day17-正则表达式
一、正则符号
1. 什么是正则
- 正则是字符串匹配的一种工具，拥有自己的语法。语法中主要包含各种符号的使用
- re中主要提供正则相关的方法
2. 正则语法
- python中的正则表达式是写在引号中(可以是单引号也可以是双引号)，但是一般情况下会在引号前面加r(r'正则表达式')
2.1 匹配符号
- 1)普通字符
- 除了正则中有特殊功能和特殊意义以外的其他所有的字符
- 普通字符在正则中表示字符本身
-
- . - 匹配任意字符
- 正则中出现.的位置可以匹配任意字符，除了'\n'
- 一个.只能匹配一个任意字符
-
- \w - 匹配字母、数字或下划线(只针对ASCII码有效)
- 一个\w只能匹配一个字符
- 注意：Unicode码中除了ASCII表以外的其他字符都能匹配
-
- \s - 匹配一个空白字符
- 空白：空格、回车、换行、制表符(\t、\n、\r、\v、\f)
- \d - 匹配一个数字字符
-
- \大写字母 - 匹配非\小写字母匹配到的内容
- \W：匹配非数字、字母、下划线字符
- \S：匹配非空白字符
- \D：匹配非数字字符
-
- [] - 匹配字符集
- a.普通用法
- [字符集]：匹配字符集中的任意一个字符
- b.表示范围的字符集
- [字符1-字符2]：从字符1到字符2中的任意一个字符
- 注意：字符2的编码值必须大于字符1
- c.反向选中
- [^字符集]：选中除了字符集以外的其他任意一个字符
2.2 检测符号
一个匹配符号必须对应一个具体的字符；检测符号只是对符号所在的位置进行检查，不会影响字符串长度
-
- \b - 检测是否是单词边界
- 单词边界：一切可以将两个单词区分开的符号都是单词边界，例如：单词开头、单词结尾、空白、标点符号等
- ^ - 检测^所在的位置是否是字符开头
-
$- 检测$所在的位置是否是字符串结尾
-
2.3 匹配次数
-
- * - 匹配0次或无限次
- 字符
*：*前的字符出现0次或无限次
-
- + - 匹配1次或无限次
- 字符+：+前的字符出现1次或无限次
-
- ? - 匹配0次或1次
- 字符?：?前的字符出现0次或1次
-
- {}语法
- {N}：匹配N次
- {M,N}：匹配M到N次
- {M,}：匹配至少M次
- {,N}：匹配至多N次
3. 贪婪和非贪婪
- *,+,?,{}对应的匹配次数是贪婪的
- 在匹配次数不确定的时候才有贪婪和非贪婪的分区
- 在匹配不确定的符号后面加?,就会变成非贪婪：*?, +?, ??, {M,N}?, {M,}?, {,N}?
- 贪婪：在匹配成功的前提下，尽可能多的匹配
- 非贪婪：在匹配成功的前提下，尽可能少的匹配
4. 分支结构
- 正则表达式1|正则表达式2
5. () - 分组
- 1)分组：将正则中的一部分看成一个整体进行操作
- 2)重复：添加分组后，可以在分组的后面通过'\M'来重复前面第M个分组匹配到的结果
6. 转义字符
- 在正则符号前加\，然后让符号的功能消失
- 独立的特殊符号是放在[]中特殊意义会自动消失，但是-,[]...
- 正则中的转义字符和字符串的转义字符是两回事
二、re，模块
1. 创建正则对象 - compile()
- 先要
from re import * -
compile(正则表达式)：根据正则表达式创建正则对象
2. 匹配
-
fullmatch(正则表达式,字符串)：让整个字符串和正则表达式进行匹配 -
match(正则表达式,字符串)：匹配字符串开头 - 返回值：匹配成功是结果对象，匹配失败是None
- 匹配结果：1)匹配结果对应的字符串
- 匹配对象.group()：获取整个正则匹配到结果
- 匹配对象.group(N)：获取第N个分组匹配到的结果
- 2)获取匹配位置
- 匹配对象.span(group=0)
- 匹配对象.start(group=0)
- 匹配对象.end(group=0)
- 3)获取原字符串
- 匹配对象.string
3. 查找
-
search(正则表达式,字符串)：匹配出字符串中第一个满足正则表达式的子串，结果是匹配对象 -
findall(正则表达式,字符串)：获取字符串中所有满足正则表达式的子串；结果是列表，列表中元素是字符串 -
finditer(正则表达式,字符串)：获取字符中满足正则表达式的所有的子串；结果是迭代器，迭代器中的元素是匹配对象
4. 切割
-
split(正则表达式,字符串)：将字符串按照满足正则表达式的子串进行切割，返回列表
5. 替换
-
sub(正则表达式,字符串1,字符串2,替换次数=0)：将字符串2满足正则表达式的子串替换为字符串1，替换次数为0时就是全部替换
