Python 入门之 内置模块 -- re模块
2019-12-24 本文已影响0人
一条Python代码
1、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 | 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 |
| ab | 匹配a或者b |
| () | 匹配括号内的表达式，也表示一个组 |
推荐Python大牛在线分享技术 扣qun：855408893
领域：web开发，爬虫，数据分析，数据挖掘，人工智能
零基础到项目实战，7天学习上手做项目
---------------------------------------------------------------------匹配模式-------------------------------------------------------------------------
import re
<1> \w 字母，数字，下划线，中文
print(re.findall("\w","小明-Marry_dsb123啸天吃D早餐")) # \w 字母.数字.下划线.中文
<2> \W 不是字母，数字，下划线，中文
print(re.findall("\W","小明-Marry_dsb123啸天吃D早餐")) # \w 不是字母.数字.下划线.中文
<3> \d 匹配数字
print(re.findall("\d","十10⑩")) # \d 匹配数字
<4> \D 匹配非数字
print(re.findall("\D","十10⑩")) # \D 匹配非数字
<5> \A 从字符串开头匹配 以什么开头 常用 ^a
print(re.findall("\Aa","asfdasdfasdfalex"))
print(re.findall("^a","alex")) # 以什么开头
<6> \Z 从字符串结尾匹配 以什么结尾 常用 $
print(re.findall("d\Z","asfdasdfasdfalex"))
print(re.findall("x$","alex")) # 匹配什么结尾
<7> \n 匹配换行符
print(re.findall("\n","alex\nwusir"))
<8> \t 匹配制表符
print(re.findall("\t","alex\twusir"))
<9> 字符串 匹配相应的字符串
print(re.findall("alex","alex\twusiralex"))
<10> [...] 匹配字符组中的字符
print(re.findall('[0-9]',"小明-Marry_dsb123啸天吃D早餐"))
print(re.findall('[a-z]',"小明-Marry_dsb123啸天吃D早餐"))
print(re.findall('[A-Z]',"小明-Marry_dsb123啸天吃D早餐"))
<11> ^[ ] 匹配非字符组中的字符
print(re.findall("[^0-9a-z]","123alex456"))
<12> *匹配0个或多个左边的字符 贪婪匹配
print(re.findall("a*","marry,aa,aaaa,bbbbaaa,aaabbbaaa")) # 匹配*左侧字符串0次或多次 贪婪匹配
<13> +匹配1个或多个左边的字符 贪婪匹配
print(re.findall("a+","alex,aa,aaaa,bbbbaaa,aaabbbaaa")) 匹配左侧字符串一次或多次 贪婪匹配
<14> ?匹配0个或1个左边的字符 非贪婪匹配
print(re.findall("a?","alex,aa,aaaa,bbbbaaa,aaabbbaaa")) # 匹配?号左侧0个或1个 非贪婪匹配
<15> {n} 精准匹配左边n个前面的表达式
print(re.findall("[0-9]{11}","18612239999,18612239998,136133333323")) # 指定查找的元素个数
<16> {n,m} 匹配n到m次前面的正则表达式定义的片段
print(re.findall("a{3,8}","alex,aaaabbbaaaaabbbbbbaaa,aaaaaaaaabb,ccccddddaaaaaaaa"))
<17> a|b 匹配a或b
print(re.findall("a|b","alexdsb"))
<18> () 匹配括号内的表达式，也表示一组
print(re.findall("<a>(.+)</a>","<a>alex</a> <a>wusir</a>")) #分组
print(re.findall("<a>(.+?)</a>","<a>alex</a> <a>wusir</a>")) #控制贪婪匹配
<19> . 匹配任意字符，除了换行符 当定义re.DOTALL时，可以匹配换行符
print(re.findall("a.c","abc,aec,a\nc,a,c")) # 匹配任意一个字符串(\n除外)
print(re.findall("a.c","abc,aec,a\nc,a,c",re.DOTALL))
<20> . 就没有任意功能了
print(re.findall("-\d+\.\d+|-[0-9]|\d+",s))
<21> \s 匹配空格
print(re.findall("\s","alex\tdsbrimocjb")) # \s 匹配空格
<22> \S 匹配非空格
print(re.findall("\S","alex\tdsbrimocjb")) # \s 匹配非空格
试题：
有如下字符串:'alex_sb ale123_sb wu12sir_sb wusir_sb ritian_sb' 的 alex wusir '找到所有带_sb的内容
答案：
s = 'alex_sb ale123_sb wu12sir_sb wusir_sb ritian_sb'print(re.findall("(.+?)_sb",s))
-------------------------------------------------------------------常用方法----------------------------------------------------------------
（1）findall 全部找到返回的是一个列表
print(re.findall("alex","alexdsb,alex_sb,alexnb,al_ex"))
（2）search 从字符串中任意位置进行匹配查找到一个就停止了,返回的是一个对象. 获取匹配的内容必须使用.group()进行获取
print(re.search("a.+","lexaaaa,bssssaaaasa,saaasaasa").group())
（3）match 从字符串开始位置进行匹配
print(re.match("a.+","alexalexaaa,bssssaaaasa,saaasaasa").group())
试题
search 和 match 的区别
search 从任意位置开始查找
match 从头开始查找，如果不符合就不继续查找了
都用group()进行查看
（4）split -- 分割 必须要有[ ]
print(re.split("[:;,.!#]","alex:dsb#wusir.djb"))
（5）sub -- 替换
s = "alex:dsb#wusir.djb"
print(re.sub("d","e",s,count=1))
（6）complie -- 定义匹配规则
s = re.compile("\w")
print(s.findall("alex:dsb#wusir.djb"))
（7）finditer -- 返回一个迭代器
s = re.finditer("\w","alex:dsb#wusir.djb") # 返回的就是一个迭代器
print(next(s).group())
print(next(s).group())
for i in s:
print(i.group())
（8）search -- 给分组命名 ?P
ret = re.search("<(?P<tag_name>\w+)>\w+</\w+>","<h1>hello</h1>")
ret = re.search("<(?P<tag_name>\w+)>(?P<content>\w+)</\w+>","<h1>hello</h1>")
print(ret.group("tag_name"))
print(ret.group("content"))
