re模块

可以读懂你写的正则表达式

根据你写的表达式去执行任务

用re去操作正则

正则表达式

使用一些规则来检测一些字符串是否符合个人要求，从一段字符串中找到符合要求的内容。在线测试网站：

元字符:用来表示范围

元字符

匹配内容

.

匹配除换行符n以外的任意字符

^

只匹配字符串的开始

$

只匹配字符串的结束

w

匹配字母或数字或下划线

s

匹配任意空白符

d

匹配数字

n

匹配一个换行符

t

匹配一个制表符

W

匹配非字母数字和下划线

S

匹配非空白符

D

匹配非数字

a|b

匹配字符a或b

()

匹配括号内的表达式，也表示一个组

[ ]

匹配字符组的字符

[^ ]

匹配除了字符组中字符的所有字符

# 在字符组[ ]中，-表示范围，一般是根据字符对应的码值(字符在对应编码表中的编码的数值)来确定的，码值小的在前，码值大的在后。

# 在ascll编码表中， 0-9对应码值是48-57，a-z的码值是97-122，A-Z对应码值65-90

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，可匹配也可不匹配

{n}

重复n次

{n，}

重复n次或更多次

{n，m}

重复n到m次

.*?的用法说明：

.　　　　任意字符

*　　　　取0至无限长度

？　　　非贪婪模式

.*?x　　　合在一起表示取尽量少的任意字符，知道一个x出现

其他使用说明：

* + ? { }：

注： *,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

字符集［］［^］：

分组 ()与 或 ｜［^］：

身份证号是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能是0

如果是18位，则前17位全部是数字，末尾可能是x

转义符 ：

在正则中，存在很多特殊意义的元字符，如d,s等，如果要在正则中匹配正常的‘d’而不是‘数字’就需要对‘d’进行转义，变成‘\’

在py中，无论是正则表达式还是待匹配内容都是以字符串形式出现的，字符串中也有特殊含义，本身也需要转义，这时候就要用到r‘d’转换

贪婪匹配：

满足匹配时，匹配尽可能长的字符串

几个常用非贪婪匹配格式

re模块下的常用方法

import re

ret = re.findall('a', 'eva egon yuan')

print(ret) # ['a', 'a']

ret = re.findall('d+', 'dsaglhlkdfh1892494kashdgkjh127839')

print(ret) # ['1892494', '127839']

# findall接收两个参数 ： 正则表达式 要匹配的字符串

# 一个列表数据类型的返回值：所有和这条正则匹配的结果

ret = re.search('a', 'eavegonyaun').group()

print(ret) # a

# 函数会在字符串内查找模式匹配,直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，未调用group时

# 则返回None。

# search和findall的区别：

# 1.search找到一个就返回，findall是找所有

# 2.findall是直接返回一个结果的列表，search返回一个对象

ret = re.match('foo', 'fooid')

if ret:

print(ret.group())

'foo'

# 意味着在正则表达式中添加了一个^

# 同search,不过只从字符串的开始部分对模式进行匹配，

ret = re.sub('d', 'H', 'eva3egon4yuan4', 2)

print(ret) # evaHegonHyuan4

# 将前两个数字换成H

ret = re.subn('d', 'H', 'eva3egon4yuan4')

print(ret) # ('evaHegonHyuanH', 3)

# #将数字替换成'H'，返回元组(替换的结果,替换了多少次)

ret = re.split("d+", "eva3egon4yuan")

print(ret) # ['eva', 'egon', 'yuan']

ret = re.split("(d+)", "eva162784673egon44yuan")

print(ret) # ['eva', '162784673', 'egon', '44', 'yuan']

# split分割一个字符串，默认被匹配到的分隔符不会出现在结果列表中，

# 如果将匹配的正则放到组内，就会将分隔符放到结果列表里

# 在多次执行同一条正则规则的时：

obj = re.compile('d{3}')

ret1 = obj.search('abc123eeee')

ret2 = obj.findall('abc123eeee')

print(ret1.group()) # 123

print(ret2) # ['123']

