python-- re 模块

字符组，量词，元字符

re 模块，也就是我们常说的正则

正则校验网站：​​http://tool.chinaz.com/regex/​​

字符组

在一个字符的位置上能出现的内容

# [1bc] 是一个范围
# [0-9][A-Z][a-z] 匹配三个字符
# [abc0-9] 匹配一个字符
# [0-9a-zA-Z] 匹配一个字符

量词

在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式

# ? 重复零次或一次 0-1
# + 重复一次或更多次 1-n
# * 重复零次或更多次 0-n
# {n} 重复n次
# {n,} 重复n次或更多次
# {n,m} 重复n到m次

元字符

# \d == [0-9] 也表示匹配一个字符,匹配的是一个数字
# \w == [0-9a-zA-Z_] 也表示匹配一个数字字母下划线
# \s == [\n \t] 包括回车 空格 和 制表符tab
# \n 匹配回车
# \t 匹配制表符
# \D 匹配非数字
# \W 匹配非数字字母下滑线
# \S 匹配非空白
# ^ 匹配字符串的开始
# $ 匹配字符串的结尾
# a|b 匹配字符a或字符b
# () 匹配括号内的表达式，也表示一个组
# [^...]匹配除了字符组中字符的所有字符
# . 匹配除换行符以外的任意字符
# [\d\D] [\w\W] [\s\S] 都是匹配所有

特殊用法：在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式

转义符 \

在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义，变成'\\'。

在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\n",字符串中要写成'\\n'，那么正则里就要写成"\\\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念，此时的正则是r'\\n'就可以了。

# |的用法 [1-9]\d{16}[0-9X]|[1-9]\d{14} 身份证号
# ()的用法 [1-9]\d{14}(\d{2}[1-9X])? 身份证号
# 匹配整数或小数：-?\d+(\.\d+)*

 

 

re 模块

# re.match 从头开始匹配
# re.search 匹配包含
# re.findall 把所有匹配到的字符放到以列表中的元素返回
# re.splitall 以匹配到的字符当做列表分隔符
# re.sub 匹配字符并替换
# re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
# M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
# S(DOTALL): 点任意匹配模式，改变'.'的行为
# findall 会优先显示分组中的内容,要想取消分组优先,(?:正则表达式)
# plit 遇到分组 会保留分组内被切掉的内容
# search 如果search中有分组的话,通过group(n)就能够拿到group中的匹配的内容
# 分组命名：
# (?P<name>正则表达式) 表示给分组起名字
# (?P=name)表示使用这个分组,这里匹配到的内容应该和分组中的内容完全相同

match

import re

res = re.match('liu', 'liufujia') # 从头开始匹配
print(res.group())

res = re.match('liu\d+', 'liu352521fujia') # \d表示匹配一个数字，\d+匹配一个或多个数字
print(res.group())

res = re.match('.', 'liufujia') # .匹配任意一个字符
print(res.group())

res = re.match('.+', 'liufujia77') # .匹配任意一个字符，.+匹配所有
print(res.group())

结果：

liu
liu352521
l
liufujia77

search

import re

res = re.search('f[a-z]+a', 'liu321fuJiafujia123') # . 以f开头，[a-z]小写字母一个，[a-z]+多个小写字母，r[a-z]+a表示以r开头，以a结尾，中间多个任意小写字母
print(res.group())

res = re.search('[a-z]+', 'liuFujia', flags=re.I) # 忽略大小写
print(res.group())

res = re.search('#.+#', '123#hello#j58')
print(res.group())

res = re.search('aal?', 'aaalexaaa') # 匹配？前的l一次或0次
print(res.group())

res = re.search('[0-9]{3}', 'as1def2rt3456gh') # 匹配数字三次
print(res.group())

