Python常用模块--re

Python内部的re--传闻中的正则模块，是无数初学者心中的噩梦，几乎到了谈正则色变的地步。

1.正则是干什么的

　　正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

　　也就是说正则做了两件事，一件事就是制定匹配的规则（如：只匹配数字），一件事是对符合规则的数据进行处理（提取、赋值、删除等）。

　　那正则究竟有什么实际的用途呢？

　　比如说：使用Python在做爬虫时（如爬取拉钩），服务器传回的response数据主体是HTML代码，需要使用正则匹配并提取相应的字段（如职位名称），这样就会获得好多的键值对（{'职位名称':'Python高端工程师'}，感兴趣的可以看看我的练手小项目。

　　再比如说：公司领导安排人事部门，统计一下近一年所有投寄的简历，要求汇总姓名、电话等，人事的同事看了下简历，我去，1000+份，工作量太大了，向你求助，这时候，你就可以使用Python循环读取每个文件，使用正则匹配里面的姓名、电话等，保存到Excel里，分分钟完成。

2.正则的第一件事：制定匹配的规则

　　Python官方：https://docs.python.org/3.7/library/re.html

　　官方文档可阅读性差些，但是胜在“真实”（实用）。

　　推荐参考：https://www.jb51.net/tools/zhengze.html

　　jb51这个网站对正则的语法，由浅入深的分析，总结的特别好，篇幅太~~~~~~~~~~~~~~长，这里就不复制粘贴了。

　　简要说下在Python中如何使用re：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
__author__ = "问道编程"
__date__ = "2019/03/18 19:43"

import re

# 匹配手机号码
phone_pat = re.compile('^(13\d|14[5|7]|15\d|166|17[3|6|7]|18\d)\d{8}$')  # 匹配规则

get_phone1 = '15012341234'
get_phone2 = '12012341234'    # 测试用例

print(phone_pat.match(get_phone1))   # 打印结果，生成匹配对象
print(phone_pat.match(get_phone2))   # 返回None

3.常用的re方法s：

re.compile()：

　　编译一个正则表达式模式为正则表达式对象，其可用于使用它的匹配 match()，search()以及其他方法，为了方便重复使用匹配规则，说明如下：

prog = re.compile(pattern)  # pattern 是匹配规则，字符串，通常前面加r，如  r'\d+'  匹配数字的

result = prog.match(string)
# 相当于
result = re.match(pattern, string)

re.search()：

　　对字符串进行查找匹配，如果有匹配的数据，则返回第一个匹配的对象，如果没有匹配的对象，则返回None：

import re

result = re.search('\d', 'ads123asd')
print(result)   # <_sre.SRE_Match object; span=(3, 4), match='1'>

re.match()：

　　从字符串的开头开始匹配，如果有匹配的数据，则返回第一个匹配的对象，如果没有匹配的对象，则返回None：

import re

result = re.match('\d', 'ads123asd')
print(result)   # None  因为开头就不匹配 ，跟search的区别

result = re.search('ads\d', 'ads123asd')
print(result)  # <_sre.SRE_Match object; span=(0, 4), match='ads1'>

re.split()：

　　常用于字符串的切分，返回一个list，非常实用的功能：

import re

s = 'a,b;c d    e'
a = s.split(' ')
print(a)   # ['a,b;c', 'd', '', '', '', 'e']  使用str自带的切分方法局限性太大

b = re.split(r'[,;\s]+',s)
print(b)   # ['a', 'b', 'c', 'd', 'e']  # 使用re的切分工具可以实现多种组合的情况

re.findall()：

　　获取所有匹配的对象，返回list，也是非常实用的功能：

import re

a = re.compile(r'\d+')    # 获取所有数字
b = a.findall('ax2k3h5b6n7')
print(b)   # ['2', '3', '5', '6', '7']

re.sub()：

　　替换匹配的字段，也是re中非常强大的功能，web项目中常用于博客代码高亮的过滤器中：

import re

b = re.sub(r'\d', 'a', 'b1b23b21b34b124')
print(b)

本文参考：https://baike.baidu.com/item/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F/1700215?fr=aladdin