字符组，量词，元字符
re 模块，也就是我们常说的正则
字符组
在一个字符的位置上能出现的内容
# [1bc] 是一个范围 # [0-9][A-Z][a-z] 匹配三个字符 # [abc0-9] 匹配一个字符 # [0-9a-zA-Z] 匹配一个字符
量词
在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式
# ? 重复零次或一次 0-1 # + 重复一次或更多次 1-n # * 重复零次或更多次 0-n # {n} 重复n次 # {n,} 重复n次或更多次 # {n,m} 重复n到m次
元字符
# d == [0-9] 也表示匹配一个字符,匹配的是一个数字 # w == [0-9a-zA-Z_] 也表示匹配一个数字字母下划线 # s == [ ] 包括回车 空格 和 制表符tab # 匹配回车 # 匹配制表符 # D 匹配非数字 # W 匹配非数字字母下滑线 # S 匹配非空白 # ^ 匹配字符串的开始 # $ 匹配字符串的结尾 # a|b 匹配字符a或字符b # () 匹配括号内的表达式，也表示一个组 # [^...]匹配除了字符组中字符的所有字符 # . 匹配除换行符以外的任意字符 # [dD] [wW] [sS] 都是匹配所有
特殊用法：在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式
转义符
在正则表达式中，有很多有特殊意义的是元字符，比如 和s等，如果要在正则中匹配正常的" "而不是"换行符"就需要对""进行转义，变成'\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中也有特殊的含义，本身还需要转义。所以如果匹配一次" ",字符串中要写成'\n'，那么正则里就要写成"\\n",这样就太麻烦了。这个时候我们就用到了r' '这个概念，此时的正则是r'\n'就可以了。
# |的用法 [1-9]d{16}[0-9X]|[1-9]d{14} 身份证号 # ()的用法 [1-9]d{14}(d{2}[1-9X])? 身份证号 # 匹配整数或小数：-?d+(.d+)*
re 模块
# re.match 从头开始匹配 # re.search 匹配包含 # re.findall 把所有匹配到的字符放到以列表中的元素返回 # re.splitall 以匹配到的字符当做列表分隔符 # re.sub 匹配字符并替换 # re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同） # M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图） # S(DOTALL): 点任意匹配模式，改变'.'的行为 # findall 会优先显示分组中的内容,要想取消分组优先,(?:正则表达式) # plit 遇到分组 会保留分组内被切掉的内容 # search 如果search中有分组的话,通过group(n)就能够拿到group中的匹配的内容 # 分组命名： # (?P<name>正则表达式) 表示给分组起名字 # (?P=name)表示使用这个分组,这里匹配到的内容应该和分组中的内容完全相同
match
import re res = re.match('liu', 'liufujia') # 从头开始匹配 print(res.group())
res = re.match('liud+', 'liu352521fujia') # d表示匹配一个数字，d+匹配一个或多个数字 print(res.group())
res = re.match('.', 'liufujia') # .匹配任意一个字符 print(res.group())
res = re.match('.+', 'liufujia77') # .匹配任意一个字符，.+匹配所有 print(res.group())
结果：
liu
liu352521
l
liufujia77
search
import re res = re.search('f[a-z]+a', 'liu321fuJiafujia123') # . 以f开头，[a-z]小写字母一个，[a-z]+多个小写字母，r[a-z]+a表示以r开头，以a结尾，中间多个任意小写字母 print(res.group()) res = re.search('[a-z]+', 'liuFujia', flags=re.I) # 忽略大小写 print(res.group()) res = re.search('#.+#', '123#hello#j58') print(res.group()) res = re.search('aal?', 'aaalexaaa') # 匹配？前的l一次或0次 print(res.group()) res = re.search('[0-9]{3}', 'as1def2rt3456gh') # 匹配数字三次 print(res.group())
结果
fujia liuFujia #hello# aa 345
