python——re模块（正则表达式）

re 模块的使用：

1.使用compile()函数编译一个parttern对象， 例如：parttern=re.compile(r'\d+')

2.通过pattern对象提供的一系列属相和方法，对文本进行匹配查找，获得结果，即一个Match对象

• match 方法：从起始位置开始查找，一次匹配，匹配失败返回None ----------> match(string[, pos[, endpos]])

  m = pattern.match('one12twothree34four', 3, 10) # 从下标3开始，也即从字符串'1'的位置开始匹配，返回一个Match对象, 没有匹配到的话返回None

• # -*- conding:utf-8 -*-
  
  import re
  
  pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)  # re.I 表示忽略大小写
  m = pattern.match("hello world wide web python") 
  
  print(m)  # <_sre.SRE_Match object; span=(0, 11), match='hello world'>
  print(m.group(), type(m.group()))  # hello world <class 'str'>
  print(m.group(1)) # hello
  print(m.group(2)) # world
  print(m.span(), type(m.span()))  # (0, 11) <class 'tuple'>
  print(m.groups(), type(m.groups()))  # ('hello', 'world') <class 'tuple'>

• search 方法：从任何位置开始查找，一次匹配，匹配失败返回None  ---------->  search(string[, pos[, endpos]])   使用同match方法
• findall 方法：全部匹配，返回列表，匹配失败返回空列表  ----------> findall(string[, pos[, endpos]])

• # -*- conding:utf-8 -*-
  
  import re
  
  # 将正则表达式编译成pattern对象
  pattern = re.compile(r'\d+')  # 查找数字
  rel1 = pattern.findall('hello 123 world 456 ')
  print(rel1)   # ['123', '456']
  
  rel2 = pattern.findall('one12two23s34f45f56s78e89t10', 10, 20)  # 指定匹配的起止位置
  print(rel2)  # ['34', '45', '56']
  
  #re模块提供一个方法叫compile模块，提供我们输入一个匹配的规则
  #然后返回一个pattern实例，我们根据这个规则去匹配字符串
  pattern2 = re.compile(r'\d+\.\d*')
  #通过partten.findall()方法就能够全部匹配到我们得到的字符串
  result = pattern2.findall("123.141593, 'bigcat', 232312, 3.15")
  #findall 以 列表形式 返回全部能匹配的子串给result
  print(result)  # ['123.141593', '3.15']

• finditer 方法：全部匹配，返回迭代器 ，返回Match对象 ----------> finditer(string[, pos[, endpos]])

• # -*- conding:utf-8 -*-
  
  import re
  
  '''finditer跟findall类似'''
  
  pattern = re.compile(r'\d+')
  resl = pattern.finditer('hello-123-world-456-python-789')
  
  print(resl)  # <callable_iterator object at 0x0000022A886FD470>
  print(type(resl))  # <class 'callable_iterator'>    # 迭代器对象
  for m in resl:  # m是Match对象， 具体操作见上面的match
      print(m.group())  # 分别打印出123 456 789

• split 方法：分割字符串，返回列表  ---------->  split(string[, maxsplit])

• # -*- conding:utf-8 -*-
  
  import re
  
  '''split方法按照规则将字符串分割后返回列表'''
  p = re.compile(r'[\s\,;\t\n]+')
  print(p.split('  a  ,    bwf  ;; c '))   # ['', 'a', 'bwf', 'c', '']

• sub 方法：替换   ---------->  sub(repl, string[, count])

• # -*- conding:utf-8 -*-
  
  import re
  
  p = re.compile(r'(\w+) (\w+)')
  s = 'hello 1236 hello 456'
  print(p.sub('hello world', s))  # hello world hello world

3.使用match对象的属相和方法获取信息

match.group()

match.groups()  # 匹配的所有  等同于 match.group()等同于match.group(0)

match.start()  # 开始位置

match.end()  # 结束位置

match.span()  # 返回开始结束的区域跨度

4、匹配中文

中文的Unicode编码范围主要在[u4e00-u9fa5]，没有包括全角中文标点，不过大部分情况下是够用了

# -*- conding:utf-8 -*-

import re

title = '你好，python ， 你好，世界 hello world'
pa = re.compile(r'[\u4e00-\u9fa5]+')
t = pa.findall(title)
print(t)   # ['你好', '你好', '世界']

5、贪婪匹配-------非贪婪匹配：python默认是贪婪匹配

　　贪婪匹配：在匹配成功的前提下，尽可能多的匹配（*）

　　非贪婪匹配：在匹配成功的前提下，尽可能少的匹配（?）

# -*- conding:utf-8 -*-

import re

s = 'abbbbbbdsddbbbb'

res = re.findall('ab*', s)  # *号是匹配前一个字符0次或无限次
print(res)  # ['abbbbbb']  匹配ab后已经匹配成功，但是由于是贪婪匹配，所以会继续往后尝试匹配

res2 = re.findall('ab*?', s)
print(res2)  # ['a']  匹配a成功后，由于是非贪婪匹配，所以匹配就结束了

加油，一步一步往下走，坚持下去，自己给自己打气加油，workon