re模块

一：什么是正则？

　正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

正则表达式：由一系列特殊字符拼接而成的表达式/规则，该表达式用于从一个大字符串中匹配出符合规则的子字符串

二：常用匹配模式(元字符)

w匹配字母数字下划线，结果为多个字符串组成的列表
W匹配与w相反
s匹配任意空白字符，	 
 
 f都属于空白字符(f匹配后变成x0c)
S匹配与s相反
d匹配任意数字，等价于[0,9]
D匹配与d相反

匹配

	匹配	
(只匹配1个str)^ 匹配字符串开头
(只匹配1个str)$ 匹配字符串结尾
.匹配任意字符，除了换行符，当re.DOTALL或re.S标记被指定时，则可以匹配包括换行符的任意字符
*匹配0个或多个的表达式
+匹配1个或多个的表达式
？匹配0个或1个由前面的表达式定义的片段，非贪婪方式
^ 取反
d+.?d*匹配所有包含小数在内的数字
.*默认为贪婪匹配
.*?为非贪婪匹配：推荐使用
[...]用来表示一组字符，例如[abc]匹配'a','b','c'，[]内的字符都是普通字符了，且如果 - 没有被转意的话，应该放到[]的开头或结尾，如果放在中间容易转意为比如所有英文字母a-z；[]内的^代表的意思是取反
{n}精准匹配n个前面表达式
{n,m}匹配到n到m次由前面的正则表达式定义的片段，贪婪方式（最小取的是n个，最大取得片段是m个）
a|b匹配a或b
()匹配括号内的表达式，也表示一个组
?:可以让结果为匹配的全部内容

*  *左边那个字符出现0次或者无穷次

+  +左边那个字符出现1次或者无穷次
{n,m}左边那个字符出现n次到m次
? 左边那个字符出现0次到1次

.* 匹配所有，遇到
就截断字符串，匹配空字符串，再继续，到最后面默认有个换行符，也匹配出空字符串
?:  取消（）比如（ab），那么就变成ab
d+.?d* 匹配出数字或 小数

# 1、w
# print(re.findall('www',"h ello 123_ (0"))
# h ello 123_ (0
#            www

# 2. W
# print(re.findall('W',"h ello 123_ (0"))

# 3、s
# print(re.findall('s',"h e	ll
o 123_ (0"))
# print(re.findall('ws',"h ello 123_ (0"))

# 4、S
# print(re.findall('S',"h e	ll
o 123_ (0"))

# 5、d
# print(re.findall('d',"h e	ll
o 123_ (0"))

# 6、D
# print(re.findall('D',"h e	ll
o 123_ (0"))

# print(re.findall("adb","a1b a2b a b aab aaaaaaaa1b a2c a22c a 3c"))
# a1b a2b a b aab aaaaaaaa1b a2c a22c a 3c
#                            adb

# ["a1b","a2b","a1b"]

# 7、
与	
# msg="""h e	ll

o 123_ (0
# 	1
#     2
# 3
# """
# print(re.findall('
',msg))
# print(re.findall('	',msg))
# print(re.findall(' ',msg))


# 8、^与$
# print(re.findall("^egon","egon asdf 213123 egonafsadfegon"))
# egon asdf 213123 egonafsadfegon
# ^egon

# print(re.findall("egon$","egon asdf 213123 egonafsadfegon "))
#                                                        egon$


# print(re.findall("awwwc","ab12c3c a213c"))
# print(re.findall("^awwwc$","ab_2c"))

# 9、.与[]
# 9.1 .：代表匹配一个字符，该字符可以是任意字符
# print(re.findall("adb","a1b a2b aab aaaaaaab a+b a-b a c"))
# print(re.findall("awb","a1b a2b aab aaaaaaab a+b a-b a c"))
# print(re.findall("a.b","a1b a2b aab aaaaaaab a+b a-b a b a c"))
# print(re.findall("a.b","a1b a2b aab aaaaaaab a	b a-b a
b a c",re.DOTALL))


# 9.2 []：代表匹配一个字符，我们可以指定该字符的范围
# print(re.findall("a[+-]b", "a1b a2b aab aaaaaaab a+b a-b a c"))
# print(re.findall("a[.*/+-]b", "a.b a2b a*b a/b aab aaaaaaab a+b a-b a c"))
# print(re.findall("a[a-z]b", "a.b a2b a*b a/b aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果
# print(re.findall("a[a-zA-Z]b", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果
# print(re.findall("adb", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果
# print(re.findall("a[0-9]b", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果

