Python3 re模块(正则表达式)

一：什么是正则？

　　正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。

(在Python中)它内嵌在Python中，并通过re模块实现。正则表达式模式被编译成一系列的字节码，然后由C编写的匹配引擎执行。

生活中处处都是正则：

比如我们描述：4条腿

　　你可能会想到的是四条腿的动物或者桌子，椅子等

继续描述：4条腿，活的

就只剩下四条腿的动物这一类了

二：常用匹配模块(元字符)

模式	描述
\w	匹配字符数字及下划线
\W	匹配非字母数字下划线
\s	匹配任意空白字符，等价于[\t\n\r\f]
\S	匹配任意非空白字符
\d	匹配任意数字，等价于[0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存换行前的结束字符串
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[...]	用来表示一组字符，单独列出：[amk]匹配'a','m'或'k'
[^...]	不在[]中的字符：[^abc]匹配除了a,b,c之外的字符
*	匹配0个或多个表达式
+	匹配0个或多个的表达式
？	匹配0个或一个由前面的正则表达式定义的片段，非贪婪方式
{n}	精确匹配n个前面的表达式
{n,m}	匹配n到m次由前面的正则表达式定义的片段，贪婪方式
a|b	匹配a或b
()	匹配括号内的表达式，也表示一个组

三、re模块

# ===========================re模块提供的方法介绍===========================
import re
#
print(re.findall('e','alex make love') )   #['e', 'e', 'e'],返回所有满足匹配条件的结果,放在列表里
#
print(re.search('e','alex make love').group()) #e,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(re.match('e','alex make love'))    #None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match

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

#
print('===>',re.sub('a','A','alex make love')) #===> Alex mAke love，不指定n，默认替换所有
print('===>',re.sub('a','A','alex make love',)) #===> Alex make love
print('===>',re.sub('a','A','alex make love',)) #===> Alex mAke love
print('===>',re.sub('^(\w+)(.*?\s)(\w+)(.*?\s)(\w+)(.*?)$',r'\5\2\3\4\1','alex make love')) #===> love make alex

print('===>',re.subn('a','A','alex make love')) #===> ('Alex mAke love', ),结果带有总共替换的个数

#
obj=re.compile('\d{2}')

print(obj.search('abc123eeee').group()) #
print(obj.findall('abc123eeee')) #[''],重用了obj

import re
print(re.findall("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")) #['h1']
print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>").group()) #<h1>hello</h1>
print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>").groupdict()) #<h1>hello</h1>

print(re.search(r"<(\w+)>\w+</(\w+)>","<h1>hello</h1>").group())
print(re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>").group())

补充一

import re

print(re.findall(r'-?\d+\.?\d*',"1-12*(60+(-40.35/5)-(-4*3))")) #找出所有数字['', '-12', '', '-40.35', '', '-4', '']

#使用|，先匹配的先生效，|左边是匹配小数，而findall最终结果是查看分组，所有即使匹配成功小数也不会存入结果
#而不是小数时，就去匹配(-?\d+)，匹配到的自然就是，非小数的数，在此处即整数
print(re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))")) #找出所有整数['', '-2', '', '', '', '-4', '']

补充二

#为何同样的表达式search与findall却有不同结果:
print(re.search('\(([\+\-\*\/]*\d+\.?\d*)+\)',"1-12*(60+(-40.35/5)-(-4*3))").group()) #(-40.35/)
print(re.findall('\(([\+\-\*\/]*\d+\.?\d*)+\)',"1-12*(60+(-40.35/5)-(-4*3))")) #['/5', '*3']

#看这个例子:(\d)+相当于(\d)(\d)(\d)(\d)...,是一系列分组
print(re.search('(\d)+','').group()) #group的作用是将所有组拼接到一起显示出来
print(re.findall('(\d)+','')) #findall结果是组内的结果,且是最后一个组的结果

search与findall

四、正则匹配

import re

#\w与\W
>>> print(re.findall('\w', 'ab 12\+- *&_'))
['a', 'b', '', '', '_']
>>> print(re.findall('\W', 'ab 12\+- *&_'))
[' ', '\\', '+', '-', ' ', '*', '&']

#\s与\S
>>> print(re.findall('\s','ab 12\+\nz\tz\r- *&_'))
[' ', '\n', '\t', '\r', ' ']
>>> print(re.findall('\S','ab 12\+\nz\tz\r- *&_'))
['a', 'b', '', '', '\\', '+', 'z', 'z', '-', '*', '&', '_']

#\d与\D
>>> print(re.findall('\d','ab 12\+\nz\tz\r- *&_'))
['', '']
>>> print(re.findall('\D','ab 12\+\nz\tz\r- *&_'))
['a', 'b', ' ', '\\', '+', '\n', 'z', '\t', 'z', '\r', '-', ' ', '*', '&', '_']

#^与$
>>> print(re.findall('alex','abcalex is sb'))
['alex']
>>> print(re.findall('^alex','alex is sb'))
['alex']
>>> print(re.findall('sb$','alex is sb'))
['sb']
>>> print(re.findall('^ebn$','ebn'))
['ebn']

#\n
>>> print(re.findall('a\nc','a\nc a\tc alc'))
['a\nc']

# .
>>> print(re.findall('a.c','abc alc aAc aaaaaaccccsssccc\nc'))
['abc', 'alc', 'aAc', 'aac']

#?
>>> print(re.findall('ab?','a ab abb abbb abbbb a1bbbbbbbbbb'))
['a', 'ab', 'ab', 'ab', 'ab', 'a']

#.*    默认为贪婪匹配
>>> print(re.findall('a.*c','ac a123c aaaac a *123)()c assfewewfe'))
['ac a123c aaaac a *123)()c']

#.*? 为非贪婪匹配：推荐使用
>>> print(re.findall('a.*?c','a123cefwe456c'))
['a123c']

#{n,m}
>>> print(re.findall('ab{2}','abbbb'))
['abb']
>>> print(re.findall('ab{2,4}','abbbb'))
['abbbb']
>>> print(re.findall('ab{1,}','abbbb'))
['abbbb']       'ab{1,}'等同与==>'ab+'
>>> print(re.findall('ab{0,}','abbbb'))
['abbbb']       'ab{0,}'等同与==>'ab*'

#[]
print(re.findall('a[1*-]b','a1b a*b a-b')) #[]内的都为普通字符了，且如果-没有被转意的话，应该放到[]的开头或结尾
print(re.findall('a[^1*-]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[0-9]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[a-z]b','a1b a*b a-b a=b aeb')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[a-zA-Z]b','a1b a*b a-b a=b aeb aEb')) #[]内的^代表的意思是取反，所以结果为['a=b']

#\# print(re.findall('a\\c','a\c')) #对于正则来说a\\c确实可以匹配到a\c,但是在python解释器读取a\\c时，会发生转义，然后交给re去执行，所以抛出异常
print(re.findall(r'a\\c','a\c')) #r代表告诉解释器使用rawstring，即原生字符串，把我们正则内的所有符号都当普通字符处理，不要转义
print(re.findall('a\\\\c','a\c')) #同上面的意思一样，和上面的结果一样都是['a\\c']

#():分组
print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab']
print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab
print(re.findall('(?:ab)+123','ababab123')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))#['http://www.baidu.com']
print(re.findall('href="(?:.*?)"','<a href="http://www.baidu.com">点击</a>'))#['href="http://www.baidu.com"']

#|
print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company'))