python 模块

re模块

1.正则表达式

概念
- 从大段的文字中找到符合规则的内容
- 判断某个字符串是否完全符合规则
元字符
- w
  - 匹配数字字母或者下划线 [a-zA-Z0-9]
- d
  - 匹配所有的数字 dight [0-9]
- s
  - 匹配所有的空白符回车/换行符制表符空格 space [ ]
- W
  - 和w相反
- D
  - 和d相反
- S
  - 和s相反
- - 匹配单词的边界
- - 匹配换行符回车
- - 匹配制表符
- ^
  - 匹配一个字符串的开始
- $
  - 匹配一个字符串的结束
- .
  - 匹配除换行符以外的所有字符
- a|b
  - 符合a规则或者b规则都可以被匹配，如果a规则是b规则的一部分，且a比b更苛刻，就把a规则写在前面，将更复杂的规则写在前面
- [ ]
  - 只要出现在括号里的内容都可以被匹配
- [^ ]
  - 和[ ] 相反
- ()
  - 表示给几个字符加上量词约束的需求的时候就给这些量词一个分组。
量词
- {n}
  - 表示这个量词之前的字符出现n次
- {n,}
  - 表示这个量词之前的字符至少出现n次
- {n,m}
  - 表示这个量词之前的字符出现n次~m次
- ？
  - 表示匹配量词之前的字符出现0次或者1次
- +
  - 表示匹配量词之前的字符出现1次或者多次
- *
  - 表示匹配量词之前的字符出现了0次或多次
贪婪匹配
- 他在允许的范围内会尽可能多给你匹配，默认采用贪婪匹配
- 非贪婪模式/惰性匹配：

2.基础方法

- 查找
  - findall
    - (正则表达式，待匹配的字符串，flag)
    - 匹配所有每一项都是列表中的一个元素

ret = re.findall('d+','asasa123sdsd33') # 正则表达式,带匹配的字符串,flag
print(ret)

- - search
    - 只匹配从左到右第一个，得到的是一个变量，通过这个变量的group方法获取
    - 如果没有匹配会返回None,使用group会报错

ret = re.search('d+','asasa123sdsd33')
if ret :   # 内存地址,这是一个正则匹配的结果
    print(ret.group()) # 通过ret.group()获取结果

- - match
    - 从头开始匹配，相当于search中的正则表达式加上一个^

ret = re.match('d+$','sdssfs123sdf33')
print(ret)

- 字符串处理的扩展
  - split 切割
    - 返回列表，按照正则规则切割，默认匹配到的内容会被切掉
    - re.split('正则表达式','字符串')

s = 'aaa|bbb|ccc|'
print(s.split('|'))
s = 'aaa12bbb55ccc44' ret = re.split('d+',s) print(ret)

- - sub/subn 替换
    - 按照正则规则去寻找要被替换掉的内容
    - re.sub('旧的','新的','字符串',次数)
    - subn 返回一个元组，第二个元素是替换的次数

ret = re.sub('d+','H','aaa12bbb55ccc44')
print(ret)

ret = re.sub('d+','H','aaa12bbb55ccc44',1)

print(ret)

#subn 返回一个元组,第二个元素是替换的次数
ret = re.subn('d+','H','aaa12bbb55ccc44')

print(ret)

- re模块的进阶 : 时间/空间
  - compile
    - 编译一个正则表达式用这个结果取search,match,findall,finditer
    - 节省你使用正则表达式解决问题的时间
    - 编译正则表达式编译成字节码
    - 在多次使用过程中不会多次编译

ret = re.compile('d+')   # 已经完成编译了
print(ret)
res = ret.findall('aaa12bbb55ccc44')
print(res)
res = ret.search('asaddfd123sdasd33')
print(res.group())

- - finditer
    - 返回一个迭代器，所有的结果都在迭代器中，需要通过循环+group的形式取值，节省内存
    - 节省你使用正则表达式解决问题的空间/内存

ret = re.finditer('d+','aaa12bbb55ccc44')
for i in ret:
    print(i.group())

3.分组在re模块中的使用

s = '<a>wahaha</a>'  # 标签语言 html 网页
ret = re.search('<(w+)>(w+)</(w+)>',s)
print(ret.group())  # 所有的结果
print(ret.group(1)) # 数字参数代表的是取对应分组中的内容
print(ret.group(2))
print(ret.group(3))

- 为了findall也可以顺利取到分组中的内容，有一个特殊的语法，就是优先显示分组中的内容

ret = re.findall('(w+)',s)
print(ret)
ret = re.findall('>(w+)<',s)
print(ret)

- 取消分组优先(?:正则表达式)

ret = re.findall('d+(.d+)?','1.234*4')
print(ret)

- 关于分组
  - 对于正则表达式来说有些时候我们需要进行分组，来约束某一字符组出现的次数
  - 对于python来说，分组可以帮助你个更好更精确的找到你真正需要的内容
- 分组命名 (?P<这个组的名字>正则表达式)
- 使用前面的分组要求使用这个名字的分组和前面同名分组中的内容匹配的必须一致

4.使用正则表达式的技巧

- 正则表达式如果写的足够好的话能够最大限度的简化我们的操作
- 正则表达式到底重要到什么程度
  - 掌握作业中的所有内容
  - 能够看懂常用的正则表达式
  - 并且能够做出一些公司特异性要求的修改

#取出整数
ret=re.findall(r"d+.d+|(d+)","1-2*(60+(-40.35/5)-(-4*3))")
ret.remove('')
print(ret)