正则表达式(二)

re模块(regex)

• python中没有正则表达式的函数，需要引入内置的re模块

• re模块方法:

  • match:从头开始匹配，只匹配一个结果
    • 作用:接收用户传递过来的url进行匹配(web框架用到)
  • search:整个字符串进行匹配，只匹配第一个获得的结果
  • findall:匹配整个字符串，返回一个列表对象
  • finditer:和findall非常类似,返回一个可迭代的对象,迭代的时候才会创建值
  • split:字符串切割
  • sub:替换
  • 最常用match和findall来查找

• 分组的作用:

  • 在匹配得到的结果中获取局部的值

• re模块查找分类(match,search,findall):

  • 普通匹配:
    • 通过match和search匹配成功返回的对象中,group得到的匹配得到的完整结果

  regex = 'H\w+'
  ret = re.match(regex, origin)
  print(ret.group())      # Hello
  print(ret.groups())     # ()
  print(ret.groupdict())  # {}
  

  • 分组匹配:
    • 分组来获取局部的值
  • match:从头开始匹配

  origin = 'Hello tom, xxx tom, yyy tom haha 19'
  regex = '(H)(\w+)'
  ret = re.match(regex, origin)
  print(ret.group())      # Hello
  print(ret.groups())     # ('H', 'ello')
  print(ret.groupdict())  # {}
  

  origin = 'Hello tom, xxx tom, yyy tom haha 19'
  regex = '(?P<n1>H)(\w+)'
  ret = re.match(regex, origin)
  print(ret.group())      # Hello
  print(ret.groups())     # ('H', 'ello')
  print(ret.groupdict())  # {'n1': 'H'}
  

  • search:知道了group方法之后，searh方法和match方法是一样的，match是从头开始匹配，search是全局匹配

  • findall:返回匹配成功的列表

    • 不分组:

    regex = 'app\w+'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # ['apple', 'apple']
    

    • 分组:
      • findall会把groups里面的所有东西放到列表里面(分组的作用：获取局部的东西)
      • findall对?P<key>不起作用
      • 如果分组嵌套分组，则先取外面的，再取里面的

    egex = '(app\w+)'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # ['apple', 'apple']
    
    regex = '(app)\w+'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # ['app', 'app']
    
    regex = '(app)(\w+)'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # [('app', 'le'), ('app', 'le')]
    
    regex = '((a)(pp))(\w+)'
    origin = 'i have an apple, i have a pen, apple pen'
    ret = re.findall(regex, origin)
    print(ret) # [('app', 'a', 'pp', 'le'), ('app', 'a', 'pp', 'le')]
    

  • finditer:只有在迭代的时候才创建对象

    • 迭代的对象跟match和search获得的对象一样

  regex = '((a)(pp))(\w+)'
  origin = 'i have an apple, i have a pen, apple pen'
  
  ret1 = re.search(regex, origin)
  print('type of search', type(ret1)) 
  # type of search <class '_sre.SRE_Match'>
  ret2 = re.finditer(regex,origin)
  for i in ret2:
      print('type of finditer', type(i)) 
      # type of finditer <class '_sre.SRE_Match'>
  

• 分组注意事项:

  • 分组的是按照你真是写了多少个组来确定的，如果获得的值多于写的组个数，则去最后一个

  regex = '(\w)(\w)(\w)(\w)'
  ret = re.findall(regex, 'tony')
  print(ret) # [('t', 'o', 'n', 'y')]
  
  regex = '(\w){4}'
  ret = re.findall(regex, 'tony')
  print(ret) # [y]
  

  • 第一个写了4个组，每个组一个字符：(\w)(\w)(\w)(\w)，所以得到的结果是4个组
  • 第二个写的是1个组，需要匹配4个字符，因为真正写的只有一个组，所有得到的结果为1个组，理论上每个字符的组都是一样的，最后的会覆盖前面的，所以取得的是最后一个

  ret = re.findall('\dyhh*', '1yhh2yhh3andyhh4yhh')
  print(ret) # ['1yhh', '2yhh', '4yhh']
  
  ret = re.findall('(\dyhh)*', '1yhh2yhh3andyhh4yhh')
  print(ret) # ['2yhh', '', '', '', '', '', '', '', '4yhh', '']
  

  • 匹配时尽量避免正则表达式为空值

• split:分割

  • 无分组分割：分割后不包含自己(分隔符)
  • 分组分割：分割后会保留分割符内分组的内容

  regex = '\d+'
  origin = 'ad12ad134a34da'
  ret = re.split(regex, origin)
  print(ret) # ['ad', 'ad', 'a', 'da']
  
  regex = '(\d+)'
  origin = 'ad12ad134a34da'
  ret = re.split(regex, origin, 1)
  print(ret) # ['ad', '12', 'ad134a34da']
  

  • 使用场景:计算器获取最里层的括号同时取出括号

  origin = '7+((3+4)*5-(4-9)*5)*4'
  regex = '\(([^()]+)\)' # 获取最里层的括号，同时对括号里的数据归到组里，切割后保留括号内的内容
  ret = re.split(regex, origin, maxsplit=1)
  print(ret) # ['7+(', '3+4', '*5-(4-9)*5)*4']
  

  • 再根据切割后得到的结果是否是长度为3的列表，不断循环计算其值

  while True:
      ret = re.split(regex, origin, maxsplit=1)
      if len(ret) == 3:
          计算得到括号的值，然后重新组合origin字符串
      elif:
          break同时带出结果
  

• sub:替换 && subn：替换返回一个元组