python正则基础入门篇

正则表达式全称（Regular Expression）又称 RegEx，通常会用来网页爬虫、文稿处理、数据筛选等。

 --- 首先引入一个例子

#import module 导入模块
import re 
#matching string  预定义两个变量跟一个字符串
pattern1 = "cat"
pattern2 = "bird"
string = "dog runs o cat"
# export result  用字符串去匹配这两个字符，打印结果
print(pattern1 in string)
print(pattern2 in string)
# output
True
Flase

---引入正则后

import re
#regEx search  正则查找匹配
parttern1 = "Cat"
parttern2 = "bird"
string = "dog runs cat"
#这里I代表不区分大小写
print(re.search(parttern1,string,re.I))
print(re.search(parttern2,string,re.I))
#输出结果显示在索引9-12查到了一个对象:“cat”
<re.Match object; span=(9, 12), match='cat'>
#bird不在其中，返回None
None

---匹配多种可能的情况-基础

#multiple partterns  ( run  or ran )  多种情况匹配
#先写规则
pr = r'r[ur]n'
string = "dog runs cat"
#匹配run的过去分词或过去时两种情况
print(re.search(pr,string))
#可以看出‘[]’是一个占位符，对当前位置进行多内容匹配
<re.Match object; span=(4, 7), match='run'>

---匹配多种可能情况-中阶

#上面我们引入了“[]”，其作用很明显，下面我们考虑更多种情况，如纯英文大小写、数字
#全小写英文字母匹配
print(re.search(r'r[a-z]n',string))
#全数字匹配
print(re.search(r'r[0-9]n',string))
#全大写英文字母匹配
print(re.search(r'r[A-Z]n',string))
#字母数字混合匹配
print(re.search(r'r[0-9A-Za-z]n',string))
#export that
<re.Match object; span=(4, 7), match='run'>
None
None
<re.Match object; span=(4, 7), match='run'>

---特殊匹配方式

#为了简化输入，引入了特殊匹配，如0-9用\d,a-z用\w
#全数字匹配
print(re.search(r'r\dn',string))
#小写字母匹配
print(re.search(r'r\wn',string))
#output
None
<re.Match object; span=(4, 7), match='run'>

---除了字母数字外，平时我们还会用到匹配“&”、“#”、“%”、“@”

#匹配除字母、数字、下划线、汉字外的字符
string = "dog r#ns cat"
print(re.search(r'r\Wn',string))
<re.Match object; span=(4, 7), match='r#n'>
#类似还有\D匹配除数字外字符，所以根据需求使用恰当命令　

---匹配空白字符，比如回车换行(\r\n)、空格(\b)、制表符(\t)等

#这里简单示范下
string = "dog r ns cat"
print(re.search(r'r\sn',string))
<re.Match object; span=(4, 7), match='r n'>

---匹配带有“\” 及 除 “\r\n”外的字符

string = "dog run\s cat"
#匹配"\"必须用"\\"去匹配，否则报错
print(re.search(r'run\\',string))

string = "dog runs cat"
#用”.“来匹配除换行以外字符
print(re.search(r'r.n',string))
<re.Match object; span=(4, 7), match='run'>

---匹配句首、尾

#首尾匹配
string = "dog runs cat"
print(re.search(r'^d',string))
print(re.search(r'cat$',string))
<re.Match object; span=(0, 1), match='d'>
<re.Match object; span=(9, 12), match='cat'>

---匹配1次或0次

#匹配0次或1次
print(re.search(r'Mon(day)?','Monday'))
print(re.search(r'Mon(day)?','Mon'))
<re.Match object; span=(0, 6), match='Monday'>
<re.Match object; span=(0, 3), match='Mon'>

---匹配多行，一般情况下直接匹配"^I"会返回None，需指定一个参数，确立为句首

#multi-line
string ='''
dog  runs cat.
I run dog.
'''
print(re.search(r'^I',string))
print(re.search(r'^I',string,flags=re.MULTILINE))
None
<re.Match object; span=(16, 17), match='I'>

 

