Python經常使用模塊

re模塊

正則表達式　　

　　正則表達式不只在python領域，在整個編程屆都佔有舉足輕重的地位。無論之後是否是作python開發，只要你是一個程序員就應該瞭解正則表達式的基本使用。若是將來你要在爬蟲領域發展，你就更應該好好學習這方面的知識。可是，re模塊本質上和正則表達式沒有一毛錢的關係。re模塊和正則表達式的關係 相似於 time模塊和時間的關係，沒有學習python以前，你不知道有一個time模塊，可是你已經認識時間了 12:30就表示中午十二點半。時間有本身的格式，年月日時分秒，12個月，365天......已經成爲了一種規則。你也早就牢記於心了。time模塊只不過是python提供給咱們的能夠方便咱們操做時間的一個工具而已。正則表達式自己也和python沒有什麼關係，就是匹配字符串內容的一種規則。

字符組

字符組 ： [字符組]
在同一個位置可能出現的各類字符組成了一個字符組，在正則表達式中用[]表示
字符分爲不少類，好比數字、字母、標點等等。
假如你如今要求一個位置"只能出現一個數字",那麼這個位置上的字符只能是0、一、2...9這10個數之一。

正則	待匹配字符	匹配 結果	說明
[0123456789]	8	True	在一個字符組裏枚舉合法的全部字符，字符組裏的任意一個字符 和"待匹配字符"相同都視爲能夠匹配
[0123456789]	a	False	因爲字符組中沒有"a"字符，因此不能匹配
[0-9]	7	True	也能夠用-表示範圍,[0-9]就和[0123456789]是一個意思
[a-z]	s	True	一樣的若是要匹配全部的小寫字母，直接用[a-z]就能夠表示
[A-Z]	B	True	[A-Z]就表示全部的大寫字母
[0-9a-fA-F]	e	True	能夠匹配數字，大小寫形式的a～f，用來驗證十六進制字符

字符

元字符	匹配內容
.	匹配除換行符之外的任意字符
\w	匹配字母或數字或下劃線
\s	匹配任意的空白符
\d	匹配數字
\n	匹配一個換行符
\t	匹配一個製表符
\b	匹配一個單詞的結尾
^	匹配字符串的開始
$	匹配字符串的結尾
\W	匹配非字母或數字或下劃線
\D	匹配非數字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括號內的表達式，也表示一個組
[...]	匹配字符組中的字符
[^...]	匹配除了字符組中字符的全部字符

量詞

量詞	用法說明
*	重複零次或更屢次
+	重複一次或更屢次
?	重複零次或一次
{n}	重複n次
{n,}	重複n次或更屢次
{n,m}	重複n到m次

.^$

正則	待匹配字符	匹配 結果	說明
熊.	熊大熊二熊三	熊大 熊二 熊三	匹配全部"熊."的字符
^熊.	熊大熊二熊三	熊大	只從開頭匹配"熊."
熊.$	熊大熊二熊三	熊三	只匹配結尾的"熊.$"

*+?{}

正則	待匹配字符	匹配 結果	說明
熊.?	熊大和熊二和熊老三	熊大 熊二 熊老	?表示重複零次或一次，即只匹配"熊"後面一個任意字符
熊.*	熊大和熊二和熊老三	熊大和熊二和熊老三	*表示重複零次或屢次，即匹配"熊"後面0或多個任意字符
熊.+	熊大和熊二和熊老三	熊大和熊二和熊老三	+表示重複一次或屢次，即只匹配"熊"後面1個或多個任意字符
熊.{1,2}	熊大和熊二和熊老三	熊大和 熊二和 熊老三	{1,2}匹配1到2次任意字符

 注意：前面的*,+,?等都是貪婪匹配，也就是儘量匹配，後面加?號使其變成惰性匹配

正則	待匹配字符	匹配 結果	說明
熊.*?	熊大和熊二和熊老三	熊 熊 熊	惰性匹配

字符集 [] [^]

正則	待匹配字符	匹配 結果	說明
熊[大二老三]*	熊大和熊二和熊老三	熊大 熊二 熊老三	表示匹配"熊"字後面[大二老三]的字符任意次
熊[^和]*	熊大和熊二和熊老三	熊大 熊二 熊老三	表示匹配一個不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一個數字，匹配到4個結果
[\d]+	456bdha3	456 3	表示匹配任意個數字，匹配到2個結果

 分組 () 與或 | [^]

 　　身份證號碼是一個長度爲15或18個字符的字符串，若是是15位則所有由數字組成，首位不能爲0；若是是18位，則前17位所有是數字，末位多是數字或x，下面咱們嘗試用正則來表示：

