python--「re」詳解

1、什麼是正則表達式？

正則表達式(regular expression)描述了一種字符串匹配的模式，能夠用來檢查一個串是否含有某種子串、將匹配的子串作替換或者從某個串中取出符合某個條件的子串等。

正則表達式的組件能夠是單個的字符、字符集合、字符範圍、字符間的選擇或者全部這些組件的任意組合。　

 

2、正則表達式的基本語法。

1.備選字符集　

  　　語法：[可選字符列表]
    　　  強調：1. 不管備選字符集包含多少字符，只能選1個
　　　　　　   2. 必須選1個！

      好比：6位數字的密碼： [0123456789][0123456789][0123456789][0123456789][0123456789][0123456789]
     簡化：1. 當備選字符連續時，可用-表示範圍的區間
        好比：[0123456789]-->[0-9]
        [0-9][0-9][0-9][0-9][0-9][0-9]
        [a-z]-->1位小寫字母
        [A-Z]-->1位大寫字母
        [A-Za-z]-->1位字母，大小寫都行
        [0-9a-zA-Z]-->1位字母或數字都行
     反選：[^不能選的字符列表]
     好比：[^47] 強調：^做「除了」使用時，只能放在開頭

　　　語法：X|Y

　　　表達式X|Y等價於[XY]

　

二、預約義字符集

爲經常使用的字符集專門提供的簡化寫法！
   　　 「\d」-->[0-9]-->1位數字　　　　　　　　　　　　　　　　「\D」------一位非數字字符
    　　「\w」-->[0-9a-zA-Z_]-->1位字母,數字或_　　　　　　　 　「\W」------匹配任何非單詞字符，等價於[^0-9a-zA-Z_]
  　　  「\s」-->1位空字符：匹配任何空白字符，包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。    　　「\S」--------匹配非空白字符，等價於 [^\f\n\r\t\v]

　　　「\b」----匹配一個單詞邊界。好比，「er\b」能夠匹配"never"中的"er"，但不能匹配「verb」中的「er」。　　 「\B」--------匹配非單詞邊界。好比，"er\B"能匹配"verb"中的"er"，可是不能匹配「never」中的「er

」
 　   　「 . 「: 除換行回車外的任何一個字符,如：
　    　

.

 3. 數量詞：規定相鄰的字符集可出現的次數

　　  肯定數量：3種：
　　　　　　{n}--> 必須反覆出現n位
     　　         {n,m}--> 最少出現n次，最多出現m次
        　　　   {n,}-->至少出現n次，多了不限！
　　　　
    　　　　  好比：/^\d{6}$/——6位數字
　　

　　不肯定數量：3種

　　　　　　*　　大於等於0次

　　　　　　+　　至少出現一次

 　　　　　  ?　　0次或1次

4. 指定匹配位置：
      ^表達式: 必須以表達式的規則爲開頭
      表達式$: 必須以表達式的規則爲結尾

     好比：選擇字符串開頭的空格？^\s*
           選擇結尾空格?\s*$
           選擇開頭或結尾的空格？^\s*|\s*$
     *預告：從此只要在程序中執行驗證：都要前加^後加$*
            表示從頭至尾完整匹配。

     好比：test()：
       ^\d{6}$——從頭至尾必須只能是6位數字
    

5.預判

在進行正式匹配正則表達式以前，先預讀整個字符串，進行初步匹配，若是預判都不能經過，則再也不驗證。

　　(?: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。

　　
　　(?=pattern)　　　非獲取匹配，正向確定預查，在任何匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。例如，「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」，但不能匹配「Windows3.1」中的「Windows」。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配以後當即開始下一次匹配的搜索，而不是從包含預查的字符以後開始。
　　

　　(?!pattern)　　　非獲取匹配，正向否認預查，在任何不匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。例如「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」，但不能匹配「Windows2000」中的「Windows」。

　　

　　(?<=pattern)　    非獲取匹配，反向確定預查，與正向確定預查相似，只是方向相反。例如，「(?<=95|98|NT|2000)Windows」能匹配「2000Windows」中的「Windows」，但不能匹配「3.1Windows」中的「Windows」。 「(?<=95|98|NT|2000)Windows」目前在python3.6中re模塊測試會報錯，用「|」鏈接的字符串長度必須同樣，這裏「95|98|NT」的長度都是2，「2000」的長度是4，會報錯。

