python——re模块
简介
定义：re模块称为正则表达式；
作用：创建一个"规则表达式"，用于验证和查找符合规则的文本，广泛用于各种搜索引擎、账户密码的验证等；（即：匹配处理字符串）
预定义字符
- \d 匹配所有的十进制数字 0-9
- \D 匹配所有的非数字，包含下划线
- \s 匹配所有空白字符（空格、TAB等）
- \S 匹配所有非空白字符，包含下划线
- \w 匹配所有字母、汉字、数字 a-z A-Z 0-9
- \W 匹配所有非字母、汉字、数字，包含下划线
特殊字符
1、$：匹配一行的结尾（必须放在正则表达式最后面）
2、^：匹配一行的开头（必须放在正则表达式最前面）
3、*：前面的字符可以出现0次或多次（0~无限）
4、+：前面的字符可以出现1次或多次（1~无限）
5、？：变"贪婪模式"为"勉强模式"，前面的字符可以出现0次或1次
6、.：匹配除了换行符"\n"之外的任意单个字符
7、|：两项都进行匹配
8、[ ]：代表一个集合，有如下三种情况
- [abc]：能匹配其中的单个字符
- [a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）
- [2-9] [1-3]：能够做组合匹配
9、{ }：用于标记前面的字符出现的频率，有如下情况： - {n，m}：代表前面字符最少出现n次，最多出现m次
- {n，}：代表前面字符最少出现n次，最多不受限制
- {，m}：代表前面字符最多出现n次，最少不受限制
- {n}：前面的字符必须出现n次
反斜杠问题
字符串中有反斜杠的，需要对反斜杠做转义：
str = "\123 223" # S 223
str = "\\123 223" # \123 223
str = r"\123 223" # \123 223
函数介绍
compile()函数
定义：
compile(pattern, flags=0)
Compile a regular expression pattern, returning a pattern object.
从compile()函数的定义中，可以看出返回的是一个匹配对象，它单独使用就没有任何意义，需要和findall(), search(), match()等搭配使用。
隐藏的compile()函数——
正常情况下 我们使用re模块时，我们都是先调用re模块的complie函数生成成pattern对象，使用pattern对象调用相应的方法进行正则匹配。e.g.,:
import re
pattern = re.compile('正则表达式')
text = '一段字符串'
result = pattern.findall(text)
但是在Python里面，在大多数情况下不需要使用re.compile!直接使用re.对应的方法(pattern, string, flags=0)就可以了。其原因就是热模块将complie函数的调用放在了对应的方法(pattern, string, flags=0）中了。我们常用的正则表达式方法，无论是findall还是search还是sub还是match，其返回值全部都是这样写的：
_compile(pattern, flag).对应的方法(string)
match()函数
从头匹配一个符合规则的字符串，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None。
match(pattern, string, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# falgs ： 匹配模式
e.g.,
import re
str="hello egon bcd egon lge egon acd 19"
r=re.match("h\w+",str) #match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None,非字母，汉字，数字及下划线分割
print(r.group()) # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来
print(r.groups()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果
print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果
# hello
# ()
# {}
r2=re.match("h(\w+)",str) #match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None
print(r2.group())
print(r2.groups())
print(r2.groupdict())
# hello
# ('ello',)
# {}
r3=re.match("(?P<n1>h)(?P<n2>\w+)",str) #?P<>定义组里匹配内容的key(键)，<>里面写key名称，值就是匹配到的内容
print(r3.group())
print(r3.groups())
print(r3.groupdict())
# hello
# ('h', 'ello')
# {'n1': 'h', 'n2': 'ello'}
search()函数
浏览全部字符串，匹配第一符合规则的字符串，浏览整个字符串去匹配第一个，未匹配成功返回None。
search(pattern, string, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# falgs ： 匹配模式
注意：match()函数 与 search()函数基本是一样的功能，不一样的就是match()匹配字符串开始位置的一个符合规则的字符串，search()是在字符串全局匹配第一个合规则的字符串。
e.g.,
import re
str="hello egon bcd egon lge egon acd 19"
r=re.search("b\w+",str) #match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None,非字母，汉字，数字及下划线分割
print(r.group()) # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来
print(r.groups()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果
print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果
# bcd
# ()
# {}
r2=re.search("b(\w+)",str) #match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None
print(r2.group())
print(r2.groups())
print(r2.groupdict())
