python 正则表达式

正则表达式的作用：用来匹配字符串

一、字符串方法

字符串提供的方法是完全匹配，不能进行模糊匹配

s = 'hello world'

# 字符串提供的方法是完全匹配，不能进行模糊匹配
print(s.find('ll'))  # 2   查找ll的位置，输出的是第一个l的位置   
ret = s.replace('ll', 'xx')   # 替换，用ll 替换为 xx
print(ret)   # hexxo world   
print(s.split('w'))   # ['hello ', 'orld']   分割：以w为界限，分割为前后两部分,存在列表中

二、正则表达式

正则的方法：
1、findall() :所有结果返回到一个列表里
2、search() :返回匹配到的第一个对象，对象可以调用group()返回结果
3、match() :只在字符串开始匹配,也返回一个对象，可调用group()

findall() 方法：

1、正则表达式可以进行模糊匹配：

ret = re.findall(r'w\w{2}l', 'hello world')    # 匹配字符串中w开头l结尾中间有两个字符的词
# (加r，声明是原生字符串，避免字符串转义)
print(ret)      # ['worl']

2、元字符

• “.”  通配符：可以代指除换行符之外的所有字符，一个通配符只能代指任意一个字符

ret = re.findall('w..l', 'hello world')    # 匹配字符串中w开头l结尾中间有两个字符的字符串
print(ret)      # ['worl']

• “^” 上尖角号，只在字符串开始的位置匹配匹配

ret = re.findall('^h..o', 'hjklshllo')  # 只在字符串的开始位置进行匹配，匹配不上就结束，不匹配后面的内容
print(ret)    # []

ret = re.findall('^h..o', 'hjkoshllo')
print(ret)    # ['hjko']

• “$”符， 只在字符串结尾匹配

ret = re.findall('h..o$', 'hjkoshllo')
print(ret)    # ['hllo']

ret = re.findall('h..o$', 'hjkoshlyto')
print(ret)    # []

• “*”号，重复匹配(*还可以代指0个) ，*代指的个数是0到无穷

ret = re.findall('h.*o', 'hjkoshlytg')      # *表示重复前面多个.  既只要是以h开头o结尾的都行
print(ret)      # ['hjko']

ret = re.findall('h*', 'hhhhjlhl')        # 匹配多个h
print(ret)      # ['hhhh', '', '', 'h', '', '']

ret = re.findall('ah*', 'sdahhh')       # 贪婪匹配，既按最多的匹配
print(ret)      # ['ahhh']

ret = re.findall('ah*?', 'sdahhh')     # 后加？变为惰性匹配，既按最少的匹配
print(ret)      # ['a']

• “+”号，重复匹配，同*，但是个数最少为1个，如果是0个匹配不了，范围是1到无穷

ret = re.findall('ah+', 'asdahhhjlhl')   # 匹配以ah开头的内容
print(ret)    # ['ahhh']

ret = re.findall('a+b', 'aaabsdbhbhabj')
print(ret)    # ['aaab', 'ab']

• “?”号，匹配的范围是[0, 1]个

ret = re.findall('a?b', 'aaabsdhbhabj')   # 匹配[0, 1]个a
print(ret)      # ['ab', 'b', 'ab']

• “{}”大括号，自定义匹配的次数

ret = re.findall('a{2}b', 'aaabhaabhab')   # 匹配2个a开头，b结尾共3位的字符
print(ret)  # ['aab', 'aab']

ret = re.findall('a{1,3}b', 'aaaabfaabhhab')   # 匹配1-3个a,以b结尾的字符
# 注意：{1,3} 之间不能有空格，不能写成{1, 3}
print(ret)  # ['aaab', 'aab', 'ab']

ret = re.findall('a{1, }b', 'aaaaaaaab')   # {1,} 什么都不加默认匹配的是正无穷
print(ret)      # ['aaaaaaaab']

ret = re.findall('a{1,3}b', 'aaaab')   # 匹配1-3个a,贪婪匹配原则，既默认按多的匹配
print(ret)  # ['aaab']

3、字符集

    取消元字符的特殊功能   

• []

ret = re.findall('a[dc]b', 'adb')      # 匹配既可以是adb也可以是acb，只能2选一，注意[]里面不用逗号隔开
print(ret)  # ['adb']

ret = re.findall('[a-z]', 'adb')       # 表示一个范围
print(ret)  # 'a', 'd', 'b']

[]字符集还有取消元字符的特殊功能,(\ ^ -)例外：

ret = re.findall('[w,.]', 'awdb')     # .此时不是元字符，无特殊意义，而是一个普通的字符
print(ret)    # ['w']

ret = re.findall('[w,,]', 'awdb')
print(ret)     # ['w']

“^”放在[]里面，表示取反：

ret = re.findall('[^w]', 'awdb')   # 匹配除w以外的所有字符
print(ret)  # ['a', 'd', 'b']

ret = re.findall('[^1,4]', 'a1wd42b')   # 注：取反的是(1,4) 整体
print(ret)  # ['a', 'w', 'd', '2', 'b']

