Python学习（九） —— 正则表达式与re模块

一、正则表达式

　　定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

　　正则表达式是匹配字符串内容的一种规则。在线测试工具： http://tool.chinaz.com/regex/

　　字符组：[],一个字符组匹配一个字符，[0-9],[A-Z],[a-z],[0-9A-Za-z]

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

　　贪婪匹配：在满足匹配条件时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配，加上？，将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

　　几个常用的非贪婪匹配：

　　　　*？：重复任意次，但尽可能少重复

　　　　+？：重复1次或更多次，但尽可能少重复

　　　　？？：重复0次或1次，但尽可能少重复

　　　　{n,m}?：重复n到m次，但尽可能少重复

　　　　{n,}?：重复n次以上，但尽可能少重复

　　　　.*?x：取前面任意长度的字符，直到一个x出现

　　转义符：在正则表达式中，有很多有特殊意义的是元字符，例如\d和\s等，如果要在正则中匹配正常的‘\d’，则需要对'\'进行转义，变成'\\'。

^(\d{17}[\dx])|\d{15}
^\d{15}(\d{2}[0-9x])?$
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$

 

2、re模块

　　导入：import re

　　re.findall()：按照正则表达式找到所有符合的内容，返回列表

import re
ret = re.findall('a','alex egon barry')
print(ret)  #'a','a'

　　re.finditer()：按照正则表达式找到所有符合的内容，返回迭代器，通过调用group()方法得到匹配的字符串

import re
ret = re.finditer('\d','a1b2c3def')
for i in ret:
print(i.group())
#1
#2
#3

　　re.search()：按照正则表达式找到一个合适的就返回，没有返回None，通过调用group()方法得到匹配的字符串

import re
ret = re.search('[a-z]','32jfdsajg')
print(ret.group())  #j

　　re.match()：按照正则表达式从开始进行匹配，匹配到一个返回，没有返回None，通过调用group()方法得到匹配的字符串

import re
ret = re.match('[a-z]{3}','how are you')
print(ret.group())  #how

　　re.sub(旧,新,字符串,次数)：按照正则表达式进行替换，返回替换后的字符串，默认全部替换

import re
ret = re.sub('k','abc','like a kitty',1)
print(ret)  #liabce a kitty

 　　re.subn(旧,新,字符串)：按照正则表达式进行替换，返回元组（替换后的字符串，替换次数）

import re
ret = re.subn('k','8','like a kitty key')
print(ret)  #('li8e a 8itty 8ey', 3)

　　re.split()：按照正则表达式进行切割，返回一个列表

import re
ret = re.split('a','aalpha')
print(ret)  #['','','lph','']

　　re.complie()：编译，将正则表达式进行编译，提高运行效率

import re
obj = re.compile('\d{3}')
ret = obj.search('ab12cd345def')
print(ret.group())  #345

 　　注意：

　　1.findall的优先级查询：如果正则里面有括号，会优先匹配括号的内容并返回，如果想要匹配全部，用？:取消权限

import re
ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['www.oldboy.com']

　　2.split的优先级查询：如果正则里面有括号，会保留被切割的项，如果正则没有括号，不会保留被切割的项

import re
ret=re.split("\d+","eva3egon4yuan")
print(ret) #['eva', 'egon', 'yuan']
ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #['eva', '3', 'egon', '4', 'yuan']

#没有（）的没有保留所匹配的项，有（）的保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的

 

　　匹配标签

import re
ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
#还可以在分组中利用?<name>的形式给分组起名字
#获取的匹配结果可以直接用group('名字')拿到对应的值
print(ret.group('tag_name'))  #h1
print(ret.group())  #<h1>hello</h1>

ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")
#如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致
#获取的匹配结果可以直接用group(序号)拿到对应的值
print(ret.group(1))  #h1
print(ret.group())  #<h1>hello</h1>

 

　　匹配整数

import re
content = '1 - 2 * ( (60-30 +(-40/5.0) * (9-3.33 + 198/4*2998 +10 * 568/14 )))'
ret = re.findall(r'\d+\.\d+|(\d+)',content)
print(ret)
ret.remove('')
print(ret)
#['1', '2', '60', '30', '40', '', '9', '', '198', '4', '2998', '10', '568', '14']
#['1', '2', '60', '30', '40', '9', '', '198', '4', '2998', '10', '568', '14']

 

　　flags

re.I(IGNORECASE)忽略大小写，括号内是完整的写法
re.M(MULTILINE)多行模式，改变^和$的行为
re.S(DOTALL)点可以匹配任意字符，包括换行符
re.L(LOCALE)做本地化识别的匹配，表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境，不推荐使用
re.U(UNICODE) 使用\w \W \s \S \d \D使用取决于unicode定义的字符属性。在python3中默认使用该flag
re.X(VERBOSE)冗长模式，该模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注释