# bcd
# ('cd',)
# {}
r3=re.search("(?P<n1>b)(?P<n2>\w+)",str) #?P<>定义组里匹配内容的key(键)，<>里面写key名称，值就是匹配到的内容
print(r3.group())
print(r3.groups())
print(r3.groupdict())
# hello
# ('b', 'cd')
# {'n1': 'b', 'n2': 'cd'}
findall()函数
浏览全部字符串，匹配所有合规则的字符串，匹配到的字符串放到一个列表中，未匹配成功返回空列表。
findall(pattern, string, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# falgs ： 匹配模式
注意： 一旦匹配成，再次匹配，是从前一次匹配成功的，后面一位开始的，也可以理解为匹配成功的字符串，不在参与下次匹配。
import re
r=re.findall("\d+\w\d+","a2b3c4d5") #浏览全部字符串，匹配所有合规则的字符串，匹配到的字符串方到一个列表中
print(r)
# ['2b3', '4d5'] #匹配成功的字符串，不再参与下次匹配，所以3c4也符合规则但是没有匹配到
注意：如果没写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的，空字符串列表。
'''
注意：如果没写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的，空字符串列表
'''
import re
r=re.findall("","a2b3c4d5") #浏览全部字符串，匹配所有合规则的字符串，匹配到的字符串方到一个列表中
print(r)
# ['', '', '', '', '', '', '', '', ''] #如果没有写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的空字符串列表，如上是8个字符，返回是9个空字符
注意：正则匹配到空字符的情况，如果规则里只有一个组，而组后面是就表示组里的内容可以是0个或者多过，这样组里就有了两个意思，一个意思是匹配组里的内容，二个意思是匹配组里0内容（即是空白）所以尽量避免用否则会有可能匹配出空字符串。
注意：正则只拿组里最后一位，如果规则里只有一个组，匹配到的字符串里在拿组内容是，拿的是匹配到的内容最后一位。
import re
r=re.findall("(ca)*","ca2b3caa4d5")
print(r)
# ['ca', '', '', '', 'ca', '', '', '', '', '']#用*号会匹配出空字符
无分组：匹配所有合规则的字符串，匹配到的字符串放到一个列表中。
import re
r=re.findall("a\w+","ca2b3 caa4d5")
print(r)
# ['a2b3', 'aa4d5']#匹配所有合规则的字符串，匹配到的字符串放入列表
有分组：只将匹配到的字符串里，组的部分放到列表里返回，相当于groups()方法。
import re
r=re.findall("a(\w+)","ca2b3 caa4d5")
print(r)
# ['2b3', 'a4d5']#返回匹配到组里的内容返回
多个分组：只将匹配到的字符串里，组的部分放到一个元组中，最后将所有元组放到一个列表里返回。相当于在group()结果里再将组的部分分别拿出来放入一个元组，最后将所有元组放入一个列表返回。
import re
r=re.findall("(a)(\w+)","ca2b3 caa4d5")
print(r)
# [('a', '2b3'), ('a', 'a4d5')]#返回的是多维数组
分组中有分组：只将匹配到的字符串里，组的部分放到一个元组中，先将包含有组的组，看作一个整体也就是一个组，把这个整体组放入一个元组里，然后在把组里的组放入一个元组，最后将所有组放入一个列表返回。
import re
r=re.findall("(a)(\w+(b))","ca2b3 caa4b5")
print(r)
# [('a', '2b', 'b'), ('a', 'a4b', 'b')]#返回的是多维数组
?: 在有分组的情况下findall()函数，不只拿分组里的字符串，拿所有匹配到的字符串，注意?:只用于不是返回正则对象的函数如findall()
import re
r=re.findall("a(?:\w+)","a2b3 a4b5 edd")
print(r)
# ['a2b3', 'a4b5']
split()函数
根据正则匹配分割字符串，返回分割后的一个列表。
split(pattern, string, maxsplit=0, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# maxsplit：指定分割个数
# flags ： 匹配模式
e.g.,
import re
r=re.split("a\w","sdfadfdfadsfsfafsff")
print(r)
r2=re.split("a\w","sdfadfdfadsfsfafsff",maxsplit=2)
print(r2)
# ['sdf', 'fdf', 'sfsf', 'sff']
# ['sdf', 'fdf', 'sfsfafsff']
sub()函数
替换匹配成功的指定位置字符串。
sub(pattern, repl, string, count=0, flags=0)
# pattern： 正则模型
# repl ： 要替换的字符串
# string ： 要匹配的字符串
# count ： 指定匹配个数
# flags ： 匹配模式
e.g.,
import re
r=re.sub("a\w","替换","sdfadfdfadsfsfafsff")
print(r)
# sdf替换fdf替换sfsf替换sff
subn()函数
替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受。
subn(pattern, repl, string, count=0, flags=0)
# pattern： 正则模型
# repl ： 要替换的字符串
# string ： 要匹配的字符串
# count ： 指定匹配个数
# flags ： 匹配模式
e.g.,
import re
a,b=re.subn("a\w","替换","sdfadfdfadsfsfafsff") #替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受
print(a) #返回替换后的字符串
print(b) #返回替换次数
# sdf替换fdf替换sfsf替换sff
# 3
参考资料
https://www.jb51.net/article/223741.htm
https://blog.csdn.net/m0_43609475/article/details/119924047
浙公网安备 33010602011771号