正則表達式

　　正則表達式，英文：Regular Expression。它一般用來檢索和替換符合某種模式的文本。

　　Python自1.5版本開始增長了re模塊，使得Python擁有了所有的正則表達式功能。

1、基本函數（match、search、findall）

　　在使用re模塊以前，要先引入，re模塊使已經在內置在Python內部的，無需再本身下載安裝了。

1 import re

一、re.match函數

1.1 原型：match(pattern, string, flags=0)
1.2 參數：
　　pattern：匹配的正則表達式
　　string：要匹配的字符串
　　flags：標誌位，用來控制正則表達式的匹配方式
　　　　re.I：忽略大小寫
　　　　re.L：作本地化識別
　　　　re.M：多行匹配，影響^和$
　　　　re.S：使.匹配包括換行符在內的全部字符，不然.不匹配換行符
　　　　re.U：根據Unicode字符集解析字符，影響'\w \W \b \B'
　　　　re.X：使咱們以更靈活的格式理解正則表達式
1.3 功能：嘗試從字符串的起始位置匹配一個模式

1.4 eg：

1 # 註釋爲輸出結果
2 
3 print(re.match('www', 'www.baidu.com')) 4 # <_sre.SRE_Match object; span=(0, 3), match='www'>
5 # 返回結果的類型、匹配結果的位置、匹配內容
6 
7 print(re.match('www', 'www.baidu.com').span()) 8 # (0, 3) 輸出匹配的位置

二、re.search函數

2.1 原型：search(pattern, string, flags=0)
2.2 參數：
　　pattern：匹配的正則表達式
　　string：要匹配的字符串
　　flags：標誌位，用來控制正則表達式的匹配方式（與上面內容一致，後面不贅述）
2.3 功能：掃描整個字符串，返回第一個成功的匹配，與match相比，就是沒必要從起始位置開始匹配

三、re.findall函數

3.1 原型：findall(pattern, string, flags=0)
3.2 參數：
　　pattern：匹配的正則表達式
　　string：要匹配的字符串
　　flags：標誌位，用來控制正則表達式的匹配方式
3.3 功能：掃描整個字符串，返回結果列表，其中匹配到全部符合模式的結果

 2、正則表達式的元字符

一、匹配單個字符

.	能夠匹配除換行符之外的任意字符
[]	是字符集合，表示匹配方括號中任意所包含的任一字符
[asd]	匹配其中任一字符
[a-z]	匹配任意小寫字母
[0-9a-zA-Z_]	匹配任意大小寫字母或數字或下劃線
[^asd]	匹配除了asd幾個字母之外的全部字符，中括號裏的^號稱爲'脫字符'，表示不匹配集合中的字符
[^0-9]	匹配全部非數字字符
\d	匹配數字，效果同[0-9]
[^\d]	匹配非數字字符，效果同[^0-9]
\w	匹配數字，字母和下劃線，效果同[0-9a-zA-Z_]  （字母不包含空格）
\W	匹配非數字，字母和下劃線，效果同[^0-9a-zA-Z_]
\s	匹配任意的空白符（空格，換行，回車，換頁，製表），效果同[ \f\n\r\t]
\S	匹配任意的非空白符，效果同[^ \f\n\r\t]

二、錨字符（邊界字符）

^	行首匹配，和在中括號裏的^不是一個意思
$	行尾匹配
\A	匹配字符串的開始，他和^的區別是，\A只匹配整個字符串的開頭，即便在re.M下也不會匹配他行的行首
\Z	匹配字符串的結束，他和$的區別是，\Z只匹配整個字符串的結束，即便在re.M下也不會匹配他行的行尾
\b	匹配一個單詞的邊界，也就是指單詞和空格間的位置 eg：r'er\b',匹配以er爲結尾邊界的位置
\B	匹配非單詞邊界，與上面相反，匹配不是邊界的

