python re模块

正则表达式

正则表达式:本身也和python没有什么关系，就是匹配字符串内容的一种规则。

官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

'''
字符组 ： [字符组]
在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示
字符分为很多类，比如数字、字母、标点等等。
[0-9][a-z][A-Z]
字符：
元字符：     匹配的内容：
.               匹配除换行符以外的任意字符
\w            匹配字母或数字或下划线
\W            匹配非字母或数字或下划线
\s            匹配任意的空白符
\S            匹配非空白符
\d            匹配数字
\D            匹配非数字
\n            匹配一个换行符
\t            匹配一个制表符
\b            匹配一个单词的结尾
^            匹配字符串的开始
$            匹配字符串的结尾
a|b            匹配字符a或字符b
()            匹配括号内的表达式，也表示一个组
[...]            匹配字符组中的字符
[^...]    匹配除了字符组中字符的所有字符
量词：
量词：            用法说明:
*                   重复零次或更多次（0-无穷大）
+                   重复一次或更多次（1-无穷大）
？                  重复零次或一次   （0-1）
{n}                重复n次
{n,}               重复n次或更多次
{n,m}            重复n到m次
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
<.*>   默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>  加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
几个常用的非贪婪匹配Pattern
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
.*?x      就是取前面任意长度的字符，直到一个x出现
\d     因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配
\\d      转义\之后变成\\，即可匹配
r'\d'    在python中在字符串之前加r，让整个字符串不转义
'''

#用正则输入手机号

import re
while 1:
    phone_number = input('please input your phone number :')
    if re.match('^(13|14|15|17|18)[0-9]{9}$',phone_number):
        print('是合法的的手机号码')
    else:
        print('不是合法的手机号码')

import re

ret = re.findall('a', 'eva egon yuan')  # 返回所有满足匹配条件的结果,放在列表里
print(ret) #结果 : ['a', 'a']

ret = re.search('a', 'eva egon yuan')
if ret:
　　print(ret.group()) #结果 : 'a'
# 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

ret = re.match('a', 'abc')  # 同search,不过尽在字符串开始处进行匹配
if ret:
　　print(ret.group())

#结果 : 'a'  ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割 print(ret) # ['', '', 'cd']  ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H'，参数1表示只替换1个 print(ret) #evaHegon4yuan4  ret = re.subn('\d', 'H', 'eva3egon4yuan4')#将数字替换成'H'，返回元组(替换的结果,替换了多少次) print(ret) obj = re.compile('\d{3}') #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字 ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串 print(ret.group()) #结果 ： 123 import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一个结果 print(next(ret).group()) #查看第二个结果 print([i.group() for i in ret]) #查看剩余的左右结果

#findall的优先级查询
import re

ret = re.findall('www.(baidu|google).com', 'www.baidu.com')
print(ret)  # ['baidu]     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.google.com')
print(ret)  # ['www.baidu.com']

#split的优先级查询
ret=re.split("\d+","panda3egg4sole")
print(ret) #结果 ： ['panda, 'egg', 'sole']

ret=re.split("(\d+)","panda3egg4sole")
print(ret) #结果 ： ['panda', '3', 'egg', '4','sole']

#在匹配部分加上（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。

'''
flags有很多可选值：

re.I(IGNORECASE)忽略大小写，括号内是完整的写法
re.M(MULTILINE)多行模式，改变^和$的行为
re.S(DOTALL)点可以匹配任意字符，包括换行符
re.L(LOCALE)做本地化识别的匹配，表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境，不推荐使用
re.U(UNICODE) 使用\w \W \s \S \d \D使用取决于unicode定义的字符属性。在python3中默认使用该flag
re.X(VERBOSE)冗长模式，该模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注释
'''