python之re模块

一、re模块与正则表达式

　　　　今天我们要整理python里的re模块和正则表达式，正则表达式不仅在python领域，在整个编程届都占有举足轻重的地位。

　　在没有正式介绍re模块之前我们需要先了解一下什么是正则表达式，它又与re模块有什么联系呢？

　　　　简单介绍一下正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。

　　正则表达式的用法　　　

　　　元字符
　　　　w  匹配数字字母下滑线 word关键字 [a-zA-Z0-9_]
　　　　d  匹配所有的数字     digit     [0-9]
　　　　s  匹配所有的空白符 回车/换行符 制表符 空格   space  [
	 ]
    　　　　　　　　匹配换行符 回车 

    　　　　　　　　匹配制表符 tab  	
    　　　　　　　　匹配空格
　　　　　　W D S 和w d s取反
    　　　　　　[sS] [dD] [wW]是三组全集 意思是匹配所有字符
　　　　　　 表示单词的边界

　　　　　　　　和转义字母相关的 元字符
　　　　　　w d s(
	)  W D S

　　　　　^ 与$
　　　　　　　^ 匹配一个字符串的开始
　　　　　　　$ 匹配一个字符串的结束
　　
　　　　. 表示匹配 除换行符之外的所有字符

　　　　[]  只要出现在中括号内的内容都可以被匹配
　　　　[^] 只要不出现在中括号中的内容都可以被匹配
    　　　　有一些有特殊意义的元字符进入字符组中会回复它本来的意义 : . | [ ] ( )


　　　　a|b  或  符合a规则的或者b规则的都可以被匹配
   　　　　 如果a规则是b规则的一部分,且a规则比b规则要苛刻/长,就把a规则写在前面
    　　　　将更复杂的更长的规则写在最前面
　　　　() 分组  表示给几个字符加上量词约束的需求的时候,就给这些量词分在一个组


　　量词
　　　　{n}表示 这个量词之前的字符出现n次
　　　　{n,} 表示这个量词之前的字符至少出现n次
　　　　{n,m} 表示这个量词之前的字符出现n-m次
　　　　? 表示匹配量词之前的字符出现 0次 或者 1次 表示可有可无
　　　　+ 表示匹配量词之前的字符出现 1次 或者 多次
　　　　* 表示匹配量词之前的字符出现 0次 或者 多次

二、re模块的使用

　　首先我们在使用模块的时候先要导入模块，这时必不可少的步骤。

　　　　1.findall   匹配列表中的每一个元素

import re
s="q6we798qw76sa45f"
ret=re.findall("d",s)
print(ret)
#运行结果['6', '7', '9', '8', '7', '6', '4', '5']

　　　　2.search  只会匹配到第一个符合的表达式(从左到右的顺序)，得到的不是直接的结果，需要用group()方法来查看。这里需要注意当没有匹配到符合

　　　的表达式，直接打印会显示None，而通过group()方法来查看会报错

import re
s="as4d98qw7e"
ret=re.search("d",s)
print(ret)  #运行结果：<_sre.SRE_Match object; span=(2, 3), match='4'>
print(ret.group())  #运行结果: 4

　　　　　findall 与 search 他们的用途都是用来查找，二者的区别在于findall 可以匹配全部结果，而search 只能匹配第一个结果。

　　　　3.match 大体上与 search 用法相同，而不同点则是match默认在表达式前有 "^" 开头符号

import re
s = "123python456"
re1 = re.search("d+$",s)
re2 = re.match("d+$",s)
print(re1.group())   #运行结果 : 456
print(re2.group())     #报错 因为 match 在正则表达式前默认存在一个^，所以字符串s不是以数字开头数字结尾。

　　　　4.split  切割.   

import re
s = "123python456"
ret = re.split("d$",s)
print(ret)    #运行结果:['123python45', '']

　　　    5.sub 与 subn   替换   

import re
s= "123python456"
re1 = re.sub("d","H",s)
print(re1)    #运行结果 :HHHpythonHHH
re2 = re.subn("d","H",s)
print(re2)     #运行结果 :('HHHpythonHHH', 6)    subn会返回一个元组，元组中的第二个元素是替换的次数

　　　　6.compile 编译  

　　　　　　compile的作用是将正则表达式编译为字节码，当多次使用时不会多次便宜，它的特点就是节省时间

import re
s = "laixue1python2HAPPY"
obj1= re.compile("d")
re1 = obj1.findall(s)
print(re1)    #运行结果 : ['1', '2']

obj2 = re.compile("[a-z]+")
print(obj2.search(s).group())   #运行结果： laixue

　　　　7.finditer  返回一个存放匹配结果的迭代器，可以通过group()方法来查看结果，它的特点就是减少空间内存

import re

s = "13245python"
ret = re.finditer("[a-z]",s)
print(ret)    # 运行结果 ：<callable_iterator object at 0x000001BADC72EAC8>  已经可以看出是迭代器了

if ret.__iter__():
    print(True)
else:
    print(False)
# 判断返回是否为迭代器   运行结果为True

print([i.group() for i in ret ])   #运行结果 :  ['p', 'y', 't', 'h', 'o', 'n']   所以finditer 可以用groud()方法来查看结果

　　分组 ( )在re模块中的使用

　　　　　分组 ( ) 在正则表达式中表示分组将多个表达式统一管理后接量词来用，而在python的re模块中 " ( ) "有着不一样的用法

　　1.分组 ( ) 表示优先级　　

　　　　　　在search中使用

import re
s = "132python456"
ret = re.search("d+([a-z]+)d+",s)     
print(ret.group())    #运行结果 : 132python456
print(ret.group(1))     #运行结果 ; python
#  当我们在表达式中添加分组表示优先级时，通过在group() 方法中添加参数可以优先获得结果

　　　　　　在findall中使用

import re
s = "123python456"
# ret = re.findall("d+([a-z]+)d+",s)
# print(ret)     #  运行结果 : ['python']
#  当 ( ) 在findall中使用时，而无法使用group()方法查看结果，这时默认匹配出( ) 内的结果
ret = re.findall("(d+)([a-z]+)d+",s)
print(ret)     # 运行结果 : [('123', 'python')] 
#   当 多个( )同时使用时，会将结果以元组的形式添加到列表中

　　　　　　在split中使用

import re
s = "132python456"
ret = re.split("^d+([a-z]+)",s)
print(ret)   #运行结果 : ['', 'python', '456']
#  在split中使用时() 内的表达式被切割后会留下来。

　　2.取消 分组( ) 优先级  " ?:"

import re
s = "123python456"
ret = re.findall("(d+)(?:[a-z]+)(d+)",s)
print(ret)      #运行结果 : [('123', '456')]
#   当在( ) 内开头加入" ?: "字符时 ， 表示取消优先级  

　　3.分组( ) 的命名   " ?P< >"     

import re
s = "123python123"
ret = re.search("(?P<a>d+)([a-z]+)(?P=a)",s)
print(ret.group(0))  # 运行结果 : 123python123