import re res = re.search('abc|ABC', 'ABCAabcCD') # 先匹配左边的abc，第一个满足大写的就返回大写的 print(res.group()) res = re.search('(abc){2}', 'abcccabcabcjid') # 匹配abc 两次 print(res.group()) res = re.search('A[0-9]+[a-z]+', '2658afgdfd') # 匹配数字开头，字母结尾 print(res.group()) res = re.search('A[0-9]+[a-z]', '2658a') # 匹配数字开头，一个字母结尾，字母大于一个会报错 print(res.group()) res = re.search('d+', 'sd5ere65tere862') # 匹配数字，只匹配一次 print(res.group()) res = re.search('w+', '$sd5ere65t#ere862') # 匹配非特殊字符一次 print(res.group())
结果
ABC abcabc 2658afgdfd 2658a 5 sd5ere65t
findall
import re res = re.findall('[0-9]{2,3}', 'as1def25rt3456gh') # 匹配前一个字符n到m次 print(res) res = re.findall('abc|ABC', 'ABCAabcCD') # findall满足的都匹配 print(res) res = re.findall('d+', 'sd5ere65tere862') print(res) res = re.findall('D+', '$sd5ere65tere862') # 匹配非数字多次 print(res) res = re.findall('w+', '$sd5ere65t#ere862') # 匹配非特殊字符多次 print(res)
结果：
['25', '345'] ['ABC', 'abc'] ['5', '65', '862'] ['$sd', 'ere', 'tere'] ['sd5ere65t', 'ere862']
split 和 sub
import re res = re.split('[a-z]', '7sdr85fd8gf52') print(res) res = re.split('[a-z]+', '7sdr85fd8gf52') print(res) res = re.sub('[0-9]+', '|', '2sd36fd5er9') # 替换，匹配所有的数字，替换为| print(res) res = re.sub('[0-9]+', '|', '2sd36fd5er9', count=2) # 替换，匹配前两次的数字，替换为| print(res)
结果：
['7', '', '', '85', '', '8', '', '52'] ['7', '85', '8', '52'] |sd|fd|er| |sd|fd5er9
时间效率和空间效率
compile ====》 时间效率
finditer ====》 空间效率
import re re.findall('-0.d+|-[1-9]+(.d+)?', 'alex83egon20taibai40') # --> python解释器能理解的代码 --> 执行代码 ret = re.compile('-0.d+|-[1-9]d+(.d+)?') res = ret.search('alex83egon-20taibai-40') print(res.group()) # 节省时间 : 只有在多次使用某一个相同的正则表达式的时候,这个compile才会帮助我们提高程序的效率
结果：
-20
import re print(re.findall('d', 'sjkhkdy982ufejwsh02yu93jfpwcmc')) ret = re.finditer('d', 'sjkhkdy982ufejwsh02yu93jfpwcmc') for r in ret: print(r.group()) ret = re.findall('-0.d+|-[1-9]d*(.d+)?', '-1asdada-200') print(ret)
结果
['9', '8', '2', '0', '2', '9', '3'] 9 8 2 0 2 9 3 ['', '']
分组
import re ret = re.findall('www.(baidu|csca).com', 'www.csca.com') print(ret)
结果：
['csca']
取消分组优先 ?:
import re ret = re.findall('www.(?:baidu|csca).com', 'www.csca.com') print(ret)
结果：
['www.csca.com']
import re ret = re.split('d+', 'abc83egon20bai40') print(ret) ret = re.split('(d+)', 'abc83egon20bai40') print(ret)
结果：
['abc', 'egon', 'bai', ''] ['abc', '83', 'egon', '20', 'bai', '40', '']
分组遇见 search
import re ret = re.search('d+(.d+)(.d+)(.d+)?', '1.2.3.4-2*(60+(-40.35/5)-(-4*3))') print(ret.group()) print(ret.group(1)) print(ret.group(2)) print(ret.group(3))
结果：
1.2.3.4 .2 .3 .4