Python经常使用模块

re模块

正则表达式　　

　　正则表达式不只在python领域，在整个编程届都占有举足轻重的地位。无论之后是否是作python开发，只要你是一个程序员就应该了解正则表达式的基本使用。若是将来你要在爬虫领域发展，你就更应该好好学习这方面的知识。可是，re模块本质上和正则表达式没有一毛钱的关系。re模块和正则表达式的关系 相似于 time模块和时间的关系，没有学习python以前，你不知道有一个time模块，可是你已经认识时间了 12:30就表示中午十二点半。时间有本身的格式，年月日时分秒，12个月，365天......已经成为了一种规则。你也早就牢记于心了。time模块只不过是python提供给咱们的能够方便咱们操做时间的一个工具而已。正则表达式自己也和python没有什么关系，就是匹配字符串内容的一种规则。

字符组

字符组 ： [字符组]
在同一个位置可能出现的各类字符组成了一个字符组，在正则表达式中用[]表示
字符分为不少类，好比数字、字母、标点等等。
假如你如今要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、一、2...9这10个数之一。

正则	待匹配字符	匹配 结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的全部字符，字符组里的任意一个字符 和"待匹配字符"相同都视为能够匹配
[0123456789]	a	False	因为字符组中没有"a"字符，因此不能匹配
[0-9]	7	True	也能够用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	一样的若是要匹配全部的小写字母，直接用[a-z]就能够表示
[A-Z]	B	True	[A-Z]就表示全部的大写字母
[0-9a-fA-F]	e	True	能够匹配数字，大小写形式的a～f，用来验证十六进制字符

字符

元字符	匹配内容
.	匹配除换行符之外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
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
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的全部字符

量词

量词	用法说明
*	重复零次或更屡次
+	重复一次或更屡次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更屡次
{n,m}	重复n到m次

.^$

正则	待匹配字符	匹配 结果	说明
熊.	熊大熊二熊三	熊大 熊二 熊三	匹配全部"熊."的字符
^熊.	熊大熊二熊三	熊大	只从开头匹配"熊."
熊.$	熊大熊二熊三	熊三	只匹配结尾的"熊.$"

*+?{}

正则	待匹配字符	匹配 结果	说明
熊.?	熊大和熊二和熊老三	熊大 熊二 熊老	?表示重复零次或一次，即只匹配"熊"后面一个任意字符
熊.*	熊大和熊二和熊老三	熊大和熊二和熊老三	*表示重复零次或屡次，即匹配"熊"后面0或多个任意字符
熊.+	熊大和熊二和熊老三	熊大和熊二和熊老三	+表示重复一次或屡次，即只匹配"熊"后面1个或多个任意字符
熊.{1,2}	熊大和熊二和熊老三	熊大和 熊二和 熊老三	{1,2}匹配1到2次任意字符

 注意：前面的*,+,?等都是贪婪匹配，也就是尽量匹配，后面加?号使其变成惰性匹配

正则	待匹配字符	匹配 结果	说明
熊.*?	熊大和熊二和熊老三	熊 熊 熊	惰性匹配

字符集 [] [^]

正则	待匹配字符	匹配 结果	说明
熊[大二老三]*	熊大和熊二和熊老三	熊大 熊二 熊老三	表示匹配"熊"字后面[大二老三]的字符任意次
熊[^和]*	熊大和熊二和熊老三	熊大 熊二 熊老三	表示匹配一个不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一个数字，匹配到4个结果
[\d]+	456bdha3	456 3	表示匹配任意个数字，匹配到2个结果

 分组 () 与或 | [^]

 　　身份证号码是一个长度为15或18个字符的字符串，若是是15位则所有由数字组成，首位不能为0；若是是18位，则前17位所有是数字，末位多是数字或x，下面咱们尝试用正则来表示：

正则	待匹配字符	匹配 结果	说明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	能够匹配可是有问题
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也能够匹配这串数字，但这并非一个正确的身份证号码，它是一个16位的数字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	如今不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]分红一组，就能够总体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]若是没有匹配上就匹配[1-9]\d{14}

转义符\

　　在正则表达式中，有不少有特殊意义的是元字符，好比\n和\s等，若是要在正则中匹配正常的"\n"而不是"换行符"就须要对"\"进行转义，变成'\\'。

　　在python中，不管是正则表达式，仍是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，自己还须要转义。因此若是匹配一次"\n",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。这个时候咱们就用到了r'\n'这个概念，此时的正则是r'\\n'就能够了。

正则	待匹配字符	匹配 结果	说明
\n	\n	False	由于在正则表达式中\是有特殊意义的字符，因此要匹配\n自己，用表达式\n没法匹配
\\n	\n	True	转义\以后变成\\，便可匹配
"\\\\n"	'\\n'	True	若是在python中，字符串中的'\'也须要转义，因此每个字符串'\'又须要转义一次
r'\\n'	r'\n'	True	在字符串以前加r，让整个字符串不转义

 贪婪匹配

　　贪婪匹配：在知足匹配时，匹配尽量长的字符串，默认状况下，采用贪婪匹配

正则	待匹配字符	匹配 结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式，会匹配尽可能长的字符串
<.*?>	r'\d'	<script> <script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽可能短的字符串

　　几个经常使用的非贪婪匹配Pattern

*? 重复任意次，但尽量少重复
+? 重复1次或更屡次，但尽量少重复
?? 重复0次或1次，但尽量少重复
{n,m}? 重复n到m次，但尽量少重复
{n,}? 重复n次以上，但尽量少重复

View Code

　　.*?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一块儿就是 取尽可能少的任意字符，通常不会这么单独写，他大多用在：
.*?x

就是取前面任意长度的字符，直到一个x出现

View Code

Python中re模块下的经常使用方法

import re

ret = re.findall('a', 'eva egon yuan')  # 返回全部知足匹配条件的结果,放在列表里
print(ret) #结果 : ['a', 'a']

ret = re.search('a', 'eva egon yuan').group()
print(ret) #结果 : 'a'
# 函数会在字符串内查找模式匹配,只到找到第一个匹配而后返回一个包含匹配信息的对象,该对象能够
# 经过调用group()方法获得匹配的字符串,若是字符串没有匹配，则返回None。

ret = re.match('a', 'abc').group()  # 同search,不过尽在字符串开始处进行匹配
print(ret)
#结果 : 'a'

ret = re.split('[ab]', 'abcd')  # 先按'a'分割获得''和'bcd',在对''和'bcd'分别按'b'分割
print(ret)  # ['', '', 'cd']

ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H'，参数1表示只替换1个
print(ret) #evaHegon4yuan4

ret = re.subn('\d', 'H', 'eva3egon4yuan4')#将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret)

obj = re.compile('\d{3}')  #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())  #结果 ： 123

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一个结果
print(next(ret).group())  #查看第二个结果
print([i.group() for i in ret])  #查看剩余的左右结果

注意：

1 findall的优先级查询

import re

ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     这是由于findall会优先把匹配结果组里内容返回,若是想要匹配结果,取消权限便可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['www.oldboy.com']

2 split的优先级查询

ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 ： ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan']

#在匹配部分加上（）以后所切出的结果是不一样的，
#没有（）的没有保留所匹配的项，可是有（）的却可以保留了匹配的项，
#这个在某些须要保留匹配部分的使用过程是很是重要的。