三、多個字符

(xyz)	匹配小括號內的xyz，做爲一個總體去匹配
x?	匹配0個或者1個x eg：print(re.findall(r"a?","aaabaa")) # 非貪婪匹配，儘量少的匹配
x*	匹配0個或者任意多個x eg：print(re.findall(r"a*","aaabaa")) # 貪婪匹配，儘量多的匹配
x+	匹配至少一個x（貪婪匹配）
x{n}	匹配肯定的n個x（n是一個肯定的非負整數
x{n,}	匹配至少n個x
x{n,m}	匹配至少n個，最多m個x，注意n<=m
x|y	|表示或，匹配的是x或y

四、特殊狀況

*? +? x?	最小匹配，一般都是儘量多的匹配，可使用這種解決貪婪匹配
(?:X)	相似於(xyz)，但不表示一個組

3、實用技巧

一、字符串切割

1 str1 = "hello world hello world hello world "
2 # 普通切割
3 print(str1.split(' '))  # 僅僅以一個空格切割，遇到多個空格時會出現不想要的內容
4 # 正則切割
5 print(re.split(r' +', str1))  # 能夠經過正則的切割，其中利用正則的方法，來以任意多個空格來切割

二、re.finditer函數

• 原型：finditer(pattern, string, flags=0)
• 參數：
  • pattern：匹配的正則表達式
  • string：要匹配的字符串
  • flags：標誌位，用來控制正則表達式的匹配方式
• 功能：與findall相似，掃描整個字符串，返回的是一個迭代器，能夠節省空間，提升效率

1 str2 = "hello world hello world hello world hello world hello world"
2 
3 d = re.finditer(r'hello', str2) 4 while True: 5     # 當使用迭代方法時，爲了可使他在找完對象後退出，通常經過捕獲的方法
6     try: 7     　　print(next(d)) 8     except StopIteration as e: 9     　　break

三、字符串的替換和修改

• sub(pattern, repl, string, count=0, flags=0)
• subn(pattern, repl, string, count=0, flags=0)功能： 在目標字符串中以正則表達式的規則匹配字符串，再把他們替換成指定的字符串。能夠指定替換的次數，若是不指定，替換全部的匹配字符串
  • pattern: 正則表達式（規則）
  • repl: 指定的用來替換的字符串
  • string: 目標字符串
  • count: 最多替換次數
  • flags:
• 區別： sub返回一個字符串，subn返回一個元組（第一個元素是替換後的字符串，第二個元素是替換的個數）

四、分組

　　概念：除了簡單的判斷是否匹配之外，正則表達式還有提取子串的功能。用()表示的就是提取分組。（這個本身試一下，加深印象）

 1 str3 = "010-12312323"
 2 m = re.match(r'(?P<first>\d{3})-(\d{8})', str3)  3 # 使用序號獲取對應組的信息，group(0)一直表明的原始字符串
 4 print(m.group(0))  5 print(m.group(1))  6 print(m.group('first'))  # 使用本身起的名字索引
 7 print(m.group(2))  8 
 9 print(m.groups())  # 查看各組的狀況
10 
11 # 若是在最外層加一個括號，那麼group(1)就是打印的最外面的那個，依次向裏
12 
13 # ?P<first>寫在小括號裏，表示起名字

五、編譯

• 當咱們使用正則表達式時，re模塊會幹兩件事：

　　（1）編譯正則表達式，若是正則表達式自己不合法，會報錯
　　（2）用編譯後的正則表達式去匹配對象

• 編譯的原型：re.compile(pattern, flags=0)

　　提示：通常狀況下，比較簡單的匹配咱們直接經過上面講述的那幾種基本方法就能夠了，可是當模式比較複雜，或者這個正則對象在後面還會用到時，就會先把他編譯出來，畢竟後面能夠省去再次編譯的時間，而且更清晰。

　　正則對象，習慣上命名爲   re_xxxxxx。

1 pat = r"^1(([3578]\d)|(47))\d{8}$" # 模式
2 re_telephone = re.compile(pat)  # 編譯成正則對象
3 print(re_telephone.match("13612345678"))  # 使用其匹配文本，前面提到的基本方法在這裏照常使用