re模块大家都叫它正则,那什么又是正则呢?
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。
匹配模式举例
# ----------------匹配模式--------------------# 1,之前学过的字符串的常用操作：一对一匹配# s1 = \'fdskahf太白金星\'# print(s1.find(\'太白\')) # 7
正则匹配：
W
# 单个字符匹配import re# \w 与 \W# print(re.findall(\'\w\', \'太白jx 12*() _\')) # [\'太\', \'白\', \'j\', \'x\', \'1\', \'2\', \'_\']# print(re.findall(\'\W\', \'太白jx 12*() _\')) # [\' \', \'*\', \'(\', \')\', \' \']
S
import re# \s 与\S# print(re.findall(\'\s\',\'太白barry*(_ \t \n\')) # [\' \', \'\t\', \' \', \'\n\']# print(re.findall(\'\S\',\'太白barry*(_ \t \n\')) # [\'太\', \'白\', \'b\', \'a\', \'r\', \'r\', \'y\', \'*\', \'(\', \'_\']
D
import re# \d 与 \D# print(re.findall(\'\d\',\'1234567890 alex *（_\')) # [\'1\', \'2\', \'3\', \'4\', \'5\', \'6\', \'7\', \'8\', \'9\', \'0\']# print(re.findall(\'\D\',\'1234567890 alex *（_\')) # [\' \', \'a\', \'l\', \'e\', \'x\', \' \', \'*\', \'（\', \'_\']
^
import re# \A 与 ^# print(re.findall(\'\Ahel\',\'hello 太白金星 -_- 666\')) # [\'hel\']# print(re.findall(\'^hel\',\'hello 太白金星 -_- 666\')) # [\'hel\']
$
# \Z、\z 与 $# print(re.findall(\'666\Z\',\'hello 太白金星 *-_-* \n666\')) # [\'666\']# print(re.findall(\'666\z\',\'hello 太白金星 *-_-* \n666\')) # []# print(re.findall(\'666$\',\'hello 太白金星 *-_-* \n666\')) # [\'666\']
\n
# \n 与 \t# print(re.findall(\'\n\',\'hello \n 太白金星 \t*-_-*\t \n666\')) # [\'\n\', \'\n\']# print(re.findall(\'\t\',\'hello \n 太白金星 \t*-_-*\t \n666\')) # [\'\t\', \'\t\']
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\')) # [\'a1b\', \'a3b\', \'a4b\', \'a*b\', \'arb\', \'a_b\']# print(re.findall(\'a[abc]b\', \'aab abb acb adb afb a_b\')) # [\'aab\', \'abb\', \'acb\']# print(re.findall(\'a[0-9]b\', \'a1b a3b aeb a*b arb a_b\')) # [\'a1b\', \'a3b\']# print(re.findall(\'a[a-z]b\', \'a1b a3b aeb a*b arb a_b\')) # [\'aeb\', \'arb\']# print(re.findall(\'a[a-zA-Z]b\', \'aAb aWb aeb a*b arb a_b\')) # [\'aAb\', \'aWb\', \'aeb\', \'arb\']# print(re.findall(\'a[0-9][0-9]b\', \'a11b a12b a34b a*b arb a_b\')) # [\'a11b\', \'a12b\', \'a34b\']# print(re.findall(\'a[*-+]b\',\'a-b a*b a+b a/b a6b\')) # [\'a*b\', \'a+b\']# - 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\']# print(re.findall(\'a[^a-z]b\', \'acb adb a3b a*b\')) # [\'a3b\', \'a*b\']
分组
# () 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\']# 应用举例:# print(re.findall(\'href="(.*?)"\',\'<a href="http://www.baidu.com">点击</a>\'))#[\'http://www.baidu.com\']
或
# | 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
#1 findall 全部找到返回一个列表。# print(re.findall(\'a\', \'alexwusirbarryeval\')) # [\'a\', \'a\', \'a\']# 2 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()) # alex# 3 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# 4 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\']# 5 sub 替换# print(re.sub(\'barry\', \'太白\', \'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。\'))# 太白是最好的讲师，太白就是一个普通老师，请不要将太白当男神对待。# print(re.sub(\'barry\', \'太白\', \'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。\',2))# 太白是最好的讲师，太白就是一个普通老师，请不要将barry当男神对待。# print(re.sub(\'([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)\', r\'\5\2\3\4\1\', r\'alex is sb\'))# sb is alex# 6 重复使用# obj=re.compile(\'\d{2}\')# print(obj.search(\'abc123eeee\').group()) #12# print(obj.findall(\'abc123eeee\')) #[\'12\'],重用了obj# 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]) #查看剩余的左右结果
命名分组举例（了解）
# 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)) #结果: hello# print(ret.group()) #结果 ：<h1>hello</h1>