正則表達式和re模塊

1、正則表達式

（1）定義：匹配字符串內容的一種規則。正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。

（2）字符組：

定義：同一位置上可以出現字符的範圍。

正則

待匹配字符

匹配 結果

說明

[0123456789]

8

True

在一個字符組裏枚舉合法的所有字符，字符組裏的任意一個字符 和"待匹配字符"相同都視為可以匹配

[0123456789]

a

False

由於字符組中沒有"a"字符，所以不能匹配

[0-9]

7

True

也可以用-表示範圍,[0-9]就和[0123456789]是一個意思

[a-z]

s

True

同樣的如果要匹配所有的小寫字母，直接用[a-z]就可以表示

[A-Z]

B

True

[A-Z]就表示所有的大寫字母

[0-9][a-f][A-F]

e

True

可以匹配數字，大小寫形式的a～f，用來驗證十六進制字符

（3）字符：

元字符

匹配內容

匹配非字母或數字或下劃線

匹配非數字

匹配非空白符

匹配字符a或字符b

匹配括號內的表達式，也表示一個組

匹配字符組中的字符

匹配除了字符組中字符的所有字符

（4）量詞：

量詞

用法說明

（5）* + ？ {} 的用法

?表示重復零次或一次，即只匹配"李"後面一個任意字符

*表示重復零次或多次，即匹配"李"後面0或多個任意字符

+表示重復一次或多次，即只匹配"李"後面1個或多個任意字符

{1,2}匹配1到2次任意字符

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

（6）字符集 [] 和 [^]

表示匹配"李"字後面[傑蓮英二棍子]的字符任意次

表示匹配一個不是"和"的字符任意次

表示匹配任意一個數字，匹配到4個結果

表示匹配任意個數字，匹配到2個結果

（7）分組()與或 | 、[^]

現在不會匹配錯誤的身份證號了 ()表示分組，將\d{2}[0-9x]分成一組，就可以整體約束他們出現的次數為0-1次

表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}

（8）轉義符 /

如果在python中，字符串中的‘\‘也需要轉義，所以每一個字符串‘\‘又需要轉義一次

在字符串之前加r，讓整個字符串不轉義

（9）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。

默認為貪婪匹配模式，會匹配盡量長的字符串

加上？為將貪婪匹配模式轉為非貪婪匹配模式，會匹配盡量短的字符串

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：
.*?x

就是取前面任意長度的字符，直到一個x

2、re模塊下的常用方法

import re

ret = re.findall(‘a‘, ‘eva egon yuan‘)  # 返回所有滿足匹配條件的結果,放在列表裏
print(ret) #結果 : [‘a‘, ‘a‘]

ret = re.search(‘a‘, ‘eva egon yuan‘).group()
print(ret) #結果 : ‘a‘
# 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。

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

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‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#將數字替換成‘H‘，參數1表示只替換1個
print(ret) #evaHegon4yuan4

ret = re.subn(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘)#將數字替換成‘H‘，返回元組(替換的結果,替換了多少次)
print(ret)

obj = re.compile(‘\d{3}‘)  #將正則表達式編譯成為一個 正則表達式對象，規則要匹配的是3個數字
ret = obj.search(‘abc123eeee‘) #正則表達式對象調用search，參數為待匹配的字符串
print(ret.group())  #結果 ： 123

import re
ret = re.finditer(‘\d‘, ‘ds3sy4784a‘)   #finditer返回一個存放匹配結果的叠代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一個結果
print(next(ret).group())  #查看第二個結果
print([i.group() for i in ret])  #查看剩余的左右結果

註意：

1 、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‘]

2、split的優先級查詢

ret=re.split("\d+","eva3egon4yuan")
print(ret) #結果 ： [‘eva‘, ‘egon‘, ‘yuan‘]

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #結果 ： [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘]

#在匹配部分加上（）之後所切出的結果是不同的，
#沒有（）的沒有保留所匹配的項，但是有（）的卻能夠保留了匹配的項，
#這個在某些需要保留匹配部分的使用過程是非常重要的。

正則表達式和re模塊