074 re模块

re模块

• re模块：就是从字符串里找特定的字符串

1.re的基本语法

1. ^:字符串开始位置与匹配规则符合就匹配，不然不匹配

   匹配字符串开头。在多行模式中匹配每一行的开头（Python3+已经失效，配合compile使用）

   import re
   s = 'abc123456abc'
   res = re.findall('^ab',s)
   print(res)

   ['ab']

2. $:字符串结束位置与匹配规则符合就匹配，不然不匹配

   匹配字符串末尾，在多行模式中匹配每一行的末尾

   import re
   s= 'abc12ab56bc'
   res = re.findall('bc$',s)
   print(res)

   ['bc']

3. import re
   s= 'abc12ab56bc'
   res = re.findall('[abc]',s)
   print(res)

   ['a', 'b', 'c', 'a', 'b', 'b', 'c']

4. +^联用: ^对内的元素取反,除了里的字符都要

   import re
   s= 'abc12ab56bc'
   res = re.findall('[^ab]',s)
   print(res)

   ['c', '1', '2', '5', '6', 'c']

5. （.:） 任意字符(除了\n)

   字符后有几个点就取字符+几个点的长度

   import re
   s= 'abc12ab56bc'
   res = re.findall('ab.',s)
   print(res)

   ['abc', 'ab5']

   import re
   s= 'abc12ab56bc'
   res = re.findall('ab...',s)
   print(res)

   ['abc1', 'ab56']

   import re
   s= 'abc12ab56bc'
   res = re.findall('ab...',s)
   print(res)

   ['abc12', 'ab56b']

6. *: 前面的字符0-无穷个

   import re
   s= 'ab2aabbacaaa'
   res = re.findall('a*',s)
   print(res)

   ['a', '', '', 'aa', '', '', 'a', '', 'aaa', '']

7. +: 前面的字符1-无穷个

import re
s= 'ab2aabbacaaa'
res = re.findall('a+',s)
print(res)

['a', 'aa', 'a', 'aaa']

1. ?: 前面的字符0-1个

   import re
   s= 'ab2aabbacaaa'
   res = re.findall('a?',s)
   print(res)

   ['a', '', '', 'a', 'a', '', '', 'a', '', 'a', 'a', 'a', '']

2. {m}: 前面的字符m个

   import re
   s= 'ab2aabbacaaa'
   res = re.findall('a{2}',s)
   print(res)

   ['aa', 'aa']

3. {n,m}: 前面的字符n-m个

   import re
   s= 'ab2aabbacaaa'
   res = re.findall('a{1,3}',s)
   print(res)

   ['a', 'aa', 'a', 'aaa']

2.预约义字符

预约义字符是在字符集和组里都是有用的

反斜杠后边跟普通字符实现特殊功能

1. \d:只匹配数字
2. \D:匹配非数字
3. \w:匹配数字/字母/下划线
4. \W:匹配非数字/字母/下划线
5. \s: 匹配空格/\t/\n
6. \s: 匹配非空格/\t/\n
7. : 对后面的字符取消意义
8. .*: 贪婪模式(最大化),找到继续找,让结果最大化
9. .*?: 非贪婪模式(最小化),找到就立刻中止
10. (): 只要括号内的
11. A|B: A和B都要,每次只匹配一个字符

import re
1.\d: 数字
s = 's  1   s+\n=$\t2_s  3'
print(re.findall('\d', s))
# ['1', '2', '3']

2.\D: 非数字
print(re.findall('\D', s))
# ['s', ' ', ' ', ' ', ' ', ' ', 's', '+', '\n', '=', '$', '\t', '_', 's', ' ', ' ']

3. \w: 数字/字母/下划线
print(re.findall('\w', s))
# ['s', '1', 's', '2', '_', 's', '3']

4.\W: 非数字/字母/下划线
print(re.findall('\W', s))
[' ', ' ', ' ', ' ', ' ', '+', '\n', '=', '$', '\t', ' ', ' ']

5.\s: 空格/\t/\n
print(re.findall('\s', s))
# [' ', ' ', ' ', ' ', ' ', '\n', '\t', ' ', ' ']

6. \S: 非空格/\t/\n
print(re.findall('\S', s))
# ['s', '1', 's', '+', '=', '$', '2', '_', 's', '3']