       (?<!pattern)　　　　非獲取匹配，反向否認預查，與正向否認預查相似，只是方向相反。例如「(?<!95|98|NT|2000)Windows」能匹配「3.1Windows」中的「Windows」，但不能匹配「2000Windows」中的「Windows」。這個地方不正確，有問題 .此處用或任意一項都不能超過2位，如「(?<!95|98|NT|20)Windows正確，「(?<!95|980|NT|20)Windows 報錯，如果單獨使用則無限制，如(?<!2000)Windows 正確匹配。 同上，這裏在python3.6中re模塊中字符串長度要一致，並非必定爲2，好比「(?<!1995|1998|NTNT|2000)Windows」也是能夠的。

　　

 

 6.分組　　

　　　()括號裏面的內容看成一個分組，當作一個總體 

　　　好比：(a|bc)de　　表示ade 或者cdef

　　　

　　　　給分組起別名：

　　　　語法格式：　　(?P<name> 分組內容)

　　　　eg:（?P<mark>123abc)  這裏的意思是給123abc這個分組起了個別名叫mark

　　　　咱們能夠經過<?P=mark>的方式來訪問到該分組。

 7.貪婪模式和懶惰模式

貪婪模式：默認狀況下，正則表達式會匹配最大的符合條件的字符串, *、+和?限定符都是貪婪的，由於它們會盡量多的匹配文字，只有在它們的後面加上一個?就能夠實現非貪婪或最小匹配。

好比 

　　匹配字符串：123abc

　　匹配規則:r"\d*[a-z]*？"       匹配結果爲123

　　匹配guize:r"\d*?[a-z]*"　　匹配·結果爲abc

 

8.python中re模塊的經常使用方法

　　在python中，Pattern對象沒法經過實例化來建立，只能經過re.compile()方法來返回一個pattern對象。

　　pattern對象，即咱們定義的匹配規則。

 

　　一、re.match(pattern,str[,flags])這個函數是從str的開頭開始，嘗試匹配pattern，一直向後匹配，若是遇到沒法匹配的字符或者到達str的末尾，馬上返回None，匹配成則返回一個match對象。

import re
s="HelloWorld"
p=re.compile(r"Hello")
m=p.match(s)
print(m.group())
print(m.span())

執行結果爲：
Hello
(0,5)



"""對於p=re.compile(r"Hello")這一語句，re.compile(r"Hello")會返回一個Pattern對象，並把這個對象的引用賦值給p這個變量，此時，p就指向了pattern這個對象"""

"""對於m=p.match(s)這一語句，p.match(s),若是存在匹配結果，則返回一個match對象，若是不存在匹配結果，則返回None"""

下面，咱們來詳細講一下Match對象中的方法
group()  　　　　//返回一個字符串或者元組
span()　　　　　　//返回匹配規則在字符串中的位置
groups()　　　　　　//用於分組的數據


如今，咱們能夠知道，在Pattern中也有一個match()方法，它和re中的match()方法，做用徹底相同
　
　　　　　　　　　　　　　　參數列表　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　使用場景
re.match()　　　　　pattern（匹配規則），str(須要匹配的字符串)，flags　　　　　　　　　　使用不一樣的規則去匹配字符串
p.match()　　　　　　　　　　str(須要匹配的字符串)　　　　　　　　　　　　　　　　　　　　　使用同一規則去匹配一組字符串
　　　　　　

 

二、re.search(pattern,str[,flags])

search()方法與match()方法極其相似，區別在於match()方法只從str的開始位置匹配，search()方法會掃描整個str查找匹配.

match()方法只有在str開始的位置匹配成功纔會返回一個match對象，若是不是開始位置匹配的話，match()就返回一個None。

search()方法的返回對象和match()返回對象是同樣的。

import re
s="hahhaha lalala"
p=re.compile(r"la")
m=p.match(s)
print("match對象返回結果："+m.group())
m1=p.search(s)
print("search方法返回結果:"+m1.group())

執行結果爲：

 

 3.findall(pattern,str[,flags])//搜索整個str，以列表的形式返回匹配的所有子串

import re
s="hahhaha lalala"
p=re.compile(r"la")print("findall對象返回結果："+str(re.findall(p,s)))##注意findall方法返回的是一個列表
m1=p.search(s)
print("search方法返回結果:"+m1.group())

執行結果:

 

 四、re.split(pattern,str[,maxsplit])//按照可以匹配的子串將str分割後返回列表。maxsplit用於指定最大分割次數，不指定則默認將所有分割。

import re
p=re.compile(r"\d+")
l=re.split(p,"A1B2C3D4")
print(str(l))

執行結果爲：

 

 5.re.sub(pattern,repl,str[,count])

使用repl替換str中每個匹配的子串後返回一個被替換後的字符串。當repl是一個方法時。這個方法只接受一個參數(Match對象)，並返回一個字符串。count用於指定最多替換的次數，不指定時，所有替換。