正则表达式

1.1正则表达式

正则表达式和字符串

在编程里字符串是涉及到最多的一种数据结构，对字符串操作的需要几乎无处不在。

比如判断一个字符串是否合法的email地址，虽然可以提取@前面和后面的子串，又再分别判断是否是单词和域名，但这样很麻烦，而且代码难以复用。

正则表达式式一种用来模糊匹配字符串的方法，它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配了”，否则该“没有匹配到该字符串”

需要导入正则的模块

import re

字符匹配(普通字符，元字符)

1.普通字符：数字字符和英文字母和自身匹配

2.元字符：.  ^  $  *  + ?  {}  [] () |  

re.方法("规则","匹配的字符串")

.　　匹配任意一个字符，除了 换行符

#findall查找所有字符
print(re.findall("a.","ssdfyildazvdfeewrae"))  #['az', 'ae']  匹配a后面的任意一个字符
print(re.findall("a..","ssdfyildazvdfeewrae"))  #['azv']    匹配a后面的任意两个个字符

^　　匹配以什么开头的字符

re_str = "ssdfyildazvdfeewrae"
print(re.findall("^s..",re_str))  # ['ssd']  #匹配以s开头后面两个任意字符
print(re.findall("^aa",re_str)) #[]  #匹配aa开头

$　　匹配以什么结尾

re_str = "ssdfyildaaazvdfeewrae"
print(re.findall("ee$",re_str))  #[]
print(re.findall("ae$",re_str))  #['ae']

*　　字符*   匹配前面的字符 出现的0-无穷次

import re

re_str = "ssdfyilddddkaaazvdfeewrae"

# print(re.findall("*",re_str)) #报错，要加匹配字符
print(re.findall("d*",re_str))#匹配d出现的0到无穷次 没有，也匹配上了
# ['', '', 'd', '', '', '', '', 'dddd', '', '', '', '', '', '', 'd', '', '', '', '', '', '', '', '']
print(re.findall("ld*k",re_str)) #['lddddk']   #匹配ld*k  匹配*前面的d字符出现的0到无穷次

print(re.findall("sd*",re_str)) #['s', 'sd']   匹配sd*  d出现的0到无穷次
print(re.findall("ras*",re_str)) #['ra']    匹配ras*  res中s出现的0到无穷次

+　　字符+　　匹配前面的一个字符出现的1-无穷次 ，最少有1次

re_str = "ssdfyilddddkaaazvddfeewrae"

print(re.findall("dd+",re_str)) #['dddd']  匹配dd+中d出现的一到无穷次
print(re.findall("d+",re_str))  #['d', 'dddd', 'dd']  匹配d+中d出现的一到无穷次

?　　字符?　　匹配前面字符重复零次或一次

name = "asdfqwzerzxcv"
print(re.findall("x?",name)) #匹配x字符出现的0次或者1次
# ['', '', '', '', '', '', '', '', '', 'x', '', '', '']
print(re.findall("zx?",name))  #['z', 'zx']  #匹配zx  x出现的0次或者1次

 

注：* + ?等都是贪婪匹配，也就是尽最大能力去匹配，匹配字符后面加?变成了惰性匹配，一般都是用贪婪匹配

name = "asdfqwzerzxcv"
print(re.findall("zx*?",name))  #['z', 'z'] #惰性匹配，最小匹配原则

{}　　字符{n} 匹配字符出现的n次，字符{1,n}匹配字符出现1到n次

name = "aasdfqwzerzxcvaaaavv"
print(re.findall("aa{1,5}",name)) #['aa', 'aaaa']  #匹配aa a出现的一到5次之间
print(re.findall("aa{1,5}v",name)) #['aaaav']   #匹配aa{1,5}v  ，a出现的一到5次之间
print(re.findall("a{5}",name))  #[] 只匹配a出现的5次
print(re.findall("a{3}",name))  #['aaa'] 只匹配a出现的3次

[]　　字符[字符集]　　匹配字符集中的某一个符号

name = "aasdfqawzerzxcvaaaavv"
print(re.findall("a[a]",name))  #['aa', 'aa', 'aa'] #只匹配aa
print(re.findall("a[a]a",name))  #['aaa'] #只匹配aaa
print(re.findall("f[.q]",name)) #['fq']#匹配f.或者fq
print(re.findall("f[.q]b",name)) ##匹配[] f.b或者fqb

[字符集]　　里面的字符集都是普通字符，除了-，^.

