re模块

re模块

1.什么是正则？

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

元字符	匹配内容
\w	匹配字母（包含中文）或数字或下划线
\W	匹配非字母（包含中文）或数字或下划线
\s	匹配任意的空白符
\S	匹配任意非空白符
\d	匹配数字
\D	p匹配非数字
\A	从字符串开头匹配
\z	匹配字符串的结束，如果是换行，只匹配到换行前的结果
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开始
$	匹配字符串的结尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中的字符的所有字符
*	匹配0个或者多个左边的字符。
+	匹配一个或者多个左边的字符。
？	匹配0个或者1个左边的字符，非贪婪方式。
{n}	精准匹配n个前面的表达式。
{n,m}	匹配n到m次由前面的正则表达式定义的片段，贪婪方式
a|b	匹配a或者b。
()	匹配括号内的表达式，也表示一个组

匹配模式举例

 

# 正则匹配
import re
# \w匹配字母(包括中文)或数字或下划线
# \W匹配非字母(包括中文)或数字或下划线

# print(re.findall('\w','meet 21*()'))
# ['m', 'e', 'e', 't', '2', '1']
# print(re.findall('\W','meet 21*()'))
# [' ', '*', '(', ')']

# \s匹配任意的空白符
# \S匹配任意非空白符
# print(re.findall('\s','meet 21*()'))
# [' ']
# print(re.findall('\S','meet 21*()'))
# ['m', 'e', 'e', 't', '2', '1', '*', '(', ')']
# \d匹配数字
# \D匹配非数字
# print(re.findall('\d','meet 21*()'))
# ['2', '1']
# print(re.findall('\D','meet 21*()'))
# ['m', 'e', 'e', 't', ' ', '*', '(', ')']

# \A从字符串开头匹配
# ^匹配字符串的开始
# print(re.findall('\Am','meet 21*()'))
# ['m']
# print(re.findall('^m','meet 21*()'))
# ['m']

# \z匹配字符串的结束,如果是换行,只匹配到换行前的结果
# $匹配字符串的结尾
# print(re.findall('a\z','meet 21*()a'))
# print(re.findall('a\Z','meet 21*()a'))
# print(re.findall('a$','meet 21*()a'))

# \n匹配一个换行符
# \t匹配一个制表符
# print(re.findall('\n','meet 21*()a'))
# print(re.findall('\t','meet 21*()a'))

# 重复匹配
# . ? * + {m,n} .* .*?

# .匹配任意字符,除了换行符(re.DOTALL这个参数可以匹配\n)
# print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb'))  # ['aab', 'a*b', 'a2b', 'a牛b']
# print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb',re.DOTALL))  # ['aab', 'a*b', 'a2b', 'a牛b']

# ?匹配0个或者1个由左边字符定义的片段
# print(re.findall('a?b', 'ab aab abb aaaab a牛b aba**b'))
# ['ab', 'ab', 'ab', 'b', 'ab', 'b', 'ab', 'b']


# *匹配0个或者多个左边字符表达式.满足贪婪匹配
# print(re.findall('a*b', 'ab aab aaab abbb'))  # ['ab', 'aab', 'aaab', 'ab', 'b', 'b']
# print(re.findall('ab*', 'ab aab aaab abbbbb'))  # ['ab', 'a', 'ab', 'a', 'a', 'ab', 'abbbbb']


# +匹配1个或者多个左边字符表达式.满足贪婪匹配
# print(re.findall('a+b', 'ab aab aaab abbb'))  # ['ab', 'aab', 'aaab', 'ab']

# {m,n}匹配m个至n个左边字符表达式.满足贪婪匹配
# print(re.findall('a{2,4}b', 'ab aab aaab aaaaabb'))  # ['aab', 'aaab']

# .* 贪婪匹配 从头到尾.
# print(re.findall('a.*b', 'ab aab a*()b'))  # ['ab aab a*()b']


# .*? 此时的?不是对左边的字符进行0次或者1次的匹配,
# 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!
# print(re.findall('a.*?b', 'ab a1b a*()b, aaaaaab'))  # ['ab', 'a1b', 'a*()b']

# []括号中可以放任意一个字符,一个中括号代表一个字符
# - 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.
# ^ 在[]中表示取反的意思.
# print(re.findall('[^a-b]', 'a1b a3b aeb a*b arb a_b'))
# ['1', ' ', '3', ' ', 'e', ' ', '*', ' ', 'r', ' ', '_']
# print(re.findall('a[0-9]b', 'a1b a3b aeb a*b arb a_b'))
# ['a1b', 'a3b']
# - 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.
# print(re.findall('a[-*+]b','a-b a*b a+b a/b a6b'))  # ['a-b', 'a*b', 'a+b']


