【RE】正则，模糊匹配

re模块大家都叫它正则,那什么又是正则呢?

正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

匹配模式举例

1. # ----------------匹配模式--------------------
2. # 1,之前学过的字符串的常用操作：一对一匹配
3. # s1 = 'fdskahf太白金星'
4. # print(s1.find('太白')) # 7

正则匹配：

W

1. # 单个字符匹配
2. import re
3. # \w 与 \W
4. # print(re.findall('\w', '太白jx 12*() _')) # ['太', '白', 'j', 'x', '1', '2', '_']
5. # print(re.findall('\W', '太白jx 12*() _')) # [' ', '*', '(', ')', ' ']

S

1. import re
2. # \s 与\S
3. # print(re.findall('\s','太白barry*(_ \t \n')) # [' ', '\t', ' ', '\n']
4. # print(re.findall('\S','太白barry*(_ \t \n')) # ['太', '白', 'b', 'a', 'r', 'r', 'y', '*', '(', '_']

D

1. import re
2. # \d 与 \D
3. # print(re.findall('\d','1234567890 alex *（_')) # ['1', '2', '3', '4', '5', '6', '7', '8', '9', '0']
4. # print(re.findall('\D','1234567890 alex *（_')) # [' ', 'a', 'l', 'e', 'x', ' ', '*', '（', '_']

^

1. import re
2. # \A 与 ^
3. # print(re.findall('\Ahel','hello 太白金星 -_- 666')) # ['hel']
4. # print(re.findall('^hel','hello 太白金星 -_- 666')) # ['hel']

$

1. # \Z、\z 与 $
2. # print(re.findall('666\Z','hello 太白金星 *-_-* \n666')) # ['666']
3. # print(re.findall('666\z','hello 太白金星 *-_-* \n666')) # []
4. # print(re.findall('666$','hello 太白金星 *-_-* \n666')) # ['666']

\n

1. # \n 与 \t
2. # print(re.findall('\n','hello \n 太白金星 \t*-_-*\t \n666')) # ['\n', '\n']
3. # print(re.findall('\t','hello \n 太白金星 \t*-_-*\t \n666')) # ['\t', '\t']

重复匹配

1. . ? * + {m,n} .* .*?
3. # . 匹配任意字符，除了换行符（re.DOTALL 这个参数可以匹配\n）。
4. # print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb')) # ['aab', 'a*b', 'a2b', 'a牛b']
5. # print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb',re.DOTALL)) # ['aab', 'a*b', 'a2b', 'a牛b']
8. # ？匹配0个或者1个由左边字符定义的片段。
9. # print(re.findall('a?b', 'ab aab abb aaaab a牛b aba**b')) # ['ab', 'ab', 'ab', 'b', 'ab', 'b', 'ab', 'b']
12. # * 匹配0个或者多个左边字符表达式。 满足贪婪匹配 @@
13. # print(re.findall('a*b', 'ab aab aaab abbb')) # ['ab', 'aab', 'aaab', 'ab', 'b', 'b']
14. # print(re.findall('ab*', 'ab aab aaab abbbbb')) # ['ab', 'a', 'ab', 'a', 'a', 'ab', 'abbbbb']
17. # + 匹配1个或者多个左边字符表达式。 满足贪婪匹配 @@
18. # print(re.findall('a+b', 'ab aab aaab abbb')) # ['ab', 'aab', 'aaab', 'ab']
21. # {m,n} 匹配m个至n个左边字符表达式。 满足贪婪匹配 @@
22. # print(re.findall('a{2,4}b', 'ab aab aaab aaaaabb')) # ['aab', 'aaab']
25. # .* 贪婪匹配 从头到尾.
26. # print(re.findall('a.*b', 'ab aab a*()b')) # ['ab aab a*()b']
29. # .*? 此时的?不是对左边的字符进行0次或者1次的匹配,
30. # 而只是针对.*这种贪婪匹配的模式进行一种限定:告知他要遵从非贪婪匹配 推荐使用!
31. # print(re.findall('a.*?b', 'ab a1b a*()b, aaaaaab')) # ['ab', 'a1b', 'a*()b']
34. # []: 括号中可以放任意一个字符,一个中括号代表一个字符
35. # - 在[]中表示范围,如果想要匹配上- 那么这个-符号不能放在中间.
36. # ^ 在[]中表示取反的意思.
37. # print(re.findall('a.b', 'a1b a3b aeb a*b arb a_b')) # ['a1b', 'a3b', 'a4b', 'a*b', 'arb', 'a_b']
38. # print(re.findall('a[abc]b', 'aab abb acb adb afb a_b')) # ['aab', 'abb', 'acb']
39. # print(re.findall('a[0-9]b', 'a1b a3b aeb a*b arb a_b')) # ['a1b', 'a3b']
40. # print(re.findall('a[a-z]b', 'a1b a3b aeb a*b arb a_b')) # ['aeb', 'arb']
41. # print(re.findall('a[a-zA-Z]b', 'aAb aWb aeb a*b arb a_b')) # ['aAb', 'aWb', 'aeb', 'arb']
42. # print(re.findall('a[0-9][0-9]b', 'a11b a12b a34b a*b arb a_b')) # ['a11b', 'a12b', 'a34b']
43. # print(re.findall('a[*-+]b','a-b a*b a+b a/b a6b')) # ['a*b', 'a+b']
44. # - 在[]中表示范围,如果想要匹配上- 那么这个-符号不能放在中间.
45. # print(re.findall('a[-*+]b','a-b a*b a+b a/b a6b')) # ['a-b', 'a*b', 'a+b']
46. # print(re.findall('a[^a-z]b', 'acb adb a3b a*b')) # ['a3b', 'a*b']