- ^ 这三个符号在字符集有特殊功能的符号，其它都是普通字符

[] 字符集中- 的方法    -  组成一个连接范围的数字
name = "aasdfqawzerzxcvaaaavv"
print(re.findall("a[a-z]",name))#['aa', 'aw', 'aa', 'aa']    #匹配a[a到z]的任意字符
alp_num = "a12a 34a5567asdfqwer"
print(re.findall("a[0-9 a-z]",alp_num)) #['a1', 'a ', 'a5', 'as']#空格也是普通字符
print(re.findall("a[0-9a-zA-Z]",alp_num)) #['a1', 'a5', 'as']  


[]字符集中^的方法    ^非，把相反的给找出来
name = "aasdfqawzerzxcvaaaavv"
tes = "abc"
print(re.findall("[^0-9]",tes)) #['a', 'b', 'c']    #把非0到9数字给匹配出来
print(re.findall("a[^0-9]",name))#['aa', 'aw', 'aa', 'aa']  把匹配a字符集中非0到9数字给匹配出来


[]字符集中的方法，把普通的特殊字符变得有意义
aa = "advca11234"
print(re.findall("[d]",aa))    #['1', '1', '2', '3', '4'] #是转义字符，把普通字符，实现特殊的功能

　　元字符的转义符

反斜杠后面跟元字符去除特殊功能，比如.  *

反斜杠后边跟普通字符实现特殊功能比如d

d  匹配任何十进制数；它相当于类 [0-9]。
D 匹配任何非数字字符；它相当于类 [^0-9]。
s  匹配任何空白字符；它相当于类 [ fv]。
S 匹配任何非空白字符；它相当于类 [^ fv]。
w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
  匹配一个特殊字符边界，比如空格 ，&，＃等

bb = "axs1233_sa _%"
print(re.findall("d",bb)) #['1', '2', '3', '3']
print(re.findall("D",bb)) #['a', 'x', 's', '_', 's', 'a', ' ', '_', '%']
print(re.findall("s",bb)) #[' ']
print(re.findall("S",bb)) #['a', 'x', 's', '1', '2', '3', '3', '_', 's', 'a', '_', '%']
print(re.findall("w",bb))#['a', 'x', 's', '1', '2', '3', '3', '_', 's', 'a', '_']

cal = "()(_)(*)(s)12+(28*10+5+2-8-3*(2-1))"
print(re.findall("()",cal)) #['()'] #只匹配普通字符的括号()
print(re.findall("([w])",cal)) #['(_)', '(s)'] #匹配(任意一个字母数字_)

gan = "\"
print(gan)#  python解释器中字符串\，才表示一个
print(re.findall("\\",gan)) #['\'],其实就是一个

r"字符串"  表示原始字符串(r---> raw string)

|　　字符a|字符b　　　　匹配字符a或者字符b 的表示或得方法 

ss = "abs,youbyy"
print(re.findall("a|b",ss))#['a', 'b', 'b']
print(re.findall("ou|y",ss)) #['y', 'ou', 'y', 'y']

()　　(字符)优先匹配字符里面的内容。

tot = "asdasdasdasd"
print(re.findall("(asd)*",tot)) #['asd', ''] #0到无穷匹配
print(re.findall("(asd)?",tot)) #['asd', 'asd', 'asd', 'asd', ''] #0到1次匹配asd
print(re.findall("(asd)+",tot))  #['asd'] #1到无穷匹配
print(re.findall("(asd)",tot))   #['asd', 'asd', 'asd', 'asd']

re模块的常用方法

1.re.findall()

import re
print(re.findall("a",bb)) #返回所有满足匹配条件的结果，放在列表里

2.re.match()

