常用模块3

一.正则表达式

　　英文全称: regular expression. 简称 regex或者re.正则表达式是对字符串操作的一种逻辑公式. 我们一般使用正则表达式对字符串进行匹配和过滤. 使用正则的优缺点:

　　优点: 灵活, 功能性强, 逻辑性强.

　　缺点: 上手难. 一旦上手, 会爱上这个东西

　工具: 各大文本编辑器一般都有正则匹配功能. 我们也可以去http://tool.chinaz.com/regex/进行在线测试.

　　正则表达式由普通字符和元字符组成. 普通字符包含大小写字母, 数字. 在匹配普通字符的时候我们直接写就可以了. 比如"abc" 匹配的就是"abc". 我们如果用python也可以实现相同的效果. 所以普通字符没什么好说的. 重点在元字符上.

★元字符: 元字符才是正则表达式的灵魂. 元字符中的内容太多了, 在这里我们只介绍一些常用的.

1. 字符组:
　　字符组很简单用 [ ] 括起来. 在 [ ] 中出现的内容会被匹配. 例如:[abc] 匹配a或b或c如果字符组中的内容过多还可以使用 - , 例如: [a-z] 匹配a到z之间的所有字母 [0-9]匹配所有阿拉伯数字.

2. 简单元字符

基本的元字符. 这个东西网上一搜一大堆. 但是常用的就那么几个:

.  　　匹配除换行符以外的任意字符
\w 　　匹配字母或数字或下划线
\s　　 匹配任意的空白符
\d　　 匹配数字
\n　　 匹配一个换行符
\t 　　匹配一个制表符
\b　　 匹配一个单词的结尾
^ 　　 匹配字符串的开始
$ 　 　匹配字符串的结尾
\w　　 匹配非字母或数字或下划线
\d　　 匹配非数字
\s　　 匹配非空白符
a|b 　 匹配字符a或字符b
()　　 匹配括号内的表达式，也表示一个组,具有优先匹配
[...]　　  匹配字符组中的字符
[^...]　　 匹配除了字符组中字符的所有字符

　　

3. 量词
我们到目前匹配的所有内容都是单一文字符号. 那如何一次性匹配很多个字符呢,我们要用到量词:

* 　　重复零次或更多次
+ 　　重复一次或更多次
? 　　重复零次或一次
{n}　　 重复n次
{n,}　　 重复n次或更多次
{n,m}　　 重复n到m次

4. 惰性匹配和贪婪匹配
　　在量词中的*, +,{} 都属于贪婪匹配. 就是尽可能多的匹配到结果.

str: 麻花藤昨天让英雄联盟关服了
reg: 麻花藤.*

//此时匹配的是整句句话

　　在使用.*后面如果加了? 则是尽可能的少匹配. 表示惰性匹配

str: 麻花藤昨天让英雄联盟关服了
reg: 麻花藤.*?

此时匹配的是 麻花藤

str: <div>胡辣汤</div>
reg: <.*>
结果: <div>胡辣汤</div>

str: <div>胡辣汤</div>
reg: <.*?>
结果:
<div>
</div>

str: <div>胡辣汤</div>
reg: <(div|/div*)?>
结果:
<div>
</div>

　　.*?x的特殊含义 找到下⼀个x为⽌止.

str: abcdefgxhijklmn
reg: .*?x
结果:abcdefgx

5. 分组
　　在正则中使用()进行分组. 比如. 我们要匹配一个相对复杂的身份证号. 身份证号分成两种. 老的身份证号有15位. 新的身份证号有18位. 并且新的身份证号结尾有可能是x.

给出以下正则:
^[1-9]\d{13,16}[0-9x]$                 #不好用
^[1-9]\d{14}(\d{2}[0-9x])?$　　　　　　　　#可以用
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$　　　　　#可以用

6. 转义:
　　在正则表达式中, 有很多有特殊意义的是元字符, 比如\n和\s等,如果要在正则中匹配正常的"\n"而不不是"换行符"就需要对"\"进行转义, 变成'\\'.在python中, 无论是正则表达式, 还是待匹配的内容, 都是以字符串的形式出现的, 在字符串中\也有特殊的含义, 本身还需要转义. 所以如果匹配一次"\n", 字符串中要写成'\\n', 那么正则里就要写成"\\\\n",这样就太麻烦了.这个时候我们就用到了 r'\n' 这个概念, 此时的正则是r'\\n'就可以了

print(r'how \t are \t u \n')　　 # r能取消掉转义