一.re模塊

就其本質而言，正則表達式（或 RE）是一種小型的、高度專業化的編程語言，（在Python中）它內嵌在Python中，並通過 re 模塊實現。正則表達式模式被編譯成一系列的字節碼，然後由用 C 編寫的匹配引擎執行。

字符匹配（普通字符，元字符）：

1 普通字符：大多數字符和字母都會和自身匹配
>>> re.findall(‘alvin‘,‘yuanaleSxalexwupeiqi‘)
[‘alvin‘]

2 元字符：. ^ $ * + ? { } [ ] | ( ) \

元字符

. ^ $

import re

ret1
 
=re.findall(‘李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)

ret2=re.findall(‘^李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)

ret3=re.findall(‘李.$‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)

* + ? {}

import re

ret1=re.findall(‘李.*‘,‘李傑\nalex\n李蓮英\negon\nalvin\n李二棍子‘)
ret2=re.findall(‘李.+‘,‘李傑\nalex\n李蓮英\negon\nalvin\n李二棍子
 
‘)

ret3=re.findall(‘(李.{1,2})\n‘,‘李傑\nalex\n李蓮英\negon\nalvin\n李二棍子‘) # 設定優先級的原因

# 匹配一個數字包括整型和浮點型
ret4=re.findall(‘\d+\.?\d*‘,‘12.45,34,0.05,109‘)

print(ret4)

註意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，後面加?號使其變成惰性匹配

ret=re.findall(‘131\d+?‘,‘1312312312‘)
print(ret)  [‘1312‘]

轉義符 \

1、反斜杠後邊跟元字符去除特殊功能,比如\.

2、反斜杠後邊跟普通字符實現特殊功能,比如\d

\d  匹配任何十進制數；      它相當於類 [0-9]。
\D  匹配任何非數字字符；    它相當於類 [^0-9]。
\s  匹配任何空白字符；      它相當於類 [ \t\n\r\f\v]。
\S  匹配任何非空白字符；    它相當於類 [^ \t\n\r\f\v]。
\w  匹配任何字母數字字符；   它相當於類 [a-zA-Z0-9_]。
\W  匹配任何非字母數字字符； 它相當於類 [^a-zA-Z0-9_]
\b  匹配一個特殊字符邊界，比如空格 ，&，＃等

讓我們看一下\b的應用：

ret=re.findall(r‘I\b‘,‘I am LIST‘)
print(ret)#[‘I‘]

接下來我們試著匹配下“abc\le”中的‘c\l’:

import re

ret=re.findall(‘c\l‘,‘abc\le‘)
print(ret)#[]

ret=re.findall(‘c\\l‘,‘abc\le‘)
print(ret)#[]

ret=re.findall(‘c\\\\l‘,‘abc\le‘)
print(ret)#[]

ret=re.findall(r‘c\\l‘,‘abc\le‘)
print(ret)#[]


# \b是特殊符號所以,‘abc\be‘前面需要加r
ret=re.findall(r‘c\\b‘,r‘abc\be‘)
print(ret)#[]

分組 () 優先匹配分組的內容，註意（？：）取消優先級

m = re.findall(r‘(ad)+‘, ‘add‘)
print(m)
 
ret=re.search(‘(?P<id>\d{2})/(?P<name>\w{3})‘,‘23/com‘)
print(ret.group())#23/com
print(ret.group(‘id‘))#23

元字符之 | 或

ret=re.search(‘(ab)|\d‘,‘rabhdg8sd‘)
print(ret.group())#ab

字符集 [ ] 或者的關系

#--------------------------------------------字符集[]
ret=re.findall(‘a[bc]d‘,‘acd‘)
print(ret)#[‘acd‘]
 
ret=re.findall(‘[a-z]‘,‘acd‘)
print(ret)#[‘a‘, ‘c‘, ‘d‘]
 
ret=re.findall(‘[.*+]‘,‘a.cd+‘)
print(ret)#[‘.‘, ‘+‘]
 
#在字符集裏有功能的符號: - ^  
ret=re.findall(‘[1-9]‘,‘45dha3‘)
print(ret)#[‘4‘, ‘5‘, ‘3‘]
 
ret=re.findall(‘[^ab]‘,‘45bdha3‘)
print(ret)#[‘4‘, ‘5‘, ‘d‘, ‘h‘, ‘3‘]
 
ret=re.findall(‘[\d]‘,‘45bdha3‘)
print(ret)#[‘4‘, ‘5‘, ‘3‘]

貪婪匹配

貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認情況下，采用貪婪匹配

string pattern1 = @"a.*c";   // greedy match 
Regex regex = new Regex(pattern1);
regex.Match("abcabc"); // return "abcabc"
非貪婪匹配：在滿足匹配時，匹配盡可能短的字符串，使用?來表示非貪婪匹配

string pattern1 = @"a.*?c";   // non-greedy match 
Regex regex = new Regex(pattern1);
regex.Match("abcabc"); // return "abc"

幾個常用的非貪婪匹配Pattern

*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復

.*?的用法：

. 是任意字符 * 是取 0 至 無限長度 ? 是非貪婪模式。 何在一起就是 取盡量少的任意字符，一般不會這麽單獨寫，他大多用在： .*?a 就是取前面任意長度的字符，到底一個 a 出現

re模塊下的常用方法

import re

re.findall(‘a‘,‘alvin yuan‘)    #返回所有滿足匹配條件的結果,放在列表裏

re.search(‘a‘,‘alvin yuan‘).group()  

               #函數會在字符串內查找模式匹配,只到找到第一個匹配然後返回一個包含匹配信息的對象,該對象可以
               # 通過調用group()方法得到匹配的字符串,如果字符串沒有匹配，則返回None。
 


re.match(‘a‘,‘abc‘).group()     #同search,不過盡在字符串開始處進行匹配
 

ret=re.split(‘[ab]‘,‘abcd‘)     #先按‘a‘分割得到‘‘和‘bcd‘,在對‘‘和‘bcd‘分別按‘b‘分割

print(ret)#[‘‘, ‘‘, ‘cd‘]
 

ret=re.sub(‘\d‘,‘abc‘,‘alvin5yuan6‘,1)

ret=re.subn(‘\d‘,‘abc‘,‘alvin5yuan6‘)



obj=re.compile(‘\d{3}‘)
ret=obj.search(‘abc123eeee‘)
print(ret.group())#123


import re
ret=re.finditer(‘\d‘,‘ds3sy4784a‘)
print(ret)        #<callable_iterator object at 0x10195f940>
 
print(next(ret).group())
print(next(ret).group())

註意：

findall的優先級查詢：

import re
 
ret=re.findall(‘www.(baidu|oldboy).com‘,‘www.oldboy.com‘)
print(ret)#[‘oldboy‘]     這是因為findall會優先把匹配結果組裏內容返回,如果想要匹配結果,取消權限即可
 
ret=re.findall(‘www.(?:baidu|oldboy).com‘,‘www.oldboy.com‘)
print(ret)#[‘www.oldboy.com‘]

Day13：正則表達式