---匹配0次或1次

#occur 0 or 1
print(re.search(r'ru?','ru'))
print(re.search(r'run?','run')
print(re.search(r'run?','runnnnnn'))
<re.Match object; span=(0, 2), match='ru'>
<re.Match object; span=(0, 3), match='run'>
<re.Match object; span=(0, 3), match='run'>

---匹配1次或多次

#occur 1 more times
print(re.search(r'ru+','ru'))
print(re.search(r'run+','run'))
print(re.search(r'run+','runnnnnn'))
<re.Match object; span=(0, 2), match='ru'>
<re.Match object; span=(0, 3), match='run'>
<re.Match object; span=(0, 8), match='runnnnnn'>

---匹配0次或多次

# occur 0 more times
print(re.search(r'run*','ru'))
print(re.search(r'run*','run'))
print(re.search(r'run*','runnnsdbbbbnnnnnnnnn'))
<re.Match object; span=(0, 2), match='ru'>
<re.Match object; span=(0, 3), match='run'>
<re.Match object; span=(0, 5), match='runnn'>

---以上可以看出，次数这里，“?” 范围最小，其次”+“，最后”*“

 

---匹配前置字符单次或可选次数范围

# occur n times
print(re.search(r'run{1}','ru'))
print(re.search(r'run{1}','run'))
print(re.search(r'run{2}','runnn'))
#output
None
<re.Match object; span=(0, 3), match='run'>
<re.Match object; span=(0, 4), match='runn'>
# {n,m} occur n to m  times
print(re.search(r'run{0,1}','ru'))
print(re.search(r'run{1,10}','run'))
#output
<re.Match object; span=(0, 2), match='ru'>
<re.Match object; span=(0, 3), match='run'>

---分组匹配

# group 一个“()”代表一个组
match = re.search(r'(\d+), Date: (.+)' ,'ID: 123456, Date: Feb/08/2020')
#输出全部分组匹配结果
print(match.group())
#输出第一组
print(match.group(1))
#输出第二组
print(match.group(2))
#ouput
123456, Date: Feb/08/2020
123456
Feb/08/2020

match = re.search(r'(\d+), Date: (.+)' ,'ID: 123456, Date: Feb/08/2020')
#如果实际应用场景中分组太多，用group(1,2,..)无法精确匹配
#引入选择器 ：(?P<自定义名称>)
match = re.search(r'(?P<id>\d+), Date: (?P<date>.+)' ,'ID: 123456, Date: Feb/08/2020')
print(match.group('id'))
print(match.group('date'))

---一次性匹配所有规则

#findall
print(re.findall(r'r[ua]n','run ran ren'))
# | or
print(re.findall(r'run|ran','run ran ren'))
['run', 'ran']
['run', 'ran']

---替换,这里用到sub函数，配合正则简直万能

#replace 
print(re.sub(r'r[ua]n','e','dog runs cat')) #将匹配到的结果替换为'e'
#output
dog es cat

---分裂/分割

#split
print(re.split(r'[;,.,:]','a;b.c:e'))
['a', 'b', 'c', 'e']

---其他一些用法

#将匹配规则设为变量，从而实现无限次利用 compile
comp = re.compile(r'r[ua]n')
print(comp.search('dog runs cat'))
print(comp.search('tiger runs wolf'))
print(comp.search('wolf runs sheep'))
print(comp.search('cat runs mouse'))

---这里添加一些自己学习总结的东西

#正则中的优先量词如："{m}"、"{m,n}"、"*"、"?"、"+"这些都是属于优先量词
#那贪婪于非贪婪其实本质区别是加不加"?"，加"?"原本优先匹配量词即改为非贪婪量词
#假如匹配test1
htst =  '<p>段一</p><div>test1</div></br><p>段二</p><div>test2</div>'
print(re.search(r'<div>.*</div>',htst))
#得到结果，发现把test2也输出了，也就是贪婪模式
<re.Match object; span=(9, 55), match='<div>test1</div></br><p>段二</p><div>test2</div>'>
#使用非贪婪模式，获得精确结果
print(re.search(r'<div>.*?</div>',htst))
<re.Match object; span=(9, 25), match='<div>test1</div>'>