现的次数
```
*：任意次
+：至少一次
?：至多一次
{m}：指定m次
{m,n}：m <= 次数 <=n
{m,}：至少m次
{,m}：至多m次
```
- 边界限定
- ^：以指定的内容开头
- $：以指定的内容结尾
- 示例：
```python
import re
# 只从开头匹配
# f = re.findall('^hello', 'asjdhelloaskd')
# 只从结尾匹配
f = re.findall('world$', 'asjdhelloaskworld')
# 同时限制开头和结尾
f = re.findall('^\w*$', 'asjdhelloaskworld')
print(f)
```
- 优先级与整体
```python
import re
# |：表示或，拥有最低的优先级
# ()：可以表示一个整体
s = re.search('hell(o|w)orld', 'akdhahellworld')
if s:
print(s.group())
```
- 分组匹配
- 示例1：
```python
import re
c = re.compile('(\d+)([a-z]+)(\d+)')
s = c.search('agaj2635sdhasda237adjsd')
if s:
# 0：表示完整匹配内容，之后的数字表示第几组，也就是第几个()匹配的内容
print(s.group(0), s.span(0))
print(s.group(1), s.span(1))
print(s.group(2), s.span(2))
print(s.group(3), s.span(3))
```
- 示例2：
```python
import re
# 固定匹配
# c = re.compile('<div><a>\w+</a></div>')
# 动态匹配：匹配两次嵌套的标签
# c = re.compile('<[a-z]+><[a-z]+>\w+</[a-z]+></[a-z]+>')
# 无名分组：\1、\2分别表示前面的第一组、第二组匹配的内容
# c = re.compile(r'<([a-z]+)><([a-z]+)>\w+</\2></\1>')
# 命名分组：给分组()起名字
c = re.compile(r'<(?P<one>[a-z]+)><(?P<two>[a-z]+)>\w+</(?P=two)></(?P=one)>')
s = c.search('<div><a>百度一下</a></div>')
if s:
print(s.group())
# 返回所有组的信息，是一个元组
print(s.groups())
# 返回分组的字典，键是组的名字，值时匹配的内容
print(s.groupdict())
```
- findall
```python
import re
# 按照正则进行匹配，但是添加()后，结果只显示()匹配的内容
f = re.findall('A(abc)A', 'asdjAabcAasdjAabcAsdkabca')
print(f)
```
- 贪婪匹配
- 贪婪：最大限度的匹配。正则的匹配默认是贪婪的
- 非贪婪：只要满足条件，能少匹配就少匹配。可以使用'?'取消贪婪
- 示例：
```python
import re
# .+?：取消至少一次的贪婪匹配
# c = re.compile('a.+?b')
# .*?：取消任意多次的贪婪匹配
c = re.compile('a.*?b')
s = c.search('sdhaasdajasksdbsdjbsdk')
if s:
print(s.group())
```
- 匹配模式
- 说明：匹配模式就是对默认的匹配原则进行整体的修饰
- 示例：
```python
import re
# re.I：表示忽略大小写
# s = re.search(r'hello', 'Hello', re.I)
# re.M：多行处理，默认会把字符当做一行处理
s = re.search(r'^hello', 'asdkasj\nhelloajsdhkas', re.M)
# string = '<div>hello</div>'
string = '''<div>
hello
</div>'''
# re.S：是.可以匹配任意，作为单行处理(忽略\n)
s = re.search(r'<div>.*?</div>', string, re.S)
if s:
print(s.group())
```
- 字符转义
- 匹配凡是跟正则语法相关的字符都需要需要进转义
- 示例：
```python
import re
# python \\\d \\\\d r'\\d'
# re \\d \\d \\d
# 实际 \d \d \d
# 推荐使用，否则需要写很多\
c = re.compile(r'\\d')
s = c.search('\d')
if s:
print(s.group())
# 匹配'\b'字符串
c = re.compile(r'\b')
# \b本身有特殊含义
s = c.search(r'\b')
if s:
print('成功', s.group())
```
> 在定义字符串的开头添加'r'表示原始字符串，可以轻松解决很多关于转义的问题
- 正则切割
```python
import re
c = re.compile(r'\d')
string = '正则其实不难1但是学完之后2发现什么也不出来3是这样吧'
# 字符串是固定切割，不能解决某类的匹配切割问题
# print(string.split('1'))
# 按照正则进行切割
ret = c.split(string)
print(ret)
# 整体方案
print(re.split(r'\d', string))
```
- 正则替换
```python
string = 'helloadjasdhelloskdjalkhellosdjka'
# 字符串替换
new_string = string.replace('hello', 'world', 2)
print(new_string)
import re
s = 'how1are2you'
# 正则替换
# s2 = re.sub(r'\d', ' ', s)
# 替换时可以传递一个函数，使用函数的返回值进行替换
def double(s):
return str(int(s.group()) * 2)
# return 'xxx'
# 使用专门的处理函数，可以认为的干预替换过程
s2 = re.sub(r'\d', double, s)
print(s2)
浙公网安备 33010602011771号