2.7 - 正则表达式

2.7.1 正则表达式 - 普通字符及正则方法

import re

# 正则表达式 - 普通字符
string = 'hello world rld'
p = re.compile('rld')  # 编译正则表达式，返回Pattern实例对象

m = p.search(string)  # 寻找字符串中 第一个 符合规则的子串
print(isinstance(m, re.Match), m)

n = p.match(string, 6, 9)  # 从pos指定的下标位置开始匹配(参数默认0)，如果指定下标位置匹配不上就返回None
print(n)

k = p.fullmatch(string, 3, 5)  # 整个字符串完全匹配
print(k)  # 对于普通字符而言，只能是 表达式和字符串相同才可以，一般用来匹配元字符规则

x = p.findall(string, 2, 1)  # 获取所有匹配成功的，返回一个列表
print(x)

2.7.2 正则表达式 - 特殊字符（元字符）

　　正则表达式，不论是普通字符还是元字符，不要随便加空格，因为在匹配的时候，空格也会被看作匹配规则的一部分！！！

"""
.       除换行符(\n)之外的任意一个字符
.       编译模式（re.compile(pattern, flags=re.S)）下的 . ，可以匹配包含换行符(\n)在内的任意一个字符

^       字符串开头，多行模式下(re.compile(pattern,flags=re.M))，换行符也当作开头
$       字符串结尾，多行模式下，换行符也当作结尾

*       对前面的正则表达式 [0，+∞) 次贪婪重复匹配
+       对前面的正则表达式 [1，+∞) 次贪婪重复匹配
?       对前面的正则表达式 [0, 1] 次贪婪重复匹配
{m}     对前面的正则表达式 m 次重复匹配
{m,n}   对前面的正则表达式 [m, n] 次贪婪重复匹配
    ---上述5个都是贪婪的，能匹配多少就匹配多少
    ---上述5个后面加上？，贪婪 =》非贪婪
    
|      或，分支结构，'cat|dog'：匹配的是 cat和dog，不是 catog和cadog。
\       转义字符

\b      匹配字符串的边界. 所谓边界:isalnum为True的都不是边界
\B      匹配字符串的非边界，

\d      匹配数字字符
\D      匹配非数字字符

\s      匹配任意一个空白符（空格，换行\n，制表符\t）
\S      匹配任意一个非空白符

\w      匹配任意一个 （数字 字母 下划线） 等价于 [a-zA-Z0-9]
\W      匹配任意一个非 （数字 字母 下划线）

\Z      只匹配末尾且不接收换行模式；$匹配末尾或末尾的\n，且识别 换行模式re.M
"""

2.7.3 元字符 之 字符组

　　[...]        字符组，可匹配其中任意一个字符。在字符组中，只有 - 和 ^ 和 转义字符 才可能是元字符，其它的如 + ? . 等都是普通字符。

　　[  -  ]      连字符，表示一个范围，如：[a-zA-Z0-9]，表示任意一个 大小写字母或数字

　　[^...]       排除字符，如：[^a-zA-Z] ，表示：匹配 非大小写字母 的字符

 　　　　字符集内，除了元字符，其余普通字符表达的含义都是 或，而字符集外的普通字符，表达的含义是：当前是且接下来是。

2.7.4 环视

　　匹配前缀，匹配后缀和寻找重复的单词

 

2.7.5 分组和捕获

　　1） 分组的初始化

　　　　a. 直接用圆括号 (exp)  ，第一个分组编号为1，第二个分组编号为2，... 。整个正则表达式的分组编号是0。

　　　　b. 定义分组并命名 (?P<name>exp) ，分组的同时也会分配分组编号。

　　　　c. 非捕获分组 (?: exp)  ，只负责匹配文本，既没有分组名，也没有分组编号，也不能被引用。

　　2）引用分组

　　　　引用分组是对前面匹配到的文本进行重复匹配，不是匹配规则！！！

　　　　可以通过分组名称：(?P=name) 或 分组编号：\编号 来引用分组。注：非捕获分组既没有名称，也没有编号，因此，不能被引用。

2.7.6 正则表达式的方法

　　1）findall

　　　　对于非捕获分组，findall方法，会返回所有匹配到的文本的列表。

>>> re.findall(r'(\d{3,4}-)?(\d{7,8})','020-82228888\n0357-4227865') 
[('020-', '82228888'), ('0357-', '4227865')]

　　　　对于捕获分组，findall()方法，会返回一个元组列表，每个元组的组成元素是，每个子分组匹配到的内容。

>>> re.findall(r'(?:\d{3,4}-)?\d{7,8}','020-82228888\n4227865')     
['020-82228888', '4227865']

　　2）sub　　将正则匹配到的文本进行替换

p = re.compile(r'blue|red|yellow|green')
x = p.sub('color', "the flower's color including red, blue, green.")
print(x)

# 结果：the flower's color including color, color, color.

 

 

Reference：

　　https://www.cnblogs.com/ljhdo/p/4847209.html