Python正则表达式/分组/优先级

正则表达式：参考链接：https://www.cnblogs.com/zjltt/p/6955965.html
模块：re
用途：用于模糊匹配

正则表达式的符号

一.元字符

1. . 通配符：可代指任意一个符号，除换行符

import re
print(re.findall('a..x','scdcdabnxmn'))
#输出：
['abnx']

2. ^ 在字符串开头匹配

import re
print(re.findall('^a..x','ascxdcdabnxmn'))
#输出
['ascx']

3. $ 在字符串结尾匹配

import re
print(re.findall('a..x$','ascxdcdabnxamnx'))
['amnx']

4. • 重复0到无穷次

import re
print(re.findall('m*','ascxdcmmmmmdabnxamnx'))
#输出
['', '', '', '', '', '', 'mmmmm', '', '', '', '', '', '', 'm', '', '', '']

5. • 重复1到无穷次

import re
print(re.findall('m+','ascxdcmmmmmdabnxamnx'))
#输出
['mmmmm', 'm']

6. ？结尾数据匹配0或1次

import re
print(re.findall('xdc?','ascxdcccmmmmmdabnxamnx'))
#输出
['xdc']

7. {a,b} 结尾数据匹配 a到b次

import re
print(re.findall('xdm{2,3}','ascxdmmmmmdabnxxdmmnx'))
#输出
'xdmmm', 'xdmm']

8. []或， []中不可加元字符。在[]中有特殊意义的字符有：-（表示范围）,^（表示取反）,\ （表示转义，去格式化）

import re
print(re.findall('x[yz]','hiuhwfxyndvkfjxz'))
#输出
['xy', 'xz']

9. \ 表示转义符，放在特殊字符前可将特殊字符变成普通字符
10. | 或 表示或：

import re
s='abekwjbnkcdndnv'
print(re.findall('kw|c',s))
#输出：
['kw', 'c']

11. （）表示分组，分组内的内容为整体

import re
print(re.findall('x(dm)','ascxdmxdmxdmmmdabnxxdmmnx'))
#输出：
['dm', 'dm', 'dm', 'dm']

13. findall+分组：优先匹配分组里的内容

f=re.findall('www\.(baidu|163).com','www.baidu.com')
print(f)
#输出
['baidu']

14. 有名分组：？Ppattern 匹配方式 将用pattern在字符串里匹配到的内容以键值对的形式输出，name为key，pattern匹配到的结果为value

import re
s='alex23xiaoming35xiaohong56'
print(re.search('(?P[a-z]+)(?P\d+)',s).groupdict('name'))
#输出
{'name': 'alex', 'age': '23'}

字符表

re模块下的方法：

1. re.findall(pattern, string) pattern是正则表达式，string 是需要匹配的字符串
   返回所有符合条件的, 返回列表返回所有符合条件的, 返回列表

2. obj=re.search(pattern, string) 找到一个即停止寻找，返回一个对象，通过三种方法调用：
   obj.group() # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来，有参取匹配到的第几个如2
   obj.groups() # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果
   obj.groupdict() # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果 #用于有名分组

#实例：
import re
obj=re.search('a(..)x','scdcdabnxmn')
print(type(obj))
print(obj)
print(obj.group())
print(obj.groups())
print(obj.groupdict()) 

#输出


abnx
('bn',)
{}

3. re.match（pattern，string）从开头匹配，返回一个对象，调用同search
4. re.split(pattern,string) 按正则表达式搜索到的结果分割字符串，结果中不包含分隔符

import re
s='alexm23xiaoming35mxiaohongm56'
print(re.split('\d\w',s))
#输出
['alexm', 'xiaoming', 'mxiaohongm', '']

5. re.sub（‘需要替换的对象’,‘替换的内容’，s，n替换次数）:替换

import re
s='abchjh9vjhfe8kjqv3bj'
print(re.sub('\d+','A',s))
#输出：
abchjhAvjhfeAkjqvAbj

6. re.compile(pattern) 编译正则表达式

import re
s='abchjh933737vjhfe8kjqv3bj'
com=re.compile('\d+')
#两种使用方法
print(com.findall(s))
print(re.findall(com,s))
#输出
['933737', '8', '3']
['933737', '8', '3']

7. re.finditer() 返回迭代器，迭代对象是re.Match对象，调用方法如search和match

import re
s='abchjh933737vjhfe8kjqv3bj'
it=re.finditer('\d+',s) 
print(type(it)) 
print(type(next(it)))
print(next(it).group())
#输出：


8

8. findall+分组：优先匹配分组里的内容

f=re.findall('www\.(baidu|163).com','www.baidu.com')
print(f)
#输出
['baidu']

9. 在分组加？：去优先级

import re
f=re.findall('www\.(?:baidu|163).com','www.baidu.com')
print(f)
#输出
['www.baidu.com']

10. re.S: 匹配时自动换行
    正则表达式中，“.”的作用是匹配除“\n”以外的任何字符，也就是说，它是在一行中进行匹配。这里的“行”是以“\n”进行区分的。a字符串有每行的末尾有一个“\n”，不过它不可见。
    如果不使用re.S参数，则只在每一行内进行匹配，如果一行没有，就换下一行重新开始，不会跨行。而使用re.S参数以后，正则表达式会将这个字符串作为一个整体，将“\n”当做一个普通的字符加入到这个字符串中，在整体中进行匹配。

import re
a = '''asdfsafhellopass:
	234455
    worldafdsf
    '''
b = re.findall('hello(.*?)world',a)
c = re.findall('hello(.*?)world',a,re.S)
print 'b is ' , b
print 'c is ' , c
#输出：
b is  []
c is  ['pass:\n\t234455\n\t']

#辨析：优先级/去优先级/贪婪匹配/非贪婪匹配
一些例子感受区别：

import re
print(re.findall('m(.*?)','ascxdcmmmmmdabnxamnx')) #优先匹配分组里的内容

['', '', '', '', '', '']

print(re.findall('m.+?','ascxdcmmmmmdabnxamnx')) #
['mm', 'mm', 'md', 'mn']


print(re.findall('m*?','ascxdcmmmmmdabnxamnx'))
['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '']


print(re.findall('m(?:.*?)','ascxdcmmmmmdabnxamnx')) #去优先级
['m', 'm', 'm', 'm', 'm', 'm']

print(re.findall('m.*?','ascxdcmmmmmdabnxamnx')) 
['m', 'm', 'm', 'm', 'm', 'm']

import re
print(re.findall('m(.*?)x','ascxdcmmmmmdabnxamnx')) #优先匹配分组里的内容,尽可能少的匹配
['mmmmdabn', 'n']

print(re.findall('m(.*)x','ascxdcmmmmmdabnxamnx')) #优先匹配分组里的内容，尽可能多的匹配
['mmmmdabnxamn']