语法

re.match(pattern, string, flags=0)

pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

匹配成功re.match方法返回一个匹配位置的对象，否则返回None。(从最开始匹配) 

我们可以使用group(num)或groups()匹配对象函数来获取匹配表达式。 

group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

bb = "advca11234"
print(re.match("12",bb))  #None  不是开始位置匹配
print(re.match("adv",bb)) #开始位置匹配，返回匹配的位置对象
#<_sre.SRE_Match object; span=(0, 3), match='adv'>

print(re.match("adv",bb).span()) #(0, 3) 获取匹配对象的位置
#
print(re.match("adv",bb).group()) # adv  #获取匹配对象的结果内容
print(re.match("adv",bb).groups()) #() #获取模型中匹配到的分组结果
print(re.match("adv",bb).groupdict()) #{}  #获取模型中匹配到的分组结果 {}

3re.search方法

re.search扫描整个字符串并返回第一成功的匹配

用法：re.search(pattern, string, flags=0)

匹配成功re.search方法返回一个匹配的对象，否则返回None

我们可以使用group(num)或groups()匹配对象函数来获取匹配表达式

bb = "advca11234"
print(re.search("d+",bb))
#返回一个函数匹配对象  span 是匹配的位置   math是匹配对象的内容
#<_sre.SRE_Match object; span=(5, 10), match='11234'>

info = "yj18yj18yj19"
print(re.search("(?P<name>[a-z]+)",info).group("name")) #yj  #得到特定的分组信息内容
print(re.search("(?P<name>[a-z]+)(?P<age>d+)",info).group("name","age"))#('yj', '18') #得到特定的分组信息 ，以元祖返回
print(re.search("(?P<name>[a-z]+)(?P<age>d+)",info).group())# yj18 #获取分组信息的所有内容、
print(re.search("(?P<name>[a-z]+)(?P<age>d+)",info).groups()) #('yj', '18')
#得到分组的所有信息，以元祖返回
print(re.search("(?P<name>[a-z]+)(?P<age>d+)",info).groupdict())# yj18 #获取分组的所有内容、
#{'name': 'yj', 'age': '18'} 以字典返回，分组信息
print(re.search("(?P<name>[a-z]+)(?P<age>d+)",info)) #得到是分组的对象

#?P<name> 给信息做一个分组

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；

而re.search匹配整个字符串，直到找到一个匹配。

4re.sub()   用于替换字符串中的匹配项。

语法：re.sub(pattern, repl, string, count=0)

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

phone = "110-119-911-112"
print(re.sub(r"-"," ",phone,count=2))#检索字符串的-，把前两个替换成空格
#110 119 911-112

5re.split() 分割字符串

语法：split(pattern, string, maxsplit=0, flags=0):

maxsplit : 模式匹配后分割的最大次数，默认 0 表示替换所有的匹配。

alp = "a b c  d"
print(re.split("s+",alp,maxsplit=2)) 
#['a', 'b', 'c  d'] #分割前两个的字符串个空格，以列表形式返回

6re.finditer() 方法，把找到的结果做成一个迭代器对象，取值用next()

语法和findall一样

phone = "110-119-911-112"
print(re.finditer("d+",phone))#<callable_iterator object at 0x0000009E83BCAE10>
te = re.finditer("d+",phone)
print(next(te).group()) #110
print(next(te).group()) #119
print(next(te).group()) #911

字符类

[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

 特殊转义字符类

实例	描述
.	匹配除 " " 之外的任何单个字符。要匹配包括 ' ' 在内的任何字符，请使用象 '[. ]' 的模式。
d	匹配一个数字字符。等价于 [0-9]。
D	匹配一个非数字字符。等价于 [^0-9]。
s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ f v]。
S	匹配任何非空白字符。等价于 [^ f v]。
w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。