re模块

# re模块下的常用方法
# 重要的方法
    # findall
        # 第一个参数为正则表达式，第二个参数为被匹配的内容
        # 第三个参数flags有很多可选值
          #   re.I   忽略大小写
          # re.M 多行模式，改变^和$的行为
          # re.S 点可以匹配任意字符，包括换行符
          # re.L 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 使用\w \W \s \S \d \D使用取决于unicode定义的字符属性。在python中默认使用该flag
          # re.X 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
    # search
        # 从前往后，找到一个符合正则表达式的就返回，返回的是一个对象，返回的这个对象调用group()才能得到结果
        # search找不到会返回None。
    # match
        # 是从头开始匹配，如果正则表达式中从头开始可以匹配上，则会返回一个对象。调用这个对象的group()才能得到匹配的内容
        # 如果找不到则会返回None

import re

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

ret = re.search('a', 'eva egon yuan')   # 从前往后，找到一个符合正则表达式的就返回，找到会返回一个对象
if ret != None:
    print(ret.group())  # 调用group得到结果   a

ret = re.match('eva', 'eva egon yuan')  # 是从头开始匹配，如果正则表达式中从头开始可以匹配上，则会返回一个对象
if ret != None:
    print(ret.group())  # 调用这个对象的group()才能得到匹配的内容  eva



ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和bcd，在对''和'bcd'分别按'b'分割，则又得到了''和cd
print(ret)  # ['', '', 'cd']

ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)
# 将eva3egon4yuan4这个要匹配的字符串，按照\d正则去匹配（只匹配数字），匹配到后将数字替换成H，但只替换一个，然后将新的字符串内容返回
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)  # ('evaHegonHyuanH', 3)

obj = re.compile('\d{3}')   # 将正则表达式代码编译成一个正则表达式对象。匹配规则是3个数字
ret = obj.search('abc123eeee')  #这样就不用在写规则了，而是只写被匹配的内容就可以了
print(ret.group())  # 123

ret = re.finditer('\d', 'ds3sy4784a')   # 得到一个迭代器对象
for i in ret:   # 拿到的i不是匹配的结果内容，而是一个对象，在执行group才能拿到结果内容
    print(i.group())  #


ret = re.search('^[1-9]\d{14}(\d{2}[0-9x])?$', '22050319991007223x')
if ret != None:
    print(ret.group(1)) # 23x    # 这样可以取到正则表达式分组中的规则所匹配到的内容.

# 正则表达中的分组中在括号开始的位置加上?P<id>意思是给这个分组起了一个名字叫做id，匹配上后可以通过group('id')找到这个分组匹配出来的内容
ret = re.search('^[1-9]\d{14}(?P<id>\d{2}[0-9x])?$', '22050319991007223x')
if ret != None:
    print(ret.group('id'))  # 23x    # 这样可以取到正则表达式分组中的规则所匹配到的内容.

# 注意的点

# findall的优先级查询
    # 会优先匹配正则表达式分组中的，如果所要匹配的内容中在分组的正则式中匹配上了，则只返回正则分组中匹配上的内容
ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']

# findall   取消分组优先, 在分组括号开始的位置加上?:
    # 会优先匹配正则表达式分组中的，如果所要匹配的内容中在分组的正则式中匹配上了，则只返回正则分组中匹配上的内容
ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['www.oldboy.com']

# split的优先级查询
    # 如果split中的正则表达式中有了分组，则会将被切割本身的内容保留
ret = re.split('\d+', 'eva3egon4yuan')
print(ret)  # ['eva', 'egon', 'yuan']

ret = re.split('(\d+)', 'eva3egon4yuan')    # 如果split中的正则表达式中有了分组，则会将被切割本身的内容保留
print(ret)  # ['eva', '3', 'egon', '4', 'yuan']

# 取消split中正则表达式中如果有了分组而特殊对待的机制
ret = re.split('(?:\d+)', 'eva3egon4yuan')    # 如果split中的正则表达式中有了分组，但分组开始有了?:则被切割本身的内容还是如正常的一样消失
print(ret)  # ['eva', 'egon', 'yuan']

 

# ?P=tag_name   必须和前面?P<tag_name>分组中匹配的一样
ret = re.search('<(?P<tag_name>\w+)>\w+</(?P=tag_name)', '<h1>hello</h1>')
if ret != None:
    print(ret.group('tag_name'))  # h1