re正則

re

經常使用語法：

字符

.	匹配任意除換行符「\n」外的字符
\	轉義字符，使用後一個字符改變原來的意思
[..]	字符集

預約義字符集：

\d	數字：[0-9]
\D	非數字：[^\d】
\s	空白字符：[ <空格> \t\r\n\f\v]
\S	非空白字符：[^\s】
\w	單詞字符：[A-Za-z0-9]
\W	非空白字符:[^w

數詞量：

*	匹配前一個字符0詞或無限次
+	匹配前一個字符1次或者無限次
?	匹配前一個字符0次或1次
{m}	匹配前一個字符m次
{m,n}	匹配前一個字符m至n次

邊界匹配（不消耗待匹配字符串中的字符）

^	匹配字符串開頭
$	匹配字符串結尾
\A	僅匹配字符串開頭
\Z	僅匹配字符串結尾
\b	匹配\w和\W之間
\B	[^B]

邏輯，分組

\	表明表達式任意匹配一個
(..)	被括起來的表達式將做爲分組
[^..…]	匹配除了這組字符之外的字符

正則表達式相關注解

（1）數量詞的貪婪模式與非貪婪模式

正則表達式一般用於在文本中查找匹配的字符串。Python裏數量詞默認是貪婪的（在少數語言裏也多是默認非貪婪），老是嘗試匹配儘量多的字符；非貪婪的則相反，老是嘗試匹配儘量少的字符。例如：正則表達式」ab」若是用於查找」abbbc」，將找到」abbb」。而若是使用非貪婪的數量詞」ab?」，將找到」a」。

注：咱們通常使用非貪婪模式來提取。

（2）反斜槓問題

轉義，在符號前面加上/

與大多數編程語言相同，正則表達式裏使用」」做爲轉義字符，這就可能形成反斜槓困擾。假如你須要匹配文本中的字符」」，那麼使用編程語言表示的正則表達式裏將須要4個反斜槓」\\」：前兩個和後兩個分別用於在編程語言裏轉義成反斜槓，轉換成兩個反斜槓後再在正則表達式裏轉義成一個反斜槓。

Python裏的原生字符串很好地解決了這個問題，這個例子中的正則表達式可使用r」\」表示。一樣，匹配一個數字的」\d」能夠寫成r」\d」。有了原生字符串，媽媽也不用擔憂是否是漏寫了反斜槓，寫出來的表達式也更直觀勒。

re模塊

findall：匹配全部內容，造成一個列表，每一項都是列表中的一個元素

s = 'https://ygdy8.com/html/gndy/dyzz/20191022/59284.html">2019年懸疑恐怖《暗戰》BD韓<|'

#`findall`匹配全部內容，造成一個列表，每一項都是列表中的一個元素
res = re.findall('com(.*?)5928',s)
print(res)      
#['/html/gndy/dyzz/20191022/']

search:只匹配符合條件的從左到右的第一個,獲得的不是直接結果,而是一個變量,經過此變量的group方法來得到最後結果,若是沒有匹配到符合條件的,則會返回None,使用group會報錯

res = re.search('com(.*?)5928',s)
print(res.group())
#com/html/gndy/dyzz/20191022/5928

match:從頭開始匹配,至關於search中的正則表達式加上一個"^"

res = re.match('[a-z]{3}',s)
print(res.group())
#htt

字符串處理的擴展

split:切割,返回列表****

res = re.split('\d+',s)
print(res)
#['https://ygdy', '.com/html/gndy/dyzz/', '/', '.html">', '年懸疑恐怖《暗戰》BD韓<|']

sub:切換(舊，新，對象，替換次數）

res = re.sub('\d','*',s)
print(res)
#https://ygdy*.com/html/gndy/dyzz/********/*****.html">****年懸疑恐怖《暗戰》BD韓<|

subn:也是替換，不過會返回一個元組，元組中第一個元素是替換後的結果，第二個參數是替換的次數

res = re.subn('\d','*',s)
print(res)
#('https://ygdy*.com/html/gndy/dyzz/********/*****.html">****年懸疑恐怖《暗戰》BD韓<|', 18)

re模塊的進階

compile:節省使用正則表達式解決問題的時間,將正則表達式編譯成字節碼,屢次使用過程當中不會再屢次編譯,直接拿來用

s = 'https://ygdy8.com/html/gndy/dyzz/20191022/59284.html">2019年懸疑恐怖《暗戰》BD韓<|'
ret = re.compile('\d+')     #已經完成編譯了
res = ret.findall(s)        #拿來直接用
print(res)
#['8', '20191022', '59284', '2019']

finditer:節省使用正則表達式解決問題的空間，也就是內存

返回一個迭代器,全部的結果都在這個迭代器中,須要經過循環+group的形式取值 可以節省內存

ret = re.finditer('\d+',s)
for i in ret:
    print(i.group())
#8
#20191022
#59284
#2019

正則表達式的分組在re模塊中的使用

s = '<a>wahahafsdfsfdafsaafs</a>'       #標籤語言HTML網頁
ret = re.search('(<\w+>)(\w+)(</\w+>)',s)
print(ret.group())      #<a>wahahafsdfsfdafsaafs</a>   全部結果
print(ret.group(1))     #<a>   數字參數表明的是取對應分組中的內容 第一個分組中的
print(ret.group(2))     #wahahafsdfsfdafsaafs   第二個分組中內容
print(ret.group(3))     #</a>

正則表達式的分組在熱模塊中,爲了findall也能夠順利取到分組中的內容,有一個特殊的語法,優先顯示分組中的內容

s = '<a>wahahafs</a>'
ret = re.findall('(\w+)',s)
print(ret)      #['a', 'wahahafs', 'a']
res = re.findall('>(\w+)<',s)       #優先尋找匹配括號中的內容
print(res)      #['wahahafs']

若是想取消分組優先

形式:(?:正則表達式)

ret = re.findall('\d+(\.\d+)','1.234*4') 
print(ret) >>> ['.234']

ret = re.findall('\d+(?:\.\d+)','1.234*4') #取消了分組優先
print(ret) >>> ['1.234']