re正则模块
一：什么是正则？
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。
生活中处处都是正则：
比如我们描述：4条腿
你可能会想到的是四条腿的动物或者桌子，椅子等
继续描述：4条腿，活的
就只剩下四条腿的动物这一类了
二：常用匹配模式(元字符)
1036857-20170529203214461-666088398-1.jpg
匹配模式
一对一匹配
print('hello'.replace('h','qw'))
# qwello
print('hello'.find('lo'))
# 3 # 匹配到的位置
正则匹配
import re
h="""hello alex 66"""
# \w 匹配字母数字及下划线
# \W 匹配非字母数字下划线
print(re.findall('\w',h))
> ['h', 'e', 'l', 'l', 'o', 'a', 'l', 'e', 'x', '6', '6', '6']
print(re.findall('\W',h))
> [' ', ' ']
# \s 匹配任意空白字符，等价于[\t\n\r\f]
# \S 匹配任意非空字符
print(re.findall('\s',h))
print(re.findall('\S',h))
print(re.findall('\s','hello \n alex \t 666\\n'))
> [' ', ' ']
> ['h', 'e', 'l', 'l', 'o', 'a', 'l', 'e', 'x', '6', '6', '6']
> [' ', '\n', ' ', ' ', '\t', ' '] #\n \t都可以被\s匹配 \\ 表示转义
# \d 匹配任意数字，等价于[0-9]
# \D 匹配任意非数字
print(re.findall('\d',h))
print(re.findall('\D',h))
> ['6', '6', '6']
> ['h', 'e', 'l', 'l', 'o', ' ', 'a', 'l', 'e', 'x', ' ']
# \A 匹配字符串开始
# \z 匹配字符串结束
# \Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
# ^ 匹配字符串的开头
# $ 匹配字符串的末尾
print(re.findall('\Ahe',h)) # \A==>^
print(re.findall('^he',h))
print(re.findall('66\Z',h)) # \Z==>$
print(re.findall('66$',h))
> ['he']
> ['he']
> ['66']
> ['66']
重复匹配：| . | * | ? | .* | .*? | + | {n,m} |
import re
# . 匹配任意字符串，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
print(re.findall('a.b','a1b')) #['a1b']
print(re.findall('a...b','aw1qb')) # ['aw1qb']
print(re.findall('a.b','a1b a*b a b aaab')) #['a1b', 'a*b', 'a b', 'aab']
print(re.findall('a.b','a\nb')) #[]
print(re.findall('a.b','a\nb',re.S)) #['a\nb']
print(re.findall('a.b','a\nb',re.DOTALL)) #['a\nb']同上一条意思一样
# [...] 用来表示一组字符，单独列出:[amk]匹配'a','m'或'k'
print(re.findall('[a,m,k]','[amkwweq]'))
# [^...] 不在[]中的字符，[^abc]匹配除了a,b,c之外的字符。
print(re.findall('[^abc]','abcde'))
# * 匹配0个或多个的表达式
print(re.findall('ab*e*','abbbbbee abbeqeq'))
# + 匹配1个或多个的表达式
print(re.findall('ab+','a')) #[]
print(re.findall('ab+','abbb')) #['abbb']
# ? 匹配0个或1个由前面的正则表达式定义的字段，非贪婪式
print(re.findall('ab?','a')) #['a']
print(re.findall('ab?','abbb')) #['ab']
#匹配所有包含小数在内的数字
print(re.findall('\d+\.?\d*',"asdfasdf123as1.13dfa12adsf1asdf3")) #['123', '1.13', '12', '1', '3']
#.*默认为贪婪匹配
print(re.findall('a.*b','a1b22222222b')) #['a1b22222222b']
# {n} 精确匹配n个前面表达式
print(re.findall('ab{2}','abbb')) #['abb']
# {n,m} 匹配n到m次由前面的正则表达式定义的字段，贪婪模式
print(re.findall('ab{2,4}','abbb')) #['abbb']
print(re.findall('ab{1,}','abbb')) #['abbb'] # 'ab{1,}' ===> 'ab+'
print(re.findall('ab{0,}','abbb')) #['abbb'] # 'ab{0,}' ===> 'ab*'
# a|b 匹配a或b
print(re.findall('a|b','esdaqwbe')) # ['a', 'b']
# () 匹配括号内的表达式，也表示一个组
print(re.findall('(qwe)','eqweee')) # ['qwe']
#[]
print(re.findall('a[1*-]b','a1b a*b a-b')) #[]内的都为普通字符了，且如果-没有被转意的话，应该放到[]的开头或结尾
print(re.findall('a[^1*-]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[0-9]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[a-z]b','a1b a*b a-b a=b aeb')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[a-zA-Z]b','a1b a*b a-b a=b aeb aEb')) #[]内的^代表的意思是取反，所以结果为['a=b']
#\# print(re.findall('a\\c','a\c')) #对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常
print(re.findall(r'a\\c','a\c')) #r代表告诉解释器使用rawstring，即原生字符串，把我们正则内的所有符号都当普通字符处理，不要转义
print(re.findall('a\\\\c','a\c')) #同上面的意思一样，和上面的结果一样都是['a\\c']
#():分组
print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab']
print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab
print(re.findall('(?:ab)+123','ababab123')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))#['http://www.baidu.com']
print(re.findall('href="(?:.*?)"','<a href="http://www.baidu.com">点击</a>'))#['href="http://www.baidu.com"']
#|
print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company'))
re模块提供的方法介绍
未完待续
推荐博客:https://blog.csdn.net/yufenghyc/article/details/51078107
