正则表达式用于进行字符匹配，在正则表达式中有普通字符和元字符两种字符
python中re模块提供了正则表达式相关操作
字符：
. 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或汉字
W 匹配非字母或数字或下划线或汉字
s 匹配任意的空白符,相当于[
fv]
S 匹配任何非空白字符，相当于[^
fv]
d 匹配数字
D 匹配非数字，相当于[^0-9]
匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束
[] 字符集，在字符集中，一般的元字符就是去意义了，但也有没有失去意义的；例如[bc],b或c;[a-z] ;[^1-9],非的作用，除了1-9；
() 表示分组
| 表示或的意思，如([*/]|**)就表示乘除或者幂运算
次数：
* 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
下划线
后面跟元字符的话去除元字符的特殊功能，
跟普通字符的话就会实现特殊功能
引用序号对应的字组所匹配的字符串，如："(alex)(eric)com2",一个括号一个组，说明com后面还有匹配一个eric
贪婪匹配与非贪婪匹配
比如说*重复前一个字符零次或更多次，贪婪匹配的话就是按照最大的来匹配
在*后面加上？就变成非贪婪匹配了
match
# match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None match(pattern, string, flags=0) # pattern： 正则模型 # string ： 要匹配的字符串 # falgs ： 匹配模式 X VERBOSE Ignore whitespace and comments for nicer looking RE's. I IGNORECASE Perform case-insensitive matching. M MULTILINE "^" matches the beginning of lines (after a newline) as well as the string. "$" matches the end of lines (before a newline) as well as the end of the string. S DOTALL "." matches any character at all, including the newline. A ASCII For string patterns, make w, W, , B, d, D match the corresponding ASCII character categories (rather than the whole Unicode categories, which is the default). For bytes patterns, this flag is the only available behaviour and needn't be specified. L LOCALE Make w, W, , B, dependent on the current locale. U UNICODE For compatibility only. Ignored for string patterns (it is the default), and forbidden for bytes patterns.
代码示例
# 无分组 r = re.match("hw+", origin) print(r.group()) # 获取匹配到的所有结果 print(r.groups()) # 获取模型中匹配到的分组结果 print(r.groupdict()) # 获取模型中匹配到的分组结果 # 有分组 # 为何要有分组？提取匹配成功的指定内容（先匹配成功全部正则，再匹配成功的局部内容提取出来） r = re.match("h(w+).*(?P<name>d)$", origin) print(r.group()) # 获取匹配到的所有结果 print(r.groups()) # 获取模型中匹配到的分组结果 print(r.groupdict()) # 获取模型中匹配到的分组中所有执行了key的组
search
# search,浏览整个字符串去匹配第一个，未匹配成功返回None # search(pattern, string, flags=0)
代码示例
# 无分组 r = re.search("aw+", origin) print(r.group()) # 获取匹配到的所有结果 print(r.groups()) # 获取模型中匹配到的分组结果 print(r.groupdict()) # 获取模型中匹配到的分组结果 # 有分组 r = re.search("a(w+).*(?P<name>d)$", origin) print(r.group()) # 获取匹配到的所有结果 print(r.groups()) # 获取模型中匹配到的分组结果 print(r.groupdict()) # 获取模型中匹配到的分组中所有执行了key的组
findall
# findall，获取非重复的匹配列表；如果有一个组则以列表形式返回，且每一个匹配均是字符串；如果模型中有多个组，则以列表形式返回，且每一个匹配均是元祖； # 空的匹配也会包含在结果中 #findall(pattern, string, flags=0)
代码示例
# 无分组 r = re.findall("aw+",origin) print(r) # 有分组 origin = "hello alex bcd abcd lge acd 19" r = re.findall("a((w*)c)(d)", origin) print(r)
sub
# sub，替换匹配成功的指定位置字符串 sub(pattern, repl, string, count=0, flags=0) # pattern： 正则模型 # repl ： 要替换的字符串或可执行对象 # string ： 要匹配的字符串 # count ： 指定匹配个数 # flags ： 匹配模式
代码示例
# 与分组无关 origin = "hello alex bcd alex lge alex acd 19" r = re.sub("aw+", "999", origin, 2) print(r)
split
# split，根据正则匹配分割字符串 split(pattern, string, maxsplit=0, flags=0) # pattern： 正则模型 # string ： 要匹配的字符串 # maxsplit：指定分割个数 # flags ： 匹配模式
代码示例
