day18正则及re模块

在线测试工具 http://tool.chinaz.com/regex/

正则表达式本身和python语言没什么联系，只是匹配字符串内容的一种规则；详见：http://www.cnblogs.com/Eva-J/articles/7228075.html#_label10

官方定义：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。在线测试工具 http://tool.chinaz.com/regex/

字符组：[字符组]，

在同一个位置可以出现的各种字符组成一个字符组；例:[1-9];[a-z];[1,2,5,a]

字符：

元字符	匹配内容
.	除换行符外的任意字符
^	只能用在首位置，匹配字符串的开始
$	只能用在末尾，匹配字符串的结尾
\w	匹配字母，数字或下划线
\d	匹配数字
\b	匹配一个单词的结尾
\s	匹配任意的空白符
\n	匹配一个换行符
\t	匹配一个制表符
\W	和\w相反，匹配非字母数字下划线的任意字符
\D	和\d相反，匹配非数字的任意字符
\S	和\s相反，匹配非空白的任意字符
a|b	匹配a或b
（）	匹配括号内的表达式，也表示一个组
[……]	匹配字符中的字符
[^……]	匹配除了字符组中字符的所有字符

量词： 量词都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

量词	用法说明
？	重复0次或1次
+	重复1次或多次
*	重复0次或多次
{n}	重复n次
{n，}	重复n次或多次
{n，m}	重复n次到m次

.*?的用法

. 是任意字符； * 是取 0 至 无限长度； ? 是非贪婪模式。

何在一起就是 取尽量少的任意字符，一般不会这么单独写，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

re模块

import re

ret = re.findall('a', 'eva egon yuan')  # 返回所有满足匹配条件的结果,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然后返回一个包含匹配信息的对象,该对象可以
# 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，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'分割得到''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

re模块

findall的优先级查询

import re

ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

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

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（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。

综合练习

匹配标签

#标签匹配
import re
ret=re.search('<(?P<tag_name>\w+)>\w+</(?P=tag_name)>','<h>head</h>')
#还可以在分组中利用?<name>的形式给分组起名字
#获取的匹配结果可以直接用group('名字')拿到对应的值
print(ret.group())  #结果：<h>head</h>
print(ret.group('tag_name')) #结果h

ret1=re.search(r'<(\w+)>\w+</\1>','<h>head</h>')  #r,转义
#如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致
#获取的匹配结果可以直接用group(序号)拿到对应的值
print(ret1.group())  #结果：<h>head</h>
print(ret1.group(1))  #结果h

匹配标签

匹配整数

ret2=re.findall(r'\d+',"1-2*(60+(-40.35/5)-(-4*3))")
print(ret2)  #['1', '2', '60', '40', '35', '5', '4', '3']
ret2=re.findall(r'-?\d+\.\d*|(-?\d+)',"1-2*(60+(-40.35/5)-(-4*3))")
print(ret2)     #['1', '-2', '60', '', '5', '-4', '3']
ret2.remove('')
print(ret2)    #['1', '-2', '60', '5', '-4', '3'] 

匹配整数

数字匹配

1、 匹配一段文本中的每行的邮箱
      http://blog.csdn.net/make164492212/article/details/51656638

2、 匹配一段文本中的每行的时间字符串，比如：‘1990-07-12’；

   分别取出1年的12个月（^(0?[1-9]|1[0-2])$）、
   一个月的31天：^((0?[1-9])|((1|2)[0-9])|30|31)$

3、 匹配qq号。(腾讯QQ号从10000开始)  ［1,9］[0,9]{4,}

4、 匹配一个浮点数。       ^(-?\d+)(\.\d+)?$   或者  -?\d+\.?\d*

5、 匹配汉字。             ^[\u4e00-\u9fa5]{0,}$ 

6、 匹配出所有整数