7.\: 取消意义
s = 'aba\d'
print(re.findall(r'a\\d', s))
# ['a\\d']

8. .*: 贪婪模式(最大化),找到继续找,让结果最大化
s = 'abbbcabc'
print(re.findall('a.*c', s))
# ['abbbcabc']

9..*?: 非贪婪模式(最小化),找到就立刻中止
s = 'abbbcabc'
print(re.findall('a.*?c', s))
['abbbc', 'abc']

10. (): 只要括号内的
s = 'abacad'
print(re.findall('a(.)', s)) # 除了a都要，一次只匹配一个字符
# ['b', 'c', 'd']

11. A|B: A和B都要
s = 'abacad'
print(re.findall('a|b', s))
#['a', 'b', 'a', 'a']

3.re模块的经常使用方法

• re.findall()

s = '123abc123\ndef456'
print(re.findall('\d+', s)) # 匹配全部我的数字

['123', '123', '456']

• re.mathch(): 从开头搜索,搜索到了就有,没搜索到就是none

res = re.match('\d+', s)
print(res)
print(res.group())

<_sre.SRE_Match object; span=(0, 3), match='123'>
123

• re.search(): 搜索第一个匹配结果,找到了就不找了

res = re.search('\d+', s)
print(res)
print(res.group())

<_sre.SRE_Match object; span=(0, 3), match='123'>
123

• re.split(): 按照匹配规则切割

s1 = 'abc324asdfk234lkjsf324lkj'
print(re.split('\d+', s1))

['abc', 'asdfk', 'lkjsf', 'lkj']

• re.sub(): 按照匹配规则替换(*******重点)

s1 = 'abc324asdfk234lkjsf324lkj'
print(re.split('\d+', s1))

abc***asdfk***lkjsf***lkj

• re.subn(): 按照匹配规则替换,并计数

s1 = 'abc324asdfk234lkjsf324lkj'
print(re.sub('\d+', '***', s1))

('abc***asdfk***lkjsf***lkj', 3)

• 分组: 一个括号里的叫一个分组, django, 了解

s = 'abc123edf456'
res = re.search('abc(?P<abc>\d+)edf(?P<edf>\d+)', s)
print(res.groupdict())

{'abc': '123', 'edf': '456'}

1.re.compile(strPatternl,flagl)函数

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可使用按位或运算符'|'表示同时生效，好比re.I | re.M。另外，你也能够在regex字符串中指定模式，好比re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。

下表是全部的正则匹配模式：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	作本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的全部字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志经过给予你更灵活的格式以便你将正则表达式写得更易于理解。

1.re.S

• 在Python的正则表达式中，有一个参数为re.S。它表示 “.” 的做用扩展到整个字符串，包括“\n”。看以下代码：

import re
a = '''asdfhellopass:
    worldaf
    '''
b = re.findall('hello(.*?)world', a)
c = re.findall('hello(.*?)world', a, re.S)
print('b is ', b)
print('c is ', c)
b is  []
c is  ['pass:\n    ']

正则表达式中，“.”的做用是匹配除“\n”之外的任何字符，也就是说，它是在一行中进行匹配。这里的“行”是以“\n”进行区分的。a字符串有每行的末尾有一个“\n”，不过它不可见。

若是不使用re.S参数，则只在每一行内进行匹配，若是一行没有，就换下一行从新开始，不会跨行。而使用re.S参数之后，正则表达式会将这个字符串做为一个总体，将“\n”当作一个普通的字符加入到这个字符串中，在总体中进行匹配。

2.re.I

• 不区分大小写

res = re.findall(r"A", "abc", re.I)
print(res)
['a']

3.re.M

• 将全部行的尾字母输出（python3+已经无效）

s = '12 34/n56 78/n90'

re.findall(r'^/d+', s, re.M)  # 匹配位于行首的数字  # ['12', '56', '90']
re.findall(r'/A/d+', s, re.M)  # 匹配位于字符串开头的数字  # ['12']
re.findall(r'/d+$', s, re.M)  # 匹配位于行尾的数字  # ['34', '78', '90']
re.findall(r'/d+/Z', s, re.M)  # 匹配位于字符串尾的数字  # ['90']

4.re.sub

# 要求结果：['12', '23', '34']
l = ['1 2 ', '2   3', '  3 4']
import re
print(eval(re.sub(r'\s*', '', str(l))))
['12', '23', '34']