# 练习:
# 找到字符串中'alex_sb ale123_sb wu12sir_sb wusir_sb ritian_sb' 的 alex wusir ritian
# print(re.findall('([a-z]+)_sb','alex_sb ale123_sb wusir12_sb wusir_sb ritian_sb'))

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

# | 匹配 左边或者右边
# print(re.findall('alex|太白|wusir', 'alex太白wusiraleeeex太太白odlb'))  # ['alex', '太白', 'wusir', '太白']
# print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company'))  # ['ies', 'y']
# print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company'))  # ['companies', 'company']
# 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

import  re

# re.findall()#全部找到返回一个列表
# ret = re.findall(r'a','dassaaas')
# print(ret)
# re.finditer()   #找到所有存放在迭代器里
# ret=re.finditer(r'rd','ard')
# print(ret.__next__().group()) #group有此参数就可不使用生成器一次次打印,可直接全部打出
# print(re.findall('a.+d','asds asd'))

# 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。
# print(re.search('sb|alex','alex sb sb barry 日天'))
# <_sre.SRE_Match object; span=(0, 4), match='alex'>
# print(re.search('alex','alex sb sb barry 日天').group())

# 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
# print(re.match('barry', 'barry alex wusir 日天'))  # <_sre.SRE_Match object; span=(0, 5), match='barry'>
# print(re.match('barry', 'barry alex wusir 日天').group()) 
# barry

# split 分割 可按照任意分割符进行分割
# 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']

# sub 替换
# print(re.sub('a','b','asdqweasda'))
# bsdqwebsdb
# print(re.sub('a','b','asdqweasda',2))#可以指定替换次数
# bsdqwebsda


# obj=re.compile('\d{2}')指定匹配两个数字
# print(obj.search('abc123eee').group())
# 12

# 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])  #查看剩余的结果

 

命名分组举例

# 命名分组匹配：
ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
# #还可以在分组中利用?<name>的形式给分组起名字
# #获取的匹配结果可以直接用group('名字')拿到对应的值
# print(ret.group('tag_name'))  #结果 ：h1
# print(ret.group())  #结果 ：<h1>hello</h1>
#
# ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")
# #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
# #获取的匹配结果可以直接用group(序号)拿到对应的值
# print(ret.group(1))
# print(ret.group())  #结果 ：<h1>hello</h1>

 

练习题

# 相关练习题
# 1，"1-2*(60+(-40.35/5)-(-4*3))"
    # 1.1 匹配所有的整数
# print(re.findall('\d+',"1-2*(60+(-40.35/5)-(-4*3))"))
    # 1.2 匹配所有的数字（包含小数）
# print(re.findall(r'\d+\.?\d*|\d*\.?\d+', "1-2*(60+(-40.35/5)-(-4*3))"))
    # 1.3 匹配所有的数字（包含小数包含负号）
# print(re.findall(r'-?\d+\.?\d*|\d*\.?\d+', "1-2*(60+(-40.35/5)-(-4*3))"))

# 2,匹配一段你文本中的每行的邮箱
    # http://blog.csdn.net/make164492212/article/details/51656638 匹配所有邮箱
    
# 3，匹配一段你文本中的每行的时间字符串 这样的形式：'1995-04-27'
s1 = '''
时间就是1995-04-27,2005-04-27
1999-04-27 老男孩教育创始人
老男孩老师 alex 1980-04-27:1980-04-27
2018-12-08
'''
# print(re.findall('\d{4}-\d{2}-\d{2}', s1))

# 4 匹配 一个浮点数
# print(re.findall('\d+\.\d*','1.17'))

# 5 匹配qq号：腾讯从10000开始：
# print(re.findall('[1-9][0-9]{4,}', '2413545136'))

s1 = '''
<p><a style="text-decoration: underline;" href="http://www.cnblogs.com/jin-xin/articles/7459977.html" target="_blank">python基础一</a></p>'''

# 1,找到所有的p标签
# ret = re.findall('<p>.*?</p>', s1)
# print(ret)


# 2,找到所有a标签对应的url
# print(re.findall('<a.*?href="(.*?)".*?</a>',s1))