re模塊、正則表達式

正則

# 正則：正則就是帶語法的字符串，用來匹配目標字符串獲得想要的字符串結果

# 語法：
# 1.單個字符
# \d == [0-9]
# \D == [^0-9]
# \w == 字母+數字+_
# [0-9A-Za-z] == 全部字母+數字
# . == 匹配全部單個字符(刨除換行)

# 2.多個字符
# zo* == zo{0,}
# zo+ == zo{1,}
# zo? == zo{0,1}

# 應用
# 匹配多個zo：zozozozo
# (?:zo){1,}

# 3.多行
# ^: 以什麼開頭 $: 以什麼結尾  結合 flags=re.M  能夠按\n來完成多行匹配
# re.S：將\n也能被.匹配  re.I：不區分大小寫


# 4.分組
# 1.從左往右數數 ( 進行編號，本身的分組從1開始，group(0)表明匹配到的目標總體
# 2.(?: ... )：取消所屬分組，()就是普通()，能夠將裏面的信息做爲總體包裹，但不產生分組
regexp = re.compile('(?:(?:http://)(.+)/)')  # 生成正則對象
target = regexp.match('http://www.baidu.com/')
print(target.group(1))  # www.baidu.com

# 5.拆分
print(re.split('\s', '123 456\n789\t000'))

# 6.替換
# 1.不參與匹配的原樣帶下 2.參與匹配的都會被替換爲指定字符串
# 3.在指定字符串值\num拿到具體分組 4.其餘字符串信息都是原樣字符串
print(re.sub('《(?:[a-z]+)(\d+)(.{2})', r'\\2abc\2\1', '《abc123你好》'))