# 如果匹配文件中的手机号，可以进行这样的一次编译，节省时间

# finditer适用于结果比较多的情况下，能够有效的节省内存

ret = re.finditer('d', 'ds3sy4784a')

print(ret) #

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

compile格式：

re.compile(pattern,flags=0)

pattern: 编译时用的表达式字符串。

flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的flags有：

标志

含义

re.S(DOTALL)

使.匹配包括换行在内的所有字符

re.I(IGNORECASE)

使匹配对大小写不敏感

re.L(LOCALE)

做本地化识别(locale-aware)匹配，法语等

re.M(MULTILINE)

多行匹配，影响^和$

re.X(VERBOSE)

该标志通过给予更灵活的格式以便将正则表达式写得更易于理解

re.U

根据Unicode字符集解析字符，这个标志影响w,W,b,B

分组：

如果对一组正则表达式整体有一个量词约束，就将这一组表达是分成一个组

要想取消分组优先效果，在组内开始的时候加上?: 这个很关键的

# 当分组遇到re模块

import re

ret1 = re.findall('www.(baidu|oldboy).com', 'www.baidu.com')

ret2 = re.findall('www.(?:baidu|oldboy).com', 'www.baidu.com')

print(ret1)

print(ret2)

# findall会优先显示组内匹配到的内容返回

# 如果想取消分组优先效果，在组内开始的时候加上?:

# 分组的意义

# 1.对一组正则规则进行量词约束

# 2.从一整条正则规则匹配的结果中优先显示组内的内容

# "

hello

"

ret = re.findall('(w+)w+>', "

hello

")

print(ret) # ['hello']

# 分组命名 ?p固定语法，p大写

ret = re.search("w+)>(?Pw+)(?P=tag)>", "

hello

")

print(ret.group()) #

hello

，search中没有分组优先的概念

print(ret.group('tag')) # h1

print(ret.group('content')) # hello

# 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

ret = re.search(r"(w+)1>", "

hello

")

print(ret.group()) #

hello

print(ret.group(0)) #

hello

print(ret.group(1)) # h1

print(ret.group(2)) # hello

分组进阶：

s = '2017-07-10 20:00'p= re.compile(r'(((d{4})-d{2})-d{2}) (d{2}):(d{2})')

re.findall(p,s)#输出：#[('2017-07-10','2017-07','2017','20','00')]

se=re.search(p,s)printse.group()printse.group(0)print se.group(1)print se.group(2)print se.group(3)print se.group(4)print se.group(5)#输出：

''''2017-07-10 20:00'

'2017-07-10 20:00'

'2017-07-10'

'2017-07'

'2017'

'20'

'00''''

关于split的优先级查询问题：

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

import re

ret = re.split('d+','ds22glhfh124dgkjh1')

print(ret) # ['ds', 'glhfh', 'dgkjh', '']

# 这里最后一位有空格是由于它左边有东西而右边没有了，所以用空格替代了

ret = re.split('(d+)','ds22glhfh124dgkjh1')

print(ret) # ['ds', '22', 'glhfh', '124', 'dgkjh', '1', '']

ret = re.split('(?:d+)','ds22glhfh124dgkjh1')

print(ret) # ['ds', 'glhfh', 'dgkjh', '']

应用：

# 获取当中的字母

s ='abc @ 124，efg opAs4'

import re

a = ''.join(re.findall('[a-zA-Z]',s))

print(a)

b = re.sub('[^a-zA-Z]','', s)

print(b)

c = ''.join(re.split('[^a-zA-Z]',s))

print(c)

关于整数匹配问题，如匹配1-2*(60+(-40.35/5)-(-4*3))中的整数

import re

ret = re.findall(r'-?d+.d*|(-?d+)',a)

ret.remove('')

print(ret)

利用正则制作计算器：点击这里>>

利用正则爬去豆瓣网页

#!/usr/bin/env python # -*- coding:utf-8 -*-#author: Learning time:2018/9/28

importtimeimportrefrom urllib.request importurlopendefgetPage(url):

response= urlopen(url) #通过response=requests.get(url)获取也OK

return response.read().decode('utf-8') #直接返回response.text

defparsePage(s):

com=re.compile('