# 无分组 origin = "hello alex bcd alex lge alex acd 19" r = re.split("alex", origin, 1) print(r) # 有分组 origin = "hello alex bcd alex lge alex acd 19" r1 = re.split("(alex)", origin, 1) print(r1) r2 = re.split("(al(ex))", origin, 1) print(r2)
附加说明
re.match(规则，字符串，标志位)，标志位是说明匹配的方式，re.I使匹配对大小写 不敏感，re.L做本地化识别匹配，re.M多行匹配，re.S使.匹配包含换行符在内的所有字符
re.search(规则，字符串，标志位),标志位是说明匹配的方式，re.I使匹配对大小写不敏感，re.L做本地化识别匹配，re.M多行匹配，re.S使.匹配包含换行符在内的所有字符
match和search匹配成功之后会返回一个对象，需要调用相应的方法来进行输出：group()返回匹配的字符串,start()返回匹配开始的位置，end()返回匹配结束的位置，span()返回一个元组包含（开始，结束）的位置
group()默认参数为0，group(n)，返回组号为n所匹配的字符串，group(n,m)返回组号为n,m所匹配的字符串
sub(规则，新的字符串，旧的字符串，max=0)用于替换,max用于规定替换几个，如果不加max最后面这个参数，返回时会返回替换好的字符串和一个数字，表示替换了几次
compile,把象，可以把那些经常需要匹配的表达式编译成正则表达式对象，这样可以提高一定的效率
在组的前后均有限制条件的话，用于非贪婪匹配的？就不起作用了?有一个正则表达式，如：a(d+)b,字符串为a23b,使用findall结果是23，使用search结果是a23b,并且此时使用?，也不会变为非贪婪模式
在python中
a 等都有一些特殊意思，举个例子
f=open('d:abc.txt','r')会报错，因为a有特殊含义，所以需要加
，f=open(r'd:abc.txt','r')
在字符串前面加r就表示原生字符串
在很多情况下，使用findall函数会优先获取组里面的内容，这时候在前面加?:就可以把这种权限取消，例如：'www.(?:baidu).com',这样就会匹配出www.baidu.com而不是只匹配出baidu
常用正则表达式
IP： ^(25[0-5]|2[0-4]d|[0-1]?d?d)(.(25[0-5]|2[0-4]d|[0-1]?d?d)){3}$ 手机号： ^1[3|4|5|8][0-9]d{8}$ 邮箱： [a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(.[a-zA-Z0-9_-]+)+
随堂笔记
#!/usr/bin/env python # -*- coding:utf-8 -*- import re #使用模块要看模块的源文件 #默认情况下是贪婪的 #最常用的re函数，match与findall最常用 # re.match() 匹配开头 # re.search() 浏览全部字符串，匹配第一个符合规则的字符串 # re.findall() 将匹配到的所有内容放入一个列表中 # #re.finditer() 与findall的区别类似于range与xrange分区别，只有迭代才能输出 # re.split() # re.sub() #match,search,findall这些方法概括起来有两种匹配方式:简单匹配和分组匹配 #match,search会返回一个对象，对象里有多种方法，这些对象里最最基本的有group(),groups(),groupdict()这三个方法 #match,search,findall里面都有三个参数，正则表达式，源字符串，标志位 #为何要有分组 #分组就是取已经匹配到的内容里取取值，有几个括号就取几次，不管嵌套有多深 #简单匹配 orign = 'hello alex bcd alev lge alec acd 19' r = re.match('(h)(w+)',orign) print(r.group()) #获取匹配到的所有结果 print(r.groups())#获取模型中匹配到的分组结果 r = re.match('(?P<n1>h)(?P<n2>w+)',orign) print(r.groupdict())#获取模型中匹配到的分组中所有执行了key的组 #?P<键>固定写法 #search与match一样，只不过一个匹配开头，一个匹配第一个 orign = 'hello alex bcd alev lge alec acd 19' r = re.search('(a)(w+)',orign) print(r.group()) print(r.groups()) r = re.search('(?P<n1>a)(?P<n2>w+)',orign) print(r.groupdict()) print(re.findall('d+wd+','a2b3c4d5')) #输出结果为[2b3,4d5]匹配的顺序是这样的，匹配到2b3后，再从c开始往后匹配，匹配到4d5 #正则表达式匹配的顺序没有匹配到的时候是按个往后找，一旦匹配到，把匹配到的拿走，从匹配后的往后找 print(re.findall('','a2b3c4d5')) #注意看这句的输出结果为['', '', '', '', '', '', '', '', ''] #分割 origin = 'hello alex bcd abcd lge acd 19' print(re.split('aw+',origin,1)) #输出结果为：['hello ', ' bcd abcd lge acd 19'] print(re.split('(aw+)',origin,1)) #输出结果为：['hello ', 'alex', ' bcd abcd lge acd 19'] print(re.split('a(w+)',origin,1)) #输出结果为：['hello ', 'lex', ' bcd abcd lge acd 19'] #1-2*((60-30+(-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2)) origin = '1-2*((60-30+(-40.0/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))' print(re.findall('([^()]+)',origin)) #可以取得内层括号 #输出结果为：['(-40.0/5)', '(9-2*5/3+7/3*99/4*2998+10*568/14)', '(-4*3)', '(16-3*2)'] #利用re.split() 写计算器 re.sub() #替换