一、正则表达式
- 用途
用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。 ####
简单地说
就是用于字符串匹配的 - 字符组
在同一个位置可能出现的各种字符组成的一个字符组，在正则表达式中用[]表示 例子：
规则：[] 待匹配： 匹配结果：True 规则：[-] 待匹配： 匹配结果：True 规则：[a-z] 待匹配：c 匹配结果：True 规则：[A-Z] 待匹配：! 匹配结果：False 规则：[-9A-Z] 待匹配：C 匹配结果：True - 字符
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 - 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 - . ^ $
正则 待匹配字符 匹配结果 说明
海. 海燕海娇海东 海燕海娇海东 匹配所有"海."的字符
^海. 海燕海娇海东 海燕 只从开头匹配"海."
海.$ 海燕海娇海东 海东 只匹配结尾的"海.$" - * + ? {}
? 重复一次或多次
* 表示零次或多次
+ 表示一次或多次
{n,m} 表示n次到m次 以上都是贪婪匹配，如果要非贪婪匹配，在后面加？ - 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。
- 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 .*?x的用法
取前面任意长度的字符，直到一个x出现 其他点：
所有量词都要放在匹配规则的后面 ()分组
需要对多个字符组进行约束量词
如([123][abc])+ 使用|的时候，长的放前面，短的放后面 ?P<..> 给元组起名字
二、re模块
- findall
#返回所有匹配的结果，放在列表中 re.findall('[a-z]+', 'hsr is very cool) - search
#从前往后找，找到一个就返回
#返回的是一个对象，通过group()才能拿到结果
#如果没有找到对象是None，调用group会报错
ret = re.search('h','hsr is very cool') if ret:
print(ret.group()) - match
#其他和search相同，但是必须从头就匹配得上，否则返回None ret = re.match('h','hsr is cool') if ret:
print(ret.group()) - split
# 按给定的分隔符，对字符串进行分割 ret = re.split('[ab]', 'abcd') #结果：['','','cd']
#先按a分割，再按b分割 - sub
#将正则表达式匹配上的字符替换成给定的字符，替换n次 ret = re.sub('regex','replace','the string',n) - subn
#与sub类似，但是会全部替换，结果返回元组(替换的结果,替换了多少次) ret = re.subn('regex','replace','the string') - compile
#如果一条正则规则式要经常使用，可以将正则表达式编译成为一个 正则表达式对象 reg = re.compile('regex')
ret = reg.search('the string')
ret.group() - finditer
#返回一个存放结果的迭代器 ret = re.finditer('regex','the string')
for i in ret:
pass