自学python_19 正则表达式

比较好的博客地址：
https://www.runoob.com/python/python-reg-expressions.html
https://www.cnblogs.com/austinjoe/p/9492790.html

正则表达式：

search 和 match 方法：

import re

msg = "娜扎热巴代斯佟丽娅"

pattern = re.compile("佟丽娅")
res = re.match(pattern,msg)
# match方法没有匹配成功才会返回None。
# 只有把佟丽娅提前才能匹配得到。
print(res)
# None 在这里 娜扎热 和 佟丽娅匹配不上，所以返回None。
res = re.match(pattern,msg)
print(res)

如何寻找那些混在一起的字母和数字,或者是寻找具备其他某种特征的结果该怎么做呢？这就引入了正则表达式。正则表达式不是search中的固定字符串，而是将字符串变成了一种用固定的语言定义特征的字符串。

可以再re.py查看定义的具体规则。

寻找字符串中在[123456]里的字符

import re

s = "哈哈6"
s1 = "哈哈9"
res = re.search("[123456]",s)
# [123456] 相当于 [1-6]
print(res)
# 
res = re.search("[123456]",s1)
print(res)
# None

寻找全部字符串中一个数字加一个字母的组合

import re
s = "d1cc2j3c1b2j1a23aa12313b"
res = re.findall("[a-z][0-9][a-z]",s)
print(res)
# ['d1c', 'c2j', 'c1b', 'j1a']

这里的c2j3c仅仅是把c2j当成结果了，j3c没有，要注意这个机制。

如果把上面的一个换成多个，就要用到 * + ?

import re
s = "d1cc2j3c1b2j1a23aa12313b"
res = re.findall("[a-z][0-9]+[a-z]",s)
print(res)
# ['d1c', 'c2j', 'c1b', 'j1a', 'a12313b']

简单应用：判断QQ号

#qq号验证， 5~11为，开头不能为0
q = "31234123"
q1 = "[12312323]"
res = re.match("^[1-9][0-9]{4,10}$",q)
# {}里面的数字是，必须有这么多位符合要求
# {m,n} 表示次数大于等于m且小于等于n次。
# 也可以用{m,}，{,n}表示大于等于，小于等于。
print(res)
# 
res = re.match("^[1-9][0-9]{4,10}$",q1)
print(res)
# None  加上^$就避免了对部分符合的字符串进行处理从而出现的问题。

正则表达式中的预定义字符：

简单应用：检索文件名：

import re
msg = "123.py 123.txt 12323.py"
# 最常规的方法是在字符串前加r。
res = re.findall(r"\w*\.py\b",msg)
# 如果不在字符串前面加r，就要写成\\w，\\b。
print(res)
# ['123.py', '12323.py']

分组操作：

(word1|word2|word3) 只能是word1，2，3。不能有任何改变。
[word1|word2|word3] 与()不同，这里的|没有或的意思，就是一个字符|。
这里把 word1|word2|word3 看成一个整体，只要再这个整体中就符合要求，比如w,o,d。

import re
# 匹配 1 - 100 的数字。
n = "9"
result = re.match(r"[1-9]?\d?$|100$",n)
print(result)

# 验证输入的邮箱 163 126 qq
email = "[email protected]"
result = re.match(r"\w{5,20}@(163|126|qq)\.(com|cn)$",email)
print(result)

结合group：

如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。

email = "[email protected]"
result = re.match(r"(\w{5,20}@)(163|126|qq)\.(com|cn)$",email)

print(result.group(1))
# 123132@

print(result.group(2))
# qq

print(result.group(3))
# com

注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。

用number对group里的内容进行调用。

import re
# 结合number进行使用。
result = re.match(r"<([0-9a-zA-Z]+)>(.+)$",msg)
print(result)
# 

也可以对group里的各个分组进行命名。

import re
msg = "
abc
"
result = re.match(r"<(?P\w+)><(?P\w+)>(.+)",msg)
print(result)
# 

(?P)可以对分组命名，如果需要调用分组的名称，用(?P=name)不要加空格。

sub：将匹配的数据进行替换：

import re
msg = "
abc
"
result = re.sub(r"\d+","90","121231231adasd1231")
print(result)
# 90adasd90

第一个参数是替换的类型，第二个是替换的内容，第三个是原字符串。也可以把第二个参数换成一个函数。

import re
def fun(temp):
    num = temp.group()
    num1 = int(num) + 1
    return str(num1)
msg = "
abc
"
result = re.sub(r"\d+",fun,"121231231adasd1231")
print(result)

此时就会将原字符串传递进fun里作为temp进行操作，并且在操作完之后将字符串返回，注意返回值一定要是字符串类型。

贪婪和非贪婪：

正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪则相反，总是尝试匹配尽可能少的字符。在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

贪婪模式下字符串查找会直接走到字符串结尾去匹配，如果不相等就向前寻找，这一过程称为回溯。

import re
str1='
贪婪
贪婪
贪婪
贪婪'
str2=re.findall(r'<.*>',str1)
print(str2)

# ['
贪婪
贪婪
贪婪
']

非贪婪模式下会自左向右查找，一个一个匹配不会出现回溯的情况。

import re
str1='
贪婪
贪婪
贪婪
贪婪'
str2=re.findall(r'<.*?>',str1)
print(str2)
# ['', '', '', '', '', '
', '
', '
', '
', '
']