结果

fujia
liuFujia
#hello#
aa
345

案例二

import re

res = re.search('abc|ABC', 'ABCAabcCD') # 先匹配左边的abc，第一个满足大写的就返回大写的
print(res.group())

res = re.search('(abc){2}', 'abcccabcabcjid') # 匹配abc 两次
print(res.group())

res = re.search('\A[0-9]+[a-z]+\Z', '2658afgdfd') # 匹配数字开头，字母结尾
print(res.group())

res = re.search('\A[0-9]+[a-z]\Z', '2658a') # 匹配数字开头，一个字母结尾，字母大于一个会报错
print(res.group())

res = re.search('\d+', 'sd5ere65tere862') # 匹配数字，只匹配一次
print(res.group())

res = re.search('\w+', '$sd5ere65t#ere862') # 匹配非特殊字符一次
print(res.group())

 结果

ABC
abcabc
2658afgdfd
2658a
5
sd5ere65t

findall

import re

res = re.findall('[0-9]{2,3}', 'as1def25rt3456gh') # 匹配前一个字符n到m次
print(res)

res = re.findall('abc|ABC', 'ABCAabcCD') # findall满足的都匹配
print(res)

res = re.findall('\d+', 'sd5ere65tere862')
print(res)

res = re.findall('\D+', '$sd5ere65tere862') # 匹配非数字多次
print(res)

res = re.findall('\w+', '$sd5ere65t#ere862') # 匹配非特殊字符多次
print(res)

结果：

['25', '345']
['ABC', 'abc']
['5', '65', '862']
['$sd', 'ere', 'tere']
['sd5ere65t', 'ere862']

 split 和 sub

import re

res = re.split('[a-z]', '7sdr85fd8gf52')
print(res)

res = re.split('[a-z]+', '7sdr85fd8gf52')
print(res)

res = re.sub('[0-9]+', '|', '2sd36fd5er9') # 替换，匹配所有的数字，替换为|
print(res)

res = re.sub('[0-9]+', '|', '2sd36fd5er9', count=2) # 替换，匹配前两次的数字，替换为|
print(res)

结果：

['7', '', '', '85', '', '8', '', '52']
['7', '85', '8', '52']
|sd|fd|er|
|sd|fd5er9

 时间效率和空间效率

compile ====》 时间效率

finditer ====》  空间效率

import re

re.findall('-0\.\d+|-[1-9]+(\.\d+)?', 'alex83egon20taibai40') # --> python解释器能理解的代码 --> 执行代码
ret = re.compile('-0\.\d+|-[1-9]\d+(\.\d+)?')
res = ret.search('alex83egon-20taibai-40')
print(res.group())
# 节省时间 : 只有在多次使用某一个相同的正则表达式的时候,这个compile才会帮助我们提高程序的效率

结果：

-20import re

print(re.findall('\d', 'sjkhkdy982ufejwsh02yu93jfpwcmc'))
ret = re.finditer('\d', 'sjkhkdy982ufejwsh02yu93jfpwcmc')
for r in ret:
print(r.group())

ret = re.findall('-0\.\d+|-[1-9]\d*(\.\d+)?', '-1asdada-200')
print(ret)

结果

['9', '8', '2', '0', '2', '9', '3']
9
8
2
0
2
9
3
['', '']

分组

import re

ret = re.findall('www.(baidu|csca).com', 'www.csca.com')
print(ret)

结果：

['csca']

取消分组优先 ?:

import re

ret = re.findall('www.(?:baidu|csca).com', 'www.csca.com')
print(ret)

结果：

['www.csca.com']import re

ret = re.split('\d+', 'abc83egon20bai40')
print(ret)
ret = re.split('(\d+)', 'abc83egon20bai40')
print(ret)

结果：

['abc', 'egon', 'bai', '']
['abc', '83', 'egon', '20', 'bai', '40', '']

分组遇见 search

import re

ret = re.search('\d+(.\d+)(.\d+)(.\d+)?', '1.2.3.4-2*(60+(-40.35/5)-(-4*3))')
print(ret.group())
print(ret.group(1))
print(ret.group(2))
print(ret.group(3))

结果：

1.2.3.4
.2
.3
.4