4、\ 字符集

反斜杠后跟元字符去除特殊功能；反斜杠后跟普通字符实现特殊功能

"""
\d  匹配十进制数；相当于类[0-9]
\d  匹配任意非数字字符；相当于类[^0-9]
\s  匹配任意空白字符；相当于类[\t\n\r\f\v]
\s  匹配任何非空白字符；相当于类[^ \t\n\r\f\v]
\w  匹配任意字母数字字符；相当于类[a-za-z0-9]
\w  匹配任何人非字母数字字符；相当于类[^a-za-z0-9]
\b: 匹配一个特殊字符的边界，就是单词和空格间的位置
"""

ret = re.findall(r'\d{8}', 'qeqwe45454455qws1245')
print(ret)     # ['45454455']  只能匹配到1组，因为后面数字的不够8位

ret = re.findall(r'\d{8}', 'qeqwe45454455qws12456541')
print(ret)      # ['45454455', '12456541']  匹配到2组，

ret = re.findall(r'\d{4}', 'qeqwe4555qws41')   # 大括号里面的数字4代表的是4个字符一组
print(ret)     # ['qeqw']

ret = re.findall(r'\s', 'we4 g1')         # 匹配空白符
print(ret)      # [' ']

ret = re.findall(r'\sw', 'ws4 wsg1')       # 匹配空白符加w
print(ret)      # [' w']

ret = re.findall(r'\w', 'w4 g1')   # 匹配空白符
print(ret)      # ['w', '4', 'g', '1']

ret = re.findall(r'hello\b', 'hello, you is cat? ')   # 匹配出你想要的且是一个单词的内容
print(ret)      # ['hello']

search() 方法：     匹配出第一个满足条件的结果

ret = re.search('lo', 'hello, youlo? ')   # 匹配出你想要的且是一个单词的内容
print(ret)   # <_sre.sre_match object; span=(3, 5), match='lo'>
print(ret.group())   # lo

ret = re.search('a.', 'asd')
print(ret.group())   # as

ret = re.search(r'a\.', 'asd')   # 报错，因为被索引字符串里面没有"."

print(ret.group())   # attributeerror: 'nonetype' object has no attribute 'group'

ret = re.search(r'a\.', 'a.sd')
print(ret.group())   # a.

ret = re.search(r'a\+', 'a+sd')
print(ret.group())   # a+

ret = re.search(r'\\c', r'asd\c')   # \\不加r会报错
print(ret.group())   # \c

ret = re.search(r'\\', r'asd\c')   # \\不加r会报错
print(ret.group())   # \

注意：加r是告诉python解释器，\\就是原生字符，不需要转义，就直接把2个\送给re模块

ret = re.search('\\\\', r'asd\c')   # 等同于上面的语句，
print(ret.group())   # \c

注意：因为在python解释器里面\也是有特殊意义的,所以当传入4个\时，python解释器通过转义，变为2个\，然后传给re模块；在re模块里面，\同样是有特殊意义，所以把2个\转义为1个\,然后进行匹配

5、() ：分组    |：或

ret = re.search('(as)+', r'asasd\c')   # 匹配括号里面一个组的字符，而不是单个字符
print(ret.group())   # asas

ret = re.findall(r'www.(\w+).com', 'www.123swd.com')   # 涉及到组时，只会把组里面的内容匹配出来
print(ret)   # ['123swd']

ret = re.findall(r'www.(?:\w+).com', 'www.123swd.com')   # 加问号冒号（?:）取消组的优先级
print(ret)   # ['www.123swd.com']

ret = re.search('(as)|', r'asd35')   # 匹配括号里面一个组的字符，而不是单个字符
print(ret.group())   # as

ret = re.search('(as)|3', r'asd35')   # as或3，优先匹配第一个，谁在前输出谁
print(ret.group())   # as

ret = re.search('(as)|3', r'3as5e')
print(ret.group())   # 3

三、稍复杂一点儿的正则

ret = re.search(r'(?p<id>\d{3})', 'asdsf124c4vss7').group('id')  # 给匹配到的三个数字起一个名字，叫id；?<名字>是固定写法
print(ret)      # 124

# 后面匹配项只能是 '数字/数字或字母' 的形式，/前的一个字符一定不能为字母
ret = re.search(r'(?p<id>\d{3})/(?p<name>\w{3})', 'wa124/bug')
print(ret.group())      # 124/bug
print(ret.group('id'))      # 124
print(ret.group('name'))    # bug

ret = re.match('asd', 'sdsasd')
print(ret)    # none

ret = re.split('s', 'qwesdc')   # 通过s对后面的字符串进行分割
print(ret)  # ['qwe', 'dc']

ret = re.split('[eh]', 'qwesdhtrc')   # 先通过e对后面的字符串进行分割，然后通过h对前面分割开的两部分继续分割
print(ret)  # ['qw', 'sd', 'trc']

ret = re.split('[eh]', 'hqwesdhtrc')
print(ret)  # ['', 'qw', 'sd', 'trc']   列表第一个元素为空，是因为字符串h前面没有其他的字符

ret = re.sub('臭猪', '小baby', '双双是臭猪')    # ('原内容', '新内容', '对象')
print(ret)  # 双双是小baby

ret = re.subn('臭猪', '小baby', '双双是臭猪，小臭猪')    # ('原内容', '新内容', '对象')，该方法会输出替换的次数
print(ret)  # ('双双是小baby，小小baby', 2)

ret = re.sub('q..s', 's..z', 'zaqwesf')    # ('原内容', '新内容', '操作对象')
print(ret)  # zas..zf


ret = re.findall(r'\.com', 'adsdas.comasdaf')
print(ret)      # ['.com']

obj = re.compile(r'\.com')   # 为了避免重复，把规则编译为一个对象，下次使用只需调用对象即可
ret = obj.findall('adsdas.comasdaf')   # 等价于 re.findall(r'\.com', 'adsdas.comasdaf')
print(ret)      # ['.com']

ret = re.finditer(r'\d', 'a2da7f')   # 把结果封装为一个迭代器，既此时ret为一个迭代器
print(ret)      # <callable_iterator object at 0x000001e3ddff1320>
print(next(ret))    # <_sre.sre_match object; span=(1, 2), match='2'>
print(next(ret).group())    # 2