正则表达式 笔记

1、re.compile(pattern, flags=0)

将正则表达式的样式编译为一个 正则表达式对象 （正则对象），可以用于匹配，通过这个对象的方法 match(), search() 以及其他如下描述。

这个表达式的行为可以通过指定 标记 的值来改变。值可以是以下任意变量，可以通过位的OR操作来结合（ | 操作符）。

 

2、如何匹配多个多个字符串组，但是只替换其中一部分？

比如：string = 'print 123' 要匹配123，但是要把123前后都变成 'print(123)'

 

3、常用的正则表达式

英文字符 r = r'[a-zA-Z]'

数字 r = r'[0-9]'

中文 r = r'[\u4e00-\u9fa5]'  #只有汉字，没有中文符号

标点符号 r = r'[’!"#$%&\'*+,-./:;<=>?@，。?★、…【】《》？“”‘’！[\\]^_`{}~'

方括号里面加^表示匹配除了方括号，以外的字符

 

 r = r'[a-zA-Z]+'表示匹配多个这个字符

 r = r'[a-zA-Z]{2}'表示匹配多个这个字符2次

如果是r = r'[a-zA-Z]{2,}'表示匹配多个这个字符2次及以上

 

\w匹配 字母、数字、下划线    就是\加一个什么东西都是有特定含义的，否则就要用r表明没有转移字符

\W非。。。

\s 匹配人意空白字符

$ 匹配字符串的末尾

^ 匹配字符串开头

 

注意！！！

|在正则表达式里是有特殊含义的，所以不要使用|进行分割

如果使用|进行分割，则正则表达式里不应该含有|

# -*- coding: utf-8 -*-

import re

a = '我知道,abc,你不懂我'
#去除|之后的中文

r = '(.*?),([a-zA-Z,]+)([\u4e00-\u9fa5]+)'
# r = r'(.*?)|(.*?)'

result = re.sub(r, r'\1 \3', a)

print(result)

#########
re.sub本质是：
1、匹配一个正则，并将匹配到的进行替换，如果没有匹配到，则会没有替换的进行返回
2、如果正则表达式里有分组，就可以提取出分组进行处理，注意，使用分组的时候一定要加r''


=============================
.*和.*?的区别

re.findall('.*at',b)
Out[147]: ['cat, pet, gap, pat']
re.findall('.*?at',b)
Out[148]: ['cat', ', pet, gap, pat']

.* 匹配的时候，尽量长， 所以匹配一整个字符串，这个是最长。称之为贪婪匹配

而.*?匹配的时候尽量短，称之为懒惰匹配.

 

. 是匹配除了换行符意外的所有字符

* 对前面的正则表达式匹配0次或任意次重复，且尽可能长

+对前面的正则表达式匹配1词或以上

？对前面的正则匹配0次或1次

但是？还有另外一个意思，就是用来修饰*，+，和？

原本的*+?都是贪婪的，如果加了？进行修饰，就变成非贪婪的

 

======特殊字符=========

有没有哪些字符串不适合写在正则表达式里进行匹配？

有！

有些字符，比如 '|' 或者 '('，属于特殊字符。 特殊字符既可以表示它的普通含义， 也可以影响它旁边的正则表达式的解释。

|表示或

（）表示分组

如果不想要特殊的含义，就使用\进行进行转码

 

===========常用正则表达式============

http://ling.cuc.edu.cn/RawPub/cyzzs.aspx

 

========判断是否能找到某个表达式==========

search = False
if re.search(r'A|Q|W|-|参考|设置|q', decoded_sentence):
    search = True