python笔记之正则表达式

正则表达式

正则表达式（regular expression）

什么正则表达式？
我们希望只提取出我们所关注的数据，此时就可以用正则表达式
正则表达式就是一种进行数据筛选的表达式
正则表达式就是用一种特殊规则的字符串，来表达对字符串的一种过滤（称作匹配）

什么是原子？
原子就是正则表达式的一个基本组成的单位，每个正则表达式至少要包含一个原子

1. 普通字符作为原子
   示例：

import re
string = "http://www.baidu.com"
pat = "baidu"
result = re.search(pat,string)
print(result)

运行结果：

<_sre.SRE_Match object; span=(11, 16), match='baidu'>

1. 非打印字符作为原子

import re
string = "abc\ndef"
pat = "\n"
result = re.search(pat,string)
print(result)

运行结果:

<_sre.SRE_Match object; span=(3, 4), match='\n'>

1. 通用字符作为原子
   \w : 匹配单字符，大小写字母，数字，下划线，等价于[a-zA-Z0-9]
   \W : 匹配到任何非单词字符，等于[^a-zA-z0-9]
   \d : 匹配到一个数字字符,等价于[0-9]
   \D : 匹配到一个非数字字符等价于[^0-9]
   \s : 匹配到任何空白字符，包括空格，制表符，换页符等等，等价于[\f\n\t\v]
   \S : 匹配到任何非空白字符，等价于[^\f\n\t\v]

   示例：

   import re
   string = "abcd123gdsa"
   pat = "\w"  #匹配单字符,所以会显示a
   result = re.search(pat,string)
   print(result)

   运行结果：

   <_sre.SRE_Match object; span=(0, 1), match='a'>

2. 原子表（表示范围）
   匹配大小写字母，数字，下划线 [a-zA-Z0-9]
   匹配数字 [0-9]
   匹配非数字 [^0-9]
   示例：

import re
string = "as123dfzvz23cv"
pat = "[123]+"
result = re.search(pat,string)
print(result)

运行结果:

<_sre.SRE_Match object; span=(2, 5), match='123'>

1. 元字符：就是正则表达式中具有一些特殊含义的字符，比如：重复N次前面的字符

"."  匹配除了换行符(\n)以外的任何单个字符
    "^"  匹配到字符串开始的位置
    "$"  匹配到字符串结束的位置
    "*"  匹配0次，1次或者多次前面的原子    等价于{0,}
    "?"  匹配0次，1次                     等价于{0,1}
    "+"  至少可以出现一次（1次或多次）     等价于{1,}
    num{n} 前面的数字至少可以出现几次，具体的次数要在{}中体现  
    num{n,} 前面的数字至少可以出现几次
    num{min,max} 前面的数字最少出现min次，最多出现max次  
    t|s  匹配t|s
    ()    模式单元，用于提取某一个内容  

1. 模式修改符
   在不改变正则表达式的情况下，通过模式修正符来改变正则表达式的含义从而实现匹配结果的调整
   I 匹配时忽略大小写
   N 多行匹配
   L 本地化识别匹配
   S 让”.”匹配换行符
   示例：

import re
string = "adfpythonsns"
pat = "Python"
result = re.search(pat,string,re.I)
print(result)

运行结果：

<_sre.SRE_Match object; span=(3, 9), match='python'>

7.贪婪模式和懒惰模式
贪婪就是尽可能多去匹配
懒惰尽可能少的去匹配
贪婪模式示例：

import re
string = "faffafpythonsadfapy"
pat = "p.*y"
result = re.search(pat,string)
print(result)

运行结果：

<_sre.SRE_Match object; span=(6, 19), match='pythonsadfapy'>

懒惰模式示例：

import re
string = "faffafpythonsadfapy"
pat = "p.*?y"
result = re.search(pat,string)
print(result)

运行结果：

<_sre.SRE_Match object; span=(6, 8), match='py'>

正则表达式函数

re.search()

扫描整个字符串并返回第一个成功的匹配,存在多个也只会返回一个

re.match()

尝试从字符串的起始位置匹配,如果不是起始位置的话，match()就返回None

import re
print(re.match("www","www.baidu.com"))  #匹配成功
print(re.match("com","www.baidu.com"))  #匹配失败

运行结果：

<_sre.SRE_Match object; span=(0, 3), match='www'>
None

re.search()和re.match()的区别:

re.match() 只匹配字符串的开始，如果开始就不符合规则，则匹配失败，返回None
re.search() 匹配整个字符串，直到一个成功的匹配

re.sub()

检索和替换

    语法: re.sub(pattern,repl,string)
          re.sub(正则表达式，替换字符，被替换的字符串)
          -patten 规则  
          -repl 替换的字符
          -string 原始字符串  
          -count 模式匹配后替换的最大次数，默认0表示替换所有匹配的值

示例：

import re
phone = "123-343-5553 # 这是个电话号码"

#删除注释
# num = re.sub("#.*$","",phone)
num = re.sub("\D","",phone)
print(num)

运行结果：

1233435553

全局匹配函数

re.compile(Pattern) –
用于编译正则表达式，生成一个正则表达式对象供match() , search() 这两个函数来使用
示例，

import re
pattern = re.compile(r"\d+")
resultp = pattern.findall("runoob 123 google 456")  #以列表形式返回
print(resultp)

运行结果：

['123', '456']