正则表达式 - Ragular Expression
正则表达式
- 介绍
- re模块
- 相关方法
- complie
- findall
- finditer
- match
- search
- split
- sub
- 元字符
- 反义符
- 转义符
- 位数
- 分组
- 贪婪与懒惰
介绍
正则表达式也叫做匹配模式(Pattern)，它由一组具有特定含义的字符串组成，通常用于匹配和替换文本。
正则表达式（英语：Regular Expression、regex 或 regexp，缩写为 RE），也译为正规表示法、常规表示法，在计算机科学中，是指一个用来描述或者匹配一系列符合某个句 法规则的字符串的单个字符串。
re模块
相关方法
>>> dir(re)
['A', 'ASCII', 'DEBUG', 'DOTALL', 'I', 'IGNORECASE', 'L', 'LOCALE',
'M', 'MULTILINE', 'Match', 'Pattern', 'RegexFlag', 'S', 'Scanner',
'T', 'TEMPLATE', 'U', 'UNICODE', 'VERBOSE', 'X', '_MAXCACHE',
'__all__', '__builtins__', '__cached__', '__doc__', '__file__',
'__loader__', '__name__', '__package__', '__spec__',
'__version__', '_cache', '_compile', '_compile_repl', '_expand',
'_locale', '_pickle', '_special_chars_map', '_subx', 'compile',
'copyreg', 'enum', 'error', 'escape', 'findall', 'finditer',
'fullmatch', 'functools', 'match', 'purge', 'search', 'split',
'sre_compile', 'sre_parse', 'sub', 'subn', 'template']
complie
re.compile(string[,flag])
在参数中我们传入了原生字符串对象，通过compile方法编译生成一个pattern对象，然后我们利用这个对象来进行进一步的匹配。
>>> str = "You Are Really Beautifull"
>>> p = re.compile("you",re.I)
>>> p.match(str)
<re.Match object; span=(0, 3), match='You'>
参数flag是匹配模式：
- re.I(全拼：IGNORECASE): 忽略大小写（括号内是完整写法，下同）
- re.M(全拼：MULTILINE): 多行模式，改变’^‘和’$'的行为
- re.S(全拼：DOTALL): 点任意匹配模式，改变’.'的行为
- re.L(全拼：LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
- re.U(全拼：UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
- re.X(全拼：VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。
findall
re.findall()
匹配所有的对象，返回一个列表
>>> re.findall(r"\d+","1，当前浏览量是8848次，回帖人数是520人")
['1', '8848', '520']
finditer
re.finditer()
返回一个迭代器 iterator，这个 iterator yield match objects.返回顺序、内容和 re.findall() 相同
>>> re.finditer('[a-n]', 'liujianhong')
<callable_iterator at 0x7f6c58629e10>
>>> q = re.finditer('[a-n]', 'liujianhong')
>>> next(q)
<re.Match object; span=(0, 1), match='l'>
>>> next(q)
<re.Match object; span=(1, 2), match='i'>
>>> next(q)
<re.Match object; span=(3, 4), match='j'>
match
re.match(pattern, string[, flags])
这个方法将会从string（我们要匹配的字符串）的开头开始，尝试匹配pattern，一直向后匹配，如果遇到无法匹配的字符，立即返回None，如果匹配未结束已经到达string的末尾，也会返回None。两个结果均表示匹配失败，否则匹配pattern成功，同时匹配终止，不再对string向后匹配。
>>> s
'我今年16岁了，我错了，我今年已经17岁了'
>>> re.match(r".*\d+.*",s)
