python-正则表达式

概念

正则表达式是对字符串操作的一种逻辑公式。用于搜索、替换和解析字符串。

作用

• 1、给定字符串是否符合正则表达式的过滤逻辑(匹配)
• 2、从字符串中获想要的特定部分
• 3、对目标字符串进行替换

常用的字符

符号	描述
.	匹配任意一个字符(除了\n)
[]	匹配列表中的字符
\w	匹配字母、数字、下划线、即a-z，A-Z，0-9，_
\W	匹配不是字母、数字、下划线
\s	匹配空白字符，即空格（\n, \t）
\S	匹配不是空白的字符
\d	匹配数字，即0-9
\D	匹配非数字的字符

常用的限定符

符号	描述
*	匹配零次或者多次
+	匹配一次或者多次
?	匹配一次或者零次
	重复m次
	重复m到n次，其中n可以省略，表示m到任意次
	至少m次

常用修饰符 - 可选标志

修饰符	描述
re.I	不区分大小写
re.L	做本地识别(locale-aware)匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \B ,\b
re.X	给与更灵活的格式以便将正则表达式写的易于理解

原生字符串

• 正则表达式里面使用 "" 作为转义字符，可能会造成反斜杠困扰。
• 使用原生字符解决困扰，使用 r 的前缀

边界字符

字符	描述
^	匹配字符串的开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词的边界

*** ^ 和 [^m] 中的“^”的含义并不相同，后者“^”表示“除了….”的意思**

匹配多个字符串

• search()方法搜索多个字符串，使用择一匹配符号 | ，择一符号和逻辑差不多，只要满足其中一个，就匹配成功

分组

• 一个模式字符串中有用一堆圆括号括起来的部分，这个部分就会作为一组，可以通过group()方法指定组的匹配字符串

字符	描述
(ab)	将括号中的字符作为一个分组
\num	引用分组num匹配到的字符串
(?P<name>)	分别起组名
(?P=name)	引用别名为name分组匹配到的字符串

• 用 group 方法获取指定组的值时，组从 1 开始，也就是说，group(1)获取第 1 组的 值，group(2)获取第 2 组的值，以此类推。
• groups 方法用于获取所有组的值，以元组形式返回。所以除了使用 group(1)获取第 1 组的值外，还可以使用 groups()[0]获取第 1 组的值。获取第 2 组以及其它组的值 的方式类似。

re模块中的常用函数

1、match()方法

• 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None。
• 格式语法：re.match(pattern, string, flags=0)
  pattern: 匹配的正则表达式
  string：要匹配的字符串
  flags：标志位，用于控制正则表达式的匹配方式
• 匹配成功，可以调用对象中的group()方法获取字符串

2、search()方法

• 在一个字符串中搜索满足文本模式的字符串
• 语法格式：re.search(pattern, string, flags=0)
  pattern: 匹配的正则表达式
  string：要匹配的字符串
  flags：标志位，用于控制正则表达式的匹配方式

*match() 和 search()的区别

• match()是从字符串的开始匹配，字符串开始不符合正则表达式，就匹配失败，返回None；而search()是匹配整个字符串，直到找到一个子字符串为止，匹配失败的话，返回None。

3、sub()与subn()方法

• 这两个函数用于实现搜索和替换功能，功能基本完全一样。不同的是返回值，sub()函数返回的是替换后的结果，subn()函数返回一个元组，元组的第一个元素是替换后的结果，第二个是元素是替换的总数
  语法格式：re.sub(pattern, repl, string, count=0, flags=0)
  pattern: 匹配的正则表达式
  repl: 替换的字符串，也可以是一个函数
  string: 要被替换的原始字符串
  count: 模式匹配后替换的最大次数，默认为 0 表示替换所有匹配的

4、compile()方法

• 用于编译正则表达式，生成一个正则表达式对象，供给match()方法和search()方法使用
• 语法格式：re.compile(pattern[,flags])
  pattern: 一个字符串形式的正则表达式
  flags: 可选，表示匹配模式，比如忽略大小写，多行模式等等

5、findall()方法

• 在字符串中找到正则表达式所匹配的所有子串，并翻译个列表，如果没有找到匹配的，返回空列表
• 语法格式： findall(pattern, string, flags=0)
  pattern: 匹配的正则表达式
  string： 要匹配的字符串
  flags： 标志位，用于控制正则表达式的匹配方式

6、finditer()方法

• 和fandall()方法差不多，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

7、split()方法

• 根据正则表达式分隔字符串，返回一个列表形式的分隔结果，每一个列表元素都是分割的子字符串。
• 语法格式： re.split(pattern, string[,maxsplit=0, flags=0])
  pattern: 匹配的正则表达式
  string: 要匹配的字符串
  maxsplit： 分隔次数，默认为 0， 不限制次数
  flags： 标志位，用于控制正则表达式的匹配方式

贪婪模式和非贪婪模式

• 贪婪模式是指python里面数量词默认是贪婪的，尽可能多的匹配字符。非贪婪模式则是尽可能少的匹配字符。
• 可以在 '*', '?', '+', '{m,n}'后面加上?, 是贪婪模式变成非贪婪模式.