python re 模块 正则表达式
python正则表达式
解释：正则作为处理字符串的一个实用工具，在Python中经常会用到，比如爬虫爬取数据时常用正则来检索字符串等等。正则表达式已经内嵌在Python中，通过导入re模块就可以使用。
一、re模块
第一：导入re模块
在使用正则表达式之前，需要导入re模块
import re
第二：使用使用findall（）语句
用法：
findall(正则表达式，目标字符串)
使用findall（）语句之后返回的结果是一个列表，列表中是符合正则要求的字符串。
二、正则表达式
1.字符串的匹配
（1）普通字符串
大多数的字母和字符都可以进行自身匹配
示例：
import re
a = "abc123+-*"
b = re.findall('abc',a)
print(b)
输出：
['abc']
（2）元字符
元字符指的是. ^ $ ? + {} \ []之类的特殊字符
1） []的使用方法
~常用来指定一个字符集
示例：
import re
s = "a123456b"
rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b"
l = re.findall(rule,s)
print(l)
输出：
['a123456b']
~可以表示一个范围
示例：
import re
s = "abcabcaccaac"
rule = "a[a,b,c]c" # rule = "a[a-z0-9][a-z0-9][a-z0-9][a-z0-9]c"
l = re.findall(rule, s)
print(l)
输出：
['abc', 'abc', 'acc', 'aac']
~[] 内的元字符不起作用，只表示普通字符
示例：
import re
print(re.findall("caa[a，^]", "caa^bcabcaabc"))
输出：
['caa^']
2）^
^ 通常用来匹配行首
示例：
import re
print(re.findall("^abca", "abcabcabc"))
输出：
['abca']
3）$
$ 通常用来匹配行尾
示例：
import re
print(re.findall("abc$", "accabcabc"))
输出：
['abc']
4）\
反斜杠后面可以加不同的字符表示不同的特殊含义，常见的有以下3种：
~\d:匹配任何十进制数等价于[0-9]
示例：
import re
print(re.findall("c\d\d\da", "abc123abc"))
输出：
['c123a']
~\可以转义成普通字符
示例：
import re
print(re.findall("\^abc", "^abc^abc"))
输出：
['^abc', '^abc']
~\s匹配任何的空白字符
示例：
import re
print(re.findall("\s\s", "a c"))
输出：
[' ', ' ']
~\w匹配任何字母数字和下划线，等价于[a-zA-Z0-9_]
示例：
import re
print(re.findall("\w\w\w", "abc12_"))
输出：
['abc', '12_']
5）{n}
{n}可以避免重复写，比如前面我们用\w时写了3次\w，而这里我们这需要用用上{n}就可以，n表示匹配的次数
示例：
import re
print(re.findall("\w{2}", "abc12_"))
输出：
['ab', 'c1', '2_']
6）*
*表示匹配零次或多次（尽可能的多去匹配）
示例:
import re
print(re.findall("010-\d*", "010-123456789"))
输出：
['010-123456789']
7） +
+表示匹配一次或多次
示例：
import re
print(re.findall("010-\d+", "010-123456789"))
输出：
['010-123456789']
8） .
.是个点，这里不是很明显，它用来操作除了换行符以外的任何字符
示例;
import re
print(re.findall(".", "010\n?!"))
输出：
['0', '1', '0', '?', '!']
9) ？
？表示匹配一次或零次
示例：
import re
print(re.findall("010-\d?", "010-123456789"))
输出：
['010-1']
10){m,n}
~m,n指的是十进制数,表示最少重复m次，最多重复n次
示例：
import re
print(re.findall("010-\d{3,5}", "010-123456789"))
输出：
['010-12345']
~加上？表示尽可能少的去匹配
示例：
import re
print(re.findall("010-\d{3,5}?", "010-123456789"))
输出：
['010-123']
{m,n}还有其他的一些灵活的写法，比如：
- {1,} 相当于前面提过的 + 的效果
- {0，1} 相当于前面提过的 ？ 的效果
- {0，} 相当于前面提过的 * 的效果
三、正则的使用
1.编译正则
在Python中，re模块可通过compile() 方法来编译正则，re.compile(正则表达式)
示例：
import re
s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)
s_compile = rule_compile.findall(s)
print(s_compile) # 打印compile()返回的对象是什么
输出:
['010-123456789']
2.正则对象的使用方法
正则对象的使用方法不仅仅是通过我们前面所介绍的 findall() 来使用，还可以通过其他的方法进行使用，效果是不一样的，这里我做个简单的总结：
（1）findall():找到re匹配的所有字符串，返回一个列表
（2）search():扫描字符串，找到这个re匹配的位置（仅仅是第一个查到的）
（3）match():决定re是否在字符串刚开始的位置（匹配行首）
示例：
s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)
s_compile = rule_compile.match(s)
print(s_compile)
输出：
3.Match object 的操作方法
（1）group()：返回re匹配的字符串
（2）start()：返回匹配开始的位置
（3）end()：返回匹配结束的位置
（4）span():返回一个元组：（开始,结束）的位置
示例：
s = "010-123456789"
rule = "010-\d*"
rule_compile = re.compile(rule)
s_compile = rule_compile.match(s)
print(s_compile.span())
输出：
(0, 13)
4.re模块的函数
re模块中除了上面介绍的findall()函数之外，还有其他的函数，来做一个介绍：
（1）findall()：根据正则表达式返回匹配到的所有字符串，这个我就不多说了，前面都是在介绍它。
（2）sub(正则,新字符串,原字符串)：sub() 函数的功能是替换字符串
示例:
s = "abcabcacc"
l = re.sub("abc","ddd",s)
print(l)
输出;
ddddddacc
（3)subn(正则,新字符串,原字符串)
subn()的作用是替换字符串，并返回替换的次数
示例：
s = "abcabcacc"
l = re.subn("abc","ddd",s)
print(l)
输出：
('ddddddacc', 2)
（4）split()
split()分割字符串
示例:
s = "abcabcacc"
l = re.split("b",s)
print(l)
输出：
['a', 'ca', 'cacc']
本章个人学习心得
本章正则表达式主要对象是针对的字符串，和之前的加减乘除运算有一定的出入。所以如果对课本书上的理论概念不太理解，一知半解。就将代码写出结合代码去理解正则表达式的作用。这样可能会事半功倍。