# [^...]代表取反
# print(re.findall("a[^0-9]b", "a.b a2b a*b a/b aAb aCb aab aaaaaaab a+b a-b a c")) # -放在[]内的开头或结果

# 9.3 *: 左边那个字符出现0次或者无穷次
# print(re.findall("ab*","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
# a ab abb abbbbbbbbbbbb bbbbbbbbb
#                        ab*

# 9.4 +: 左边那个字符出现1次或者无穷次
# print(re.findall("ab+","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
# a ab abb abbbbbbbbbbbb bbbbbbbbb
# ab+

# 9.5 {n,m}: 左边那个字符出现n次到m次
# print(re.findall("ab{0,}","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
# print(re.findall("ab*","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
# print(re.findall("ab{1,}","a ab abb abbbbbbbbbbbb bbbbbbbbb"))
# print(re.findall("ab+","a ab abb abbbbbbbbbbbb bbbbbbbbb"))

# print(re.findall("ab{2,5}","a ab abb abbb abbbb abbbbbbbb abbbbbbbbbbbb bbbbbbbbb"))

# 9.6 ?: 左边那个字符出现0次到1次
# print(re.findall("ab?","a ab abb abbbbbbbbbbbb bbbbbbbbb"))


# 9.7 .*: 匹配所有
# print(re.findall("a.*b","123 a1231-==-000b123123123123123b"))
# 123 a1231-==-000b123123123123123b
#     a.*b

# print(re.findall("a.*?b","123 a1231-==-000b123123123123123b"))

# 例1：（）匹配括号内的表达式，也表示一个组
msg = '<a href="https://pan.baidu.com/s/1skWyTT7" target="_blank"><strong><span style="color: #ff0000;">原理图：https://pan.baidu.com/s/1skWyTT7</span></strong></a><a href="https://www.baidu/com">"点我啊"</a>'
url_pattern = re.compile('href="(.*?)"')
# res=url_pattern.findall(msg)
# print(res)

res=url_pattern.findall('<a href="www.sina.com.cn"></a>')
print(res)

# 例2：正则表达式一行一行匹配
print(re.findall("a.*b","a1b a+b a-b a
b a	b",re.DOTALL))

# 10 
# print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab']
# print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab
# ababab123
# (ab)(ab)(ab)(ab)

# 10.1 取消分组
# print(re.findall('(?:ab)+123','ababab123')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容


# 11 |：或者
# print(re.findall("compan(?:ies|y)","Too many companies have gone bankrupt, and the next one is my company'"))

# Too many companies have gone bankrupt, and the next one is my company
#                                                               compan(ies|y)

# print(re.findall("d+.?d*","as9fdasl333...4444df1111asdf3333dfadf333.44dafadf3.5555asdfsafd.5555"))
# as9fdasldf1111asdf3333dfadf333.44dafadf3.5555asdfsafd.5555
#                            d+.?d*



# 12. 
# print(re.findall('a\\c','ac a1c aac')) #对于正则来说a\c确实可以匹配到ac,但是在python解释器读取a\c时，会发生转义，然后交给re去执行，所以抛出异常
# print(re.findall(r'a\c','ac a1c aac')) #对于正则来说a\c确实可以匹配到ac,但是在python解释器读取a\c时，会发生转义，然后交给re去执行，所以抛出异常

# =================================匹配模式=================================
#一对一的匹配
# 'hello'.replace(old,new)
# 'hello'.find('pattern')

#正则匹配
import re
#w与W
print(re.findall('w','hello egon 123')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3']
print(re.findall('W','hello egon 123')) #[' ', ' ']

#s与S
print(re.findall('s','hello  egon  123')) #[' ', ' ', ' ', ' ']
print(re.findall('S','hello  egon  123')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3']

#
 	都是空,都可以被s匹配
print(re.findall('s','hello 
 egon 	 123')) #[' ', '
', ' ', ' ', '	', ' ']

#
与	
print(re.findall(r'
','hello egon 
123')) #['
']
print(re.findall(r'	','hello egon	123')) #['
']

#d与D
print(re.findall('d','hello egon 123')) #['1', '2', '3']
print(re.findall('D','hello egon 123')) #['h', 'e', 'l', 'l', 'o', ' ', 'e', 'g', 'o', 'n', ' ']

#A与
print(re.findall('Ahe','hello egon 123')) #['he'],A==>^
print(re.findall('123','hello egon 123')) #['he'],==>$

#^与$
print(re.findall('^h','hello egon 123')) #['h']
print(re.findall('3$','hello egon 123')) #['3']

