re模块、正则表达式

正则
# 正则：正则就是带语法的字符串，用来匹配目标字符串得到想要的字符串结果

# 语法：
# 1.单个字符
# d == [0-9]
# D == [^0-9]
# w == 字母+数字+_
# [0-9A-Za-z] == 所有字母+数字
# . == 匹配所有单个字符(刨除换行)

# 2.多个字符
# zo* == zo{0,}
# zo+ == zo{1,}
# zo? == zo{0,1}

# 应用
# 匹配多个zo：zozozozo
# (?:zo){1,}

# 3.多行
# ^: 以什么开头 $: 以什么结尾  结合 flags=re.M  可以按
来完成多行匹配
# re.S：将
也能被.匹配  re.I：不区分大小写


# 4.分组
# 1.从左往右数数 ( 进行编号，自己的分组从1开始，group(0)代表匹配到的目标整体
# 2.(?: ... )：取消所属分组，()就是普通()，可以将里面的信息作为整体包裹，但不产生分组
regexp = re.compile('(?:(?:http://)(.+)/)')  # 生成正则对象
target = regexp.match('http://www.baidu.com/')
print(target.group(1))  # www.baidu.com

# 5.拆分
print(re.split('s', '123 456
789	000'))

# 6.替换
# 1.不参与匹配的原样带下 2.参与匹配的都会被替换为指定字符串
# 3.在指定字符串值
um拿到具体分组 4.其他字符串信息都是原样字符串
print(re.sub('《(?:[a-z]+)(d+)(.{2})', r'\2abc21', '《abc123你好》'))
什么是正则表达式
一组特殊符号组成的表达式，用于描述某种规则。该应用场景生活中随处可见。

例如：让有志青年过上体面的生活，这里面就由规则，即有志青年。
正则表达式的作用，以及使用场景
1.用于从字符串中匹配满足某种规则的内容，多数用于爬虫应用程序

2.判断字符串串内容是否满足某种规则，多用于严重用户输入。例如密码是否规范，手机号是否正确等
学习重点
正则是一堆特殊符号组成的，我们主要学习的就是这些特殊符号
元字符描述

将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“ ”匹配。“ ”匹配换行符。序列“”匹配“”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。

^ 匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“ ”或“ ”之后的位置。

$ 匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配“ ”或“ ”之前的位置。

* 匹配前面的子表达式任意次。例如，zo能匹配“z”，也能匹配“zo”以及“zoo”。等价于{0,}。

+ 匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。

{n} n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。

{n,} n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。

{n,m} m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。

? 匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。

? 当该字符紧跟在任何一个其他限制符（,+,?，{n}，{n,}，{n,m*}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 ['o', 'o', 'o', 'o']

.点匹配除“ ”和" "之外的任何单个字符。要匹配包括“ ”和" "在内的任何字符，请使用像“[sS]”的模式。

x|y 匹配x或y。例如，“z|food”能匹配“z”或“food”(此处请谨慎)。“[zf]ood”则匹配“zood”或“food”。

[xyz] 字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。

[^xyz] 负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”任一字符。

[a-z] 字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.

[^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。

匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的就是匹配位置的）。例如，“er”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“1_”可以匹配“1_23”中的“1_”，但不能匹配“21_3”中的“1_”。

B 匹配非单词边界。“erB”能匹配“verb”中的“er”，但不能匹配“never”中的“er”

s 匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ f v]。

S 匹配任何可见字符。等价于[^ f v]。

w 匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。

W 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。

d 匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持

D 匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持

匹配一个换行符。等价于x0a和cJ。

匹配一个回车符。等价于x0d和cM。

匹配一个制表符。等价于x09和cI。

( ) 将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 1 到9 的符号来引用。

(?:pattern) 非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

| 将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。

首先介绍的是re模块的findall方法，该方法用于从字符串中获取所有匹配成功的内容：
import re
res = re.findall("表达式"，"字符串内容")
res = re.findall("w"，"hello python")
res = re.findall("^http://"，"http://www.baidu.com
http://www.sina.com.cn", re.M)
# 该方法得到一个列表
print(res)
单个字符匹配
w 
W
s
S
d
D
.



	
指定匹配范围
a|b|c
[abc]
[^abc]
[a-z]
[a-zA-Z0-9]
注意当 -需要作为普通字符时必须写在最前面或最后面
匹配次数
{a}
{b,}
{a,b}
*  
？
位置匹配
^
$
d
B
贪婪模式
默认情况下+和*将尽可能多的匹配内容
+
*
非贪婪模式
将尽可能少的匹配内容，当？出现在其他的重复次数后面时会将贪婪模式改为非贪婪模式。
?
如
abc.*？
abc.+?  
分组
用于单独获取某一部分匹配的内容
（表达式）获取匹配的
（?:表达式） 不获取匹配的
补充：
#匹配模式:.不能匹配换行符
content='''Hello 123456 World_This
is a Regex Demo
'''
# res=re.match('He.*?(d+).*?Demo$',content)
# print(res) #输出None

# res=re.match('He.*?(d+).*?Demo$',content,re.S) #re.S让.可以匹配换行符
# print(res)
# print(res.group(1))
re模块其他函数

search
仅获取第一个匹配的内容
match
从字符串开始处开始匹配
compile
得到一个的表达式对象，后期可以重复使用
split
使用正则表达式来切分字符串 
re.split("[:/\]","a:b/cd/f")
sub
普通替换与字符串的替换没有区别

print(re.sub("python","PYTHON","python asasasaasa python"))

正则替换 只替换后面的python

print(re.sub("(python)(.*)(python)",r"12PYTHON","python asasasaasa python"))
练习

编写验证身份证的正则

编写验证手机号的正则

编写验证邮箱地址的正则

元字符	描述
	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“ ”匹配。“ ”匹配换行符。序列“”匹配“”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^	匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“ ”或“ ”之后的位置。
$	匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配“ ”或“ ”之前的位置。
*	匹配前面的子表达式任意次。例如，zo能匹配“z”，也能匹配“zo”以及“zoo”。等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。
?	当该字符紧跟在任何一个其他限制符（,+,?，{n}，{n,}，{n,m*}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 ['o', 'o', 'o', 'o']
.点	匹配除“ ”和" "之外的任何单个字符。要匹配包括“ ”和" "在内的任何字符，请使用像“[sS]”的模式。

x\|y	匹配x或y。例如，“z\|food”能匹配“z”或“food”(此处请谨慎)。“[zf]ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”任一字符。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
	匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的就是匹配位置的）。例如，“er”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“1_”可以匹配“1_23”中的“1_”，但不能匹配“21_3”中的“1_”。
B	匹配非单词边界。“erB”能匹配“verb”中的“er”，但不能匹配“never”中的“er”
s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ f v]。
S	匹配任何可见字符。等价于[^ f v]。
w	匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
d	匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持
D	匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持
	匹配一个换行符。等价于x0a和cJ。
	匹配一个回车符。等价于x0d和cM。
	匹配一个制表符。等价于x09和cI。
( )	将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 1 到9 的符号来引用。
(?:pattern)	非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(\|)”来组合一个模式的各个部分时很有用。例如“industr(?:y\|ies)”就是一个比“industry\|industries”更简略的表达式。
\|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him\|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。