分组

1. # () 制定一个规则,将满足规则的结果匹配出来
3. # print(re.findall('(.*?)_sb', 'alex_sb wusir_sb 日天_sb')) # ['alex', ' wusir', ' 日天']
5. # 应用举例:
7. # print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))#['http://www.baidu.com']

或

1. # | 匹配 左边或者右边
2. # print(re.findall('alex|太白|wusir', 'alex太白wusiraleeeex太太白odlb')) # ['alex', '太白', 'wusir', '太白']
3. # print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company')) # ['ies', 'y']
4. # print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company')) # ['companies', 'company']
5. # 分组() 中加入?: 表示将整体匹配出来而不只是()里面的内容。

常用方法举例

1. #1 findall 全部找到返回一个列表。
2. # print(re.findall('a', 'alexwusirbarryeval')) # ['a', 'a', 'a']
5. # 2 search 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。
6. # print(re.search('sb|alex', 'alex sb sb barry 日天')) # <_sre.SRE_Match object; span=(0, 4), match='alex'>
7. # print(re.search('alex', 'alex sb sb barry 日天').group()) # alex
10. # 3 match：None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match
11. # print(re.match('barry', 'barry alex wusir 日天')) # <_sre.SRE_Match object; span=(0, 5), match='barry'>
12. # print(re.match('barry', 'barry alex wusir 日天').group()) # barry
15. # 4 split 分割 可按照任意分割符进行分割
16. # print(re.split('[ ：:,;；，]','alex wusir,日天，太白;女神;肖锋：吴超')) # ['alex', 'wusir', '日天', '太白', '女神', '肖锋', '吴超']
19. # 5 sub 替换
21. # print(re.sub('barry', '太白', 'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。'))
22. # 太白是最好的讲师，太白就是一个普通老师，请不要将太白当男神对待。
23. # print(re.sub('barry', '太白', 'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。',2))
24. # 太白是最好的讲师，太白就是一个普通老师，请不要将barry当男神对待。
25. # print(re.sub('([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)', r'\5\2\3\4\1', r'alex is sb'))
26. # sb is alex
28. # 6 重复使用
29. # obj=re.compile('\d{2}')
31. # print(obj.search('abc123eeee').group()) #12
32. # print(obj.findall('abc123eeee')) #['12'],重用了obj
35. # import re
36. # ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器
37. # print(ret) # <callable_iterator object at 0x10195f940>
38. # print(next(ret).group()) #查看第一个结果
39. # print(next(ret).group()) #查看第二个结果
40. # print([i.group() for i in ret]) #查看剩余的左右结果

命名分组举例（了解）

1. # 命名分组匹配：
2. ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
3. # #还可以在分组中利用?<name>的形式给分组起名字
4. # #获取的匹配结果可以直接用group('名字')拿到对应的值
5. # print(ret.group('tag_name')) #结果 ：h1
6. # print(ret.group()) #结果 ：<h1>hello</h1>
7. #
8. # ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")
9. # #如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致
10. # #获取的匹配结果可以直接用group(序号)拿到对应的值
11. # print(ret.group(1)) #结果: hello
12. # print(ret.group()) #结果 ：<h1>hello</h1>