# 重复匹配：| . | * | ? | .* | .*? | + | {n,m} |
#.
print(re.findall('a.b','a1b')) #['a1b']
print(re.findall('a.b','a1b a*b a b aaab')) #['a1b', 'a*b', 'a b', 'aab']
print(re.findall('a.b','a
b')) #[]
print(re.findall('a.b','a
b',re.S)) #['a
b']
print(re.findall('a.b','a
b',re.DOTALL)) #['a
b']同上一条意思一样

#*
print(re.findall('ab*','bbbbbbb')) #[]
print(re.findall('ab*','a')) #['a']
print(re.findall('ab*','abbbb')) #['abbbb']

#?
print(re.findall('ab?','a')) #['a']
print(re.findall('ab?','abbb')) #['ab']
#匹配所有包含小数在内的数字
print(re.findall('d+.?d*',"asdfasdf123as1.13dfa12adsf1asdf3")) #['123', '1.13', '12', '1', '3']

#.*默认为贪婪匹配
print(re.findall('a.*b','a1b22222222b')) #['a1b22222222b']

#.*?为非贪婪匹配：推荐使用
print(re.findall('a.*?b','a1b22222222b')) #['a1b']

#+
print(re.findall('ab+','a')) #[]
print(re.findall('ab+','abbb')) #['abbb']

#{n,m}
print(re.findall('ab{2}','abbb')) #['abb']
print(re.findall('ab{2,4}','abbb')) #['abb']
print(re.findall('ab{1,}','abbb')) #'ab{1,}' ===> 'ab+'
print(re.findall('ab{0,}','abbb')) #'ab{0,}' ===> 'ab*'

#[]
print(re.findall('a[1*-]b','a1b a*b a-b')) #[]内的都为普通字符了，且如果-没有被转意的话，应该放到[]的开头或结尾
print(re.findall('a[^1*-]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[0-9]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[a-z]b','a1b a*b a-b a=b aeb')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[a-zA-Z]b','a1b a*b a-b a=b aeb aEb')) #[]内的^代表的意思是取反，所以结果为['a=b']

## print(re.findall('a\c','ac')) #对于正则来说a\c确实可以匹配到ac,但是在python解释器读取a\c时，会发生转义，然后交给re去执行，所以抛出异常
print(re.findall(r'a\c','ac')) #r代表告诉解释器使用rawstring，即原生字符串，把我们正则内的所有符号都当普通字符处理，不要转义
print(re.findall('a\\c','ac')) #同上面的意思一样，和上面的结果一样都是['a\c']

#():分组
print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab']
print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab
print(re.findall('(?:ab)+123','ababab123')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))#['http://www.baidu.com']
print(re.findall('href="(?:.*?)"','<a href="http://www.baidu.com">点击</a>'))#['href="http://www.baidu.com"']

#|
print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company'))

三、re模块提供的方法介绍

import re

# print(re.search("d+.?d*","1.3 aa3.44aaa").group())
# print(re.search("d+.?d*","asdfsadf"))

# print(re.search("d+.?d*"," 1.3 aa3.44aaa"))
# print(re.match("d+.?d*"," 1.3 aa3.44aaa"))

# msg="egon:18-male=10"
# print(msg.split(':'))

# print(re.split('[:=-]',msg))


# msg='<a href="https://pan.baidu.com/s/1skWyTT7" target="_blank"><strong><span style="color: #ff0000;">原理图：https://pan.baidu.com/s/1skWyTT7</span></strong></a><a href="https://www.baidu/com">"点我啊"</a>'
# print(re.findall('href=".*?"',msg))

import re
#1
print(re.findall('e','alex make love') )   #['e', 'e', 'e'],返回所有满足匹配条件的结果,放在列表里
#2
print(re.search('e','alex make love').group()) #e,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

#3
print(re.match('e','alex make love'))    #None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match

#4
print(re.split('[ab]','abcd'))     #['', '', 'cd']，先按'a'分割得到''和'bcd',再对''和'bcd'分别按'b'分割

#5
print('===>',re.sub('a','A','alex make love')) #===> Alex mAke love，不指定n，默认替换所有
print('===>',re.sub('a','A','alex make love',1)) #===> Alex make love
print('===>',re.sub('a','A','alex make love',2)) #===> Alex mAke love
print('===>',re.sub('^(w+)(.*?s)(w+)(.*?s)(w+)(.*?)$',r'52341','alex make love')) #===> love make alex

print('===>',re.subn('a','A','alex make love')) #===> ('Alex mAke love', 2),结果带有总共替换的个数


#6
obj=re.compile('d{2}')

print(obj.search('abc123eeee').group()) #12
print(obj.findall('abc123eeee')) #['12'],重用了obj