什麼是正則表達式

一組特殊符號組成的表達式，用於描述某種規則。該應用場景生活中隨處可見。

例如：讓有志青年過上體面的生活，這裏面就由規則，即有志青年。

正則表達式的做用，以及使用場景

1.用於從字符串中匹配知足某種規則的內容，多數用於爬蟲應用程序

2.判斷字符串串內容是否知足某種規則，多用於嚴重用戶輸入。例如密碼是否規範，手機號是否正確等

學習重點

正則是一堆特殊符號組成的，咱們主要學習的就是這些特殊符號

元字符	描述
\	將下一個字符標記符、或一個向後引用、或一個八進制轉義符。例如，「\n」匹配\n。「\n」匹配換行符。序列「\」匹配「」而「(」則匹配「(」。即至關於多種編程語言中都有的「轉義字符」的概念。
^	匹配輸入字行首。若是設置了RegExp對象的Multiline屬性，^也匹配「\n」或「\r」以後的位置。
$	匹配輸入行尾。若是設置了RegExp對象的Multiline屬性，$也匹配「\n」或「\r」以前的位置。
*	匹配前面的子表達式任意次。例如，zo能匹配「z」，也能匹配「zo」以及「zoo」。等價於{0,}。
+	匹配前面的子表達式一次或屢次(大於等於1次）。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價於{1,}。
{n}	n是一個非負整數。匹配肯定的n次。例如，「o{2}」不能匹配「Bob」中的「o」，可是能匹配「food」中的兩個o。
{n,}	n是一個非負整數。至少匹配n次。例如，「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的全部o。「o{1,}」等價於「o+」。「o{0,}」則等價於「o*」。
{n,m}	m和n均爲非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}」將匹配「fooooood」中的前三個o爲一組，後三個o爲一組。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。
?	匹配前面的子表達式零次或一次。例如，「do(es)?」能夠匹配「do」或「does」。?等價於{0,1}。
?	當該字符緊跟在任何一個其餘限制符（,+,?，{n}，{n,}，{n,m*}）後面時，匹配模式是非貪婪的。非貪婪模式儘量少地匹配所搜索的字符串，而默認的貪婪模式則儘量多地匹配所搜索的字符串。例如，對於字符串「oooo」，「o+」將盡量多地匹配「o」，獲得結果[「oooo」]，而「o+?」將盡量少地匹配「o」，獲得結果 ['o', 'o', 'o', 'o']
.點	匹配除「\n」和"\r"以外的任何單個字符。要匹配包括「\n」和"\r"在內的任何字符，請使用像「[\s\S]」的模式。
x|y	匹配x或y。例如，「z|food」能匹配「z」或「food」(此處請謹慎)。「[zf]ood」則匹配「zood」或「food」。
[xyz]	字符集合。匹配所包含的任意一個字符。例如，「[abc]」能夠匹配「plain」中的「a」。
[^xyz]	負值字符集合。匹配未包含的任意字符。例如，「[^abc]」能夠匹配「plain」中的「plin」任一字符。
[a-z]	字符範圍。匹配指定範圍內的任意字符。例如，「[a-z]」能夠匹配「a」到「z」範圍內的任意小寫字母字符。注意:只有連字符在字符組內部時,而且出如今兩個字符之間時,才能表示字符的範圍; 若是出字符組的開頭,則只能表示連字符自己.
[^a-z]	負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，「[^a-z]」能夠匹配任何不在「a」到「z」範圍內的任意字符。
\b	匹配一個單詞的邊界，也就是指單詞和空格間的位置（即正則表達式的「匹配」有兩種概念，一種是匹配字符，一種是匹配位置，這裏的\b就是匹配位置的）。例如，「er\b」能夠匹配「never」中的「er」，但不能匹配「verb」中的「er」；「\b1_」能夠匹配「1_23」中的「1_」，但不能匹配「21_3」中的「1_」。
\B	匹配非單詞邊界。「er\B」能匹配「verb」中的「er」，但不能匹配「never」中的「er」
\s	匹配任何不可見字符，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。
\S	匹配任何可見字符。等價於[^ \f\n\r\t\v]。
\w	匹配包括下劃線的任何單詞字符。相似但不等價於「[A-Za-z0-9_]」，這裏的"單詞"字符使用Unicode字符集。
\W	匹配任何非單詞字符。等價於「[^A-Za-z0-9_]」。
\d	匹配一個數字字符。等價於[0-9]。grep 要加上-P，perl正則支持
\D	匹配一個非數字字符。等價於[^0-9]。grep要加上-P，perl正則支持
\n	匹配一個換行符。等價於\x0a和\cJ。
\r	匹配一個回車符。等價於\x0d和\cM。
\t	匹配一個製表符。等價於\x09和\cI。
( )	將( 和 ) 之間的表達式定義爲「組」（group），而且將匹配這個表達式的字符保存到一個臨時區域（一個正則表達式中最多能夠保存9個），它們能夠用 \1 到\9 的符號來引用。
(?:pattern)	非獲取匹配，匹配pattern但不獲取匹配結果，不進行存儲供之後使用。這在使用或字符「(|)」來組合一個模式的各個部分時頗有用。例如「industr(?:y|ies)」就是一個比「industry|industries」更簡略的表達式。
|	將兩個匹配條件進行邏輯「或」（Or）運算。例如正則表達式(him|her) 匹配"it belongs to him"和"it belongs to her"，可是不能匹配"it belongs to them."。注意：這個元字符不是全部的軟件都支持的。

首先介紹的是re模塊的findall方法，該方法用於從字符串中獲取全部匹配成功的內容：

import re
res = re.findall("表達式"，"字符串內容")
res = re.findall("\w"，"hello python")
res = re.findall("^http://"，"http://www.baidu.com\nhttp://www.sina.com.cn", re.M)
# 該方法獲得一個列表
print(res)

單個字符匹配

\w 
\W
\s
\S
\d
\D
.
\r
\n
\t

指定匹配範圍

a|b|c
[abc]
[^abc]
[a-z]
[a-zA-Z0-9]
注意當 -須要做爲普通字符時必須寫在最前面或最後面

匹配次數

{a}
{b,}
{a,b}
\*  
？

位置匹配

^
$
\d
\B

貪婪模式

默認狀況下+和*將盡量多的匹配內容
\+
*

非貪婪模式

將盡量少的匹配內容，當？出如今其餘的重複次數後面時會將貪婪模式改成非貪婪模式。
?
如
abc.*？
abc.+?

分組

用於單獨獲取某一部分匹配的內容
（表達式）獲取匹配的
（?:表達式） 不獲取匹配的

補充：

#匹配模式:.不能匹配換行符
content='''Hello 123456 World_This
is a Regex Demo
'''
# res=re.match('He.*?(\d+).*?Demo$',content)
# print(res) #輸出None

# res=re.match('He.*?(\d+).*?Demo$',content,re.S) #re.S讓.能夠匹配換行符
# print(res)
# print(res.group(1))

re模塊其餘函數

search

僅獲取第一個匹配的內容

match

從字符串開始處開始匹配

compile

獲得一個的表達式對象，後期能夠重複使用

split

使用正則表達式來切分字符串

re.split("[:\/\\]","a:b/c\d/f")

sub

普通替換與字符串的替換沒有區別

print(re.sub("python","PYTHON","python asasasaasa python"))

正則替換 只替換後面的python

print(re.sub("(python)(.*)(python)",r"\1\2PYTHON","python asasasaasa python"))

練習

• 編寫驗證身份證的正則

• 編寫驗證手機號的正則

• 編寫驗證郵箱地址的正則