一 .正则表达式与re模块的关系
正则表达式(regular expression)是对字符串数据的处理
re是python中的一个模块
1.正则模式是一门独立的技术，大多编程语言都支持使用
2.Python中想要使用正则表达式，需要先导入re模块
二.正则表达式
字符组:在一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示(不加量词，一个字符组匹配一个字符)
| [0-9] | 匹配0-9的数字 |
| [a-z] | 匹配a-z的小写字母 |
| [A-Z] | 匹配A-Z的大写字 |
ps：字符组必须依据ascii的顺序，从小到大排列。内部是转换成ASCII码来比较的
元字符:
| . | 匹配除换行符以外的任意字符 |
| w | 匹配字母或数字或下划线 |
| s | 匹配任意的空白符 |
| d | 匹配数字 |
| W | 匹配非字母数字或下划线 |
| S | 匹配非空白符 |
| D | 匹配非数字 |
| 匹配换行符 | |
| 匹配制表符 | |
| 匹配单词结尾 | |
| ^ | 以什么开头 |
| $ | 以什么结尾 |
| a|b | 匹配a或b |
| ( ) | 括号内的p式，可以看成一个组 |
| [...] | 匹配字符组中的字符 |
| [^..] | 匹配字符组中以外的字符 |
使用技巧：
w,s,d与W,S,D有相反的匹配关系，对应的两者同时使用可以匹配所有字符
^与$连用能够精准匹配固定长度的目标字符,^只能出现在开头,$只能出现结尾
abc|ab使用或是建议长的字符串在前
量词 ：限制单个字符匹配的个数。
| * | 重复0次或更多次 |
| + | 重复1次或更多次 |
| ? | 重复0次或1次 |
| {n} | 重复n次 |
| {n,} | 至少重复n次 |
| {n,m} | 重复n到m次 |
ps：量词写在某个字符组或字符之后，只对单个字符有效
转义字符 ：
用转义字符可以把特殊的元字符进行转义，在python中，在字符串前加r（raw）表示原生字符串即可
正则模式的贪婪模式与惰性模式
正则表达式会默认为贪婪模式，在满足匹配条件的情况下，尽可能多的匹配字符串。
非贪婪模式：加上？会将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
非贪婪模式
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
.*?x意思是取前面任意长度的字符，直到一个x出现
三.re模块
三个必须掌握的方法：findall，search和match。
findall：第一个参数是正则表达式，第二个参数是待匹配的字符串
import re ret = re.findall('[a-e]', 'eva egon yuan') print(ret) #['e', 'a', 'e', 'a']# 返回所有满足匹配条件的结果,放在列表里
search：
import re ret = re.search('e', 'eva egon yuan') print(ret) # 函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象 if ret : print(ret.group())# # 该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。 # 并且需要注意的是如果ret是None，再调用.group()会直接报错。这一易错点可以通过if判断来进行筛选
match：
import re ret = re.match('a', 'abc') # 同search,不过尽在字符串开始处进行匹配 print(ret) if ret : print(ret.group()) # match是从头开始匹配，如果正则规则从头开始可以匹配上，就返回一个对象,需要用group才能显示 # 如果没匹配上就返回None，调用group()就会报错
其他方法：
ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割 print(ret) # ['', '', 'cd'] ret = re.sub('d', 'H', 'eva3egon4yuan4', 1) # 将数字替换成'H'，参数1表示只替换1个 print(ret) # evaHegon4yuan4 ret = re.subn('d', 'H', 'eva3egon4yuan4') # 将数字替换成'H'，返回元组(替换的结果,替换了多少次) print(ret) obj = re.compile('d{3}') #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字 ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串 print(ret.group()) #结果 ： 123 import re ret = re.finditer('d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一个结果 print(next(ret).group()) #查看第二个结果 print([i.group() for i in ret]) #查看剩余的左右结果
分组优先;
search,mach分组优先
res = re.search('^[1-9]d{14}(d{2}[0-9x])?$',110105199812067023) print(res.group()) print(res.group(1)) # 获取正则表达式括号阔起来分组的内容 print(res.group(2)) # search与match均支持获取分组内容的操作 跟正则无关是python机制
findall 分组优先
# 而针对findall它没有group取值的方法，所以它默认就是分组优先获取的结果 ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
取消分组优先
方法分组里加？：
ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') # ?:取消分组优先
起别名
分组中利用?P<name>的形式给分组起名字
ret = re.search("<(?P<tag_name>w+)>w+</(?P=tag_name)>","<h1>hello</h1>") #还可以在分组中利用?P<name>的形式给分组起名字 #获取的匹配结果可以直接用group('名字')拿到对应的值 print(ret.group('tag_name')) #结果 ：h1