5-2 正则表达式及其re模块

一 正则表达式

在线测试工具 http://tool.chinaz.com/regex/

字符

量词

贪婪匹配

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配,<.*>

加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串<.*?>

几个常用的非贪婪匹配Pattern

*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

.*?的用法. 是任意字符* 是取 0 至 无限长度

? 是非贪婪模式。
合在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?

就是取前面任意长度的字符，直到一个x出现

二 re模块
1 findall search  match split sub subn等方法

 import re

 ret = re.findall('a','abc 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']

 ret1 = re.search('\d+','8787abc 97897engo yuan657').group()#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。
 print(ret1) ##结果 8787  只匹配第一个数字

 ret3=re.match('\d+','1abc78797 97897engo yuan657').group()# 同search,不过只能在字符串开始处进行匹配
 print(ret3)
 # #ret4=re.match('a','bca').group()  ##这种的就会报错
 # # print(ret4)

 ret5=re.split('[ab]','abcd')#先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
 print(ret5) ##结果['', '', 'cd']

 ret6 = re.sub('\d', 'H', 'eva3egon4yuan4', 1)##将数字替换成'H'，参数1表示只替换1个
 print(ret6)

 ret7 = 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(ret7)

 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

 ret8 = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
 print(ret8.group())

 ret = re.finditer('\d', 'ds3sy4784a')
 print(ret)
 print(ret.__next__().group())
 print(next(ret).group())

 #第二种取值方式
 print([i.group()for i in ret])

二 findall和split优先级

 ##findall优先级
 ret = re.findall('www\.(oldboy|baidu)\.com', 'www.oldboy.com')
 ##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优先级
 print(ret)##结果是oldboy

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

 ##split优先级查询
 ret = re.split("\d+",'eva3egon4yuan')
 print(ret)

 ret = re.split('(\d+)','eva3egon4yuan')
 print(ret)

 ##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