进入python的世界_day20_python基础——正则表达式、re模块

一、正则表达式

• 简介

​ 一种独立的技术，主要是为了按照设置的规则来匹配字符串，所有编程语言都可以用，爬虫用的最多。

一个好用的正则小网址
www.tool.chinaz.com/regex

二、正则表达式——字符组

• [...] 用来表示一组字符，可以缩写 ，默认或的关系

​ eg : [1,2,3,4,5] >>>[1-5]

​ 注意 :每一个元素都会比，比到找到就匹配到

三、正则表达式——量词

1.介绍

​ 量词不能单独出现，并且只影响左贴着的表达式

2.常用量词

量词形式	描述
*	匹配0个或者多个的表达式
+	匹配要么一次要么全要
?	作为量词意义不大,主要用于非贪婪
	精确匹配n个前面跟着的表达式(类似计数,数目到了才匹配)
	匹配n到m个前面跟着的表达式
	匹配n到无穷个前面跟着的表达式

四、正则表达式———特殊符号

特殊符号形式	描述
.	匹配除换行符以外的任意字符
\w	匹配字母、数字、下划线
\W	匹配非字母、数字、下划线
\s	匹配任意空白字符 （同理\S匹配任意非空字符）
\d	匹配数字等价与[0-9]
^	匹配字符串的开头
$	匹配字符串的末尾
a | b	匹配a或者b
（ ）	给正则表达式分组
[^]	[^abc]匹配除了a,b,c之外的字符

比如腾讯QQ号:
[1-9]([0-9]{5,11})
意思前面一位，后面五位或者11位，最长12位

五、贪婪匹配与非贪婪匹配

• 量词默认都是贪婪匹配，如果要非贪婪，要在量词后跟一个英文问号

六、转义符

"""斜杠与字母的组合有时候有特殊含义"""
\n     	   	不识别 因为默认是换行符
\\n			取消特殊身份，匹配的是文本\n
\\\\n		匹配的是文本\\n
ps:如果是在python中使用 还可以在字符串前面加r取消转义

七、re模块

import re
1.re.findall('正则'，'数据')
# 匹配字母、数字、下划线
print(re.findall('\w','aAbc123_*()-='))
# ['a', 'A', 'b', 'c', '1', '2', '3', '_']

# 匹配字符串的开头
print(re.findall('^hua','hua alex ikun'))
# ['hua']
2.re.finditer()
# 类似迭代器对象，造工厂，节省内存空间
3.re.search() 
# 只找到符合的就停止，要看结果的话要用.group打印
4.re.match()
# 只看待找对象的开头，有就匹配一个，无就返回none
5.xx = re.compile()
# 把某一个正则赋值给一个变量，可以应对日后的频繁使用该正则
6.re.sub('正则','替换','数据','个数')
7.re.subn（）
# 同上，返回元组，并告诉替换了几次

补充:
    1.分组优先
    ()内容默认是优先展示的
    可以加?:
    (?:)这样就取消优先展示
    
    2.分组别名
    res = re.search('www.(?P<content>baidu|oldboy)(?  P<hei>.com)', 'www.oldboy.com')
    print(res.group())  # www.oldboy.com
    print(res.group('content'))  # oldboy
    print(res.group(0))  # www.oldboy.com
    print(res.group(1))  # oldboy
    print(res.group(2))  # .com
    print(res.group('hei'))  # .com