day15_7.17正则表达式与re模块

一。正则表达式

　　在用户登录注册，以及身份验证时，会发现，如果在手机号的窗口输入字母等不是手机号的格式的字符串时，会报错，这种筛选字符串的功能就是由正则表达式提供。

　　正则表达式是几乎所有编程语言都会设计的领域。

　　它在python所运用的范围有：

　　1.爬虫

　　2.数据分析

　　在普通的应用中还可以判断字符串是否符合规则。如果需要做手机号的识别，不用正则表达式可以用以下办法：

while True:
    phone_number = input('please input your phone number ： ')
    if len(phone_number) == 11 \
            and phone_number.isdigit()\
            and (phone_number.startswith('') \
            or phone_number.startswith('') \
            or phone_number.startswith('') \
            or phone_number.startswith('') \
            or phone_number.startswith('') \
            or phone_number.startswith('')):
        print('是合法的手机号码')
    else:
        print('不是合法的手机号码')

　　而使用正则表达式则只需要几行代码就可以实现功能：

import re
phone_number = input('please input your phone number ： ')
if re.match('^(13|14|15|16|17|18)[0-9]{9}$',phone_number):
        print('是合法的手机号码')
else:
        print('不是合法的手机号码')

　　所以，学会正则表达式会非常方便

　　在正则的编写中，可以使用http://tool.chinaz.com/regex/网站.

　　1.当你需要匹配特定字符时，直接写该字符即可。

　　2.字符组：[字符组]

　　在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示字符分为很多类，比如数字、字母、标点等等。假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。如

正则	说明
[0123456789]a-z	匹配0-9的字符
[0-9]	匹配0-9的字符
[a-z]	匹配a-z的字母
[A-Z]	匹配大写a-z的字母
[0-9a-fA-F]	匹配0-9，a-z，A-Z的字母

　　上面的匹配都是针对单个字符所出现的情况进行匹配

元字符	匹配内容
.	匹配除换行符以外的任意字符
\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所有字符

　　其中，“.”匹配的是除了换行符意外的所有字符。

　　“\w”，word的意思，匹配字母或数字，或下划线。

　　“\s”，space的意思，匹配任意的空白符,包括tab，识别成一个空白

　　“\d"，digit数字，匹配任意的数字。

　　”\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

　　这些互补可以匹配任意字符。

　　”\n“，匹配一个换行符

　　“\t”，匹配一个tab

　　"\b",匹配一个单词的结尾，如ad\b，将匹配所有以ad结尾的单词。

　　”^“，匹配字符串的开始，类似于”startwith“

　　”$“，匹配字符串的结尾，类似与”endswith“

　　这两个匹配的是整个字符串的开头和结尾，当两者一起使用时，中间是什么就只能是什么，不能多其他字符

　　”a|b“，匹配字符a，或者字符b，是单独匹配，在匹配时，当第一个字符匹配完后就不会去匹配第二个字符，所以可以将长的字符写在前面

　　"[]",匹配[]中的所有字符，是单个匹配。

　　[^].，在括号中使用^可以匹配除了该字符以外的其他字符。

量词

　　

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

　　在字符组后面加上量词就可以匹配多个字符。

　　在正则表达式中，匹配都是贪婪配，也就是越多越好。

　　量词和量词不能结合在一起，而且量词只能限制紧挨着它的正则表达式。

https://www.cnblogs.com/Dominic-Ji/articles/11109067.html#_label10

　　{n}n中是指定个数的量词。

　　在量词后面加上？符号可以将贪婪匹配规则改成惰性匹配规则。

分组

　　当多个正则符号需要重复多次的时候，或者一个整体需要其他操作时，加上（）进行操作

转义符\

　　在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义，变成'\\'。

　　在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\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。这个时候我们就用到了r'\n'这个概念，此时的正则是r'\\n'就可以了

　　在正则中\n相当于换行符，\\n相当于\n，经过转义的，python中字符串需要对\进行转义，所以要匹配\n需要写成‘\\\\n’，或者r'\\n’

.*?

　　.*?这个的意义是匹配单个字符，通常与另外一个字符联用，如.*?x，匹配字符直到x的出现。

　　<.*>贪婪匹配，从后遍历>符号，找到后截取之间的字符

　　<.*?>非贪婪匹配，从前遍历>符号，找到后截取之间的字符。

二。re模块

　　在re模块中，有三个方法处理正则表达式：

　　1。findll

res=re.findall('[a-z]+','aabbc222cskadjl1231231')
print(res)
#输出结果>>>['aabbc', 'cskadjl']

　　这个函数的语法是findll（”正则表达式“，”待匹配的字符串“），最后是以列表+字符串的形式输出结果

　　注意，在字符串中，会以空格为分隔，匹配到空格时会重新换一个字符串存储。

　　2.search

res=re.search('','66,33,66,77,44,66,99')
print(res)
print(res.group())
#输出结果>>><_sre.SRE_Match object; span=(0, 2), match='66'>
#

　　在search中，查找字符串后，返回的是一个对象，并不会直接返回值，当需要里面的值时调用.group()方法取值，而且，search只会对其取一次值。

　　当没有取值时，会返回一个none，这个时候在使用.group()方法时，会报错，所以，使用search时，通常使用以下方法：

res=re.search('','66,33,66,77,44,66,99')
print(res)
if res:
    print(res.group())

　　3.match

res=re.match('','66 33 66 77 44 66 99')
print(res)
if res:
    print(res.group())
#输出结果>>><_sre.SRE_Match object; span=(0, 1), match='6'>
#

　　与search相同，match也是返回的对象，当需要其中的值时使用group方法对其取值，如果找不到i返回none但与search不同的是，match匹配的是字符串的开头部分，如果不是，直接返回none。

其他方法

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

注意点：

　　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']

　　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（）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。