<re.Match object; span=(0, 21), match='我今年16岁了，我错了，我今年已经17岁了'>
>>> res = re.match(r".*\d+.*",s)
>>> res.group()
'我今年16岁了，我错了，我今年已经17岁了'
search
re.search(pattern, string[, flags])
执行正则表达式搜索并且在搜索结束后返回所匹配到的串，只返回第一次匹配到的结果
>>> import re
>>> res = re.search(r"\d+","当前浏览量是 8808 次")
>>> res.group()
'8808'
split
re.split(pattern, string[, maxsplit])
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。
>>> path = "http://www.baidu.com"
>>> re.split("\.",path)
['http://www', 'baidu', 'com']
sub
re.sub(pattern, repl, string[, count])
使用repl替换string中每一个匹配的子串后返回替换后的字符串。
- 当repl是一个字符串时，可以使用\id或\g、\g引用分组，但不能使用编号0。
- 当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
当需要同时返回替换次数是，可以使用：
re.subn(pattern, repl, string[, count])
>>> re.sub("\d+","1024","访问量位8808次")
'访问量位1024次'
元字符
| 代码 | 说明 |
|---|---|
| \d | # 匹配一个数字 |
| . | # 匹配任意符号，除换行符‘\n’外，\默认添加 |
| \w | # 匹配所有的有效符号（大小写字母，数字，下划线，国家语言符号） |
| \s | # 匹配任意空白符（如空格符号、‘’\t’） |
| ^ | # 匹配以什么（后面紧跟的字符）开头（此处开头为字符串的开头），默认匹配到结尾 |
| ￥ | # 匹配以什么结尾与^对立， |
| [ ] | # 例举 # [0123456789] <=> “”\d” #[a-z] 表实小写的a~z的所有字母，即可用“-”来表示范围，[A-Za-z0-9_] <=> 有效符号 # 所有中文：[\u4e00-\u9fa5] |
反义符
| 代码 | 说明 |
|---|---|
| \D | # 匹配非数字符号 |
| \W | # 匹配非有效符号，即特殊符号 |
| \S | # 匹配非空白符 |
| [^] | # 表示跟列举相反，即不能匹配所列举的符号 |
转义符
如果你想查找元字符本身的话，比如你查找’.‘，或者‘*’，就出现了问题：你没法指定它们，因 为它们会被解释成其它的意思。这时你就必须使用\来取消这些字符的特殊意义。因此，你应该使用.和*。当然，要查找\本身，你也得用\.
re.match("c:\\\\","c:\\a\\b")
#这里需要四个反斜杠，因为字符串需要转义，正则也要转义，当然也可以用下列的方式
re.match(r"c:\\","c:\\a\\b") #r表示匹配的字符不进行转义
#这样也可以达到相同的效果
这里建议以后在写正则的时候，一定要在正则表达式前面加上r，避免出现上述的情况
位数
| 代码 | 说明 |
|---|---|
| * | # 表示匹配任意位（>= 0） |
| + | # 表示至少一位(>= 1) |
| ？ | # 表示0位或者1位，即要么没有，要么有，有的话不能超过1位 |
| {n} | # 表示有n位 |
| {n，m} | # 表示n-m这个范围 |
分组
在正则表达式中，使用圆括号（）将正则中包裹起来，会形成正则匹配后得二次筛选
>>> re.match("\d+(183|192|168)\s","452183 ").group(1)
'183'
>>> re.match("\d+(183|192|168)\.(li|wang|liu)","452168.wang").group(1)
'168'
>>> re.match("\d+(183|192|168)\.(li|wang|liu)","452168.wang").group(2)
'wang'
r"" # 匹配标签
r"<(\w+)>.*" # 匹配开始与结尾标签，\1被称为后向引用（即用于重复搜索前面莫格分组匹配得文本）
贪婪与懒惰
在 Python 中正则默认是贪婪模式（个别语言中也可能是非贪婪模式），贪婪模式就是总会尝试匹配更多的字符。
非贪婪模式则反之，总是尝试匹配尽可能少的字符。
在*、？、+、{m,n}后面加上？，可以将贪婪模式变成非贪婪模式。
| 代码 | 说明 |
|---|---|
| *？ | 重复任意次，但尽可能少得重复 |
| +? | 重复1次或更多次，但尽可能少得重复 |
| ?? | 重复0次或1次，但尽可能少得重复 |
| {n,m}? | 重复n到m次，但尽可能少得重复 |
| {n,}? | 重复n次以上，但尽可能少得重复 |