正則	待匹配字符	匹配 結果	說明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	能夠匹配可是有問題
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也能夠匹配這串數字，但這並非一個正確的身份證號碼，它是一個16位的數字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	如今不會匹配錯誤的身份證號了 ()表示分組，將\d{2}[0-9x]分紅一組，就能夠總體約束他們出現的次數爲0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]若是沒有匹配上就匹配[1-9]\d{14}

轉義符\

　　在正則表達式中，有不少有特殊意義的是元字符，好比\n和\s等，若是要在正則中匹配正常的"\n"而不是"換行符"就須要對"\"進行轉義，變成'\\'。

　　在python中，不管是正則表達式，仍是待匹配的內容，都是以字符串的形式出現的，在字符串中\也有特殊的含義，自己還須要轉義。因此若是匹配一次"\n",字符串中要寫成'\\n'，那麼正則裏就要寫成"\\\\n",這樣就太麻煩了。這個時候咱們就用到了r'\n'這個概念，此時的正則是r'\\n'就能夠了。

正則	待匹配字符	匹配 結果	說明
\n	\n	False	由於在正則表達式中\是有特殊意義的字符，因此要匹配\n自己，用表達式\n沒法匹配
\\n	\n	True	轉義\以後變成\\，便可匹配
"\\\\n"	'\\n'	True	若是在python中，字符串中的'\'也須要轉義，因此每個字符串'\'又須要轉義一次
r'\\n'	r'\n'	True	在字符串以前加r，讓整個字符串不轉義

 貪婪匹配

　　貪婪匹配：在知足匹配時，匹配儘量長的字符串，默認狀況下，採用貪婪匹配

正則	待匹配字符	匹配 結果	說明
<.*>	<script>...<script>	<script>...<script>	默認爲貪婪匹配模式，會匹配儘可能長的字符串
<.*?>	r'\d'	<script> <script>	加上？爲將貪婪匹配模式轉爲非貪婪匹配模式，會匹配儘可能短的字符串

　　幾個經常使用的非貪婪匹配Pattern

*? 重複任意次，但儘量少重複
+? 重複1次或更屢次，但儘量少重複
?? 重複0次或1次，但儘量少重複
{n,m}? 重複n到m次，但儘量少重複
{n,}? 重複n次以上，但儘量少重複

View Code

　　.*?的用法

. 是任意字符
* 是取 0 至 無限長度
? 是非貪婪模式。
何在一塊兒就是 取儘可能少的任意字符，通常不會這麼單獨寫，他大多用在：
.*?x

就是取前面任意長度的字符，直到一個x出現

View Code

Python中re模塊下的經常使用方法

import re

ret = re.findall('a', 'eva egon yuan')  # 返回全部知足匹配條件的結果,放在列表裏
print(ret) #結果 : ['a', 'a']

ret = re.search('a', 'eva egon yuan').group()
print(ret) #結果 : 'a'
# 函數會在字符串內查找模式匹配,只到找到第一個匹配而後返回一個包含匹配信息的對象,該對象能夠
# 經過調用group()方法獲得匹配的字符串,若是字符串沒有匹配，則返回None。

ret = re.match('a', 'abc').group()  # 同search,不過盡在字符串開始處進行匹配
print(ret)
#結果 : 'a'

ret = re.split('[ab]', 'abcd')  # 先按'a'分割獲得''和'bcd',在對''和'bcd'分別按'b'分割
print(ret)  # ['', '', 'cd']

ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#將數字替換成'H'，參數1表示只替換1個
print(ret) #evaHegon4yuan4

ret = re.subn('\d', 'H', 'eva3egon4yuan4')#將數字替換成'H'，返回元組(替換的結果,替換了多少次)
print(ret)

obj = re.compile('\d{3}')  #將正則表達式編譯成爲一個 正則表達式對象，規則要匹配的是3個數字
ret = obj.search('abc123eeee') #正則表達式對象調用search，參數爲待匹配的字符串
print(ret.group())  #結果 ： 123

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一個存放匹配結果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一個結果
print(next(ret).group())  #查看第二個結果
print([i.group() for i in ret])  #查看剩餘的左右結果

注意：

1 findall的優先級查詢

import re

ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     這是由於findall會優先把匹配結果組裏內容返回,若是想要匹配結果,取消權限便可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['www.oldboy.com']

2 split的優先級查詢

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

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

#在匹配部分加上（）以後所切出的結果是不一樣的，
#沒有（）的沒有保留所匹配的項，可是有（）的卻可以保留了匹配的項，
#這個在某些須要保留匹配部分的使用過程是很是重要的。