正则表达式

标签：att   匹配   方法   字符串   字符集   无法   search   code   意义   

• 如何使用python操作正则
• 正则表达式
• 是什么? 通过以恶搞规则 从一段字符串中找到符合规则的内容/判断某段字符串是否符合规则
• 有什么用?
  • 注册页/网页上 要求你输入一个信息 判断你输入的信息是否格式正确
  • 爬取数据 从网页上把代码以字符串形式下载回到内存,提取这个大字符串中我们想要的内容
• 正则规则
  • #1.字符组 约束字符中某一个字符位置上的值是什么 只要出现在字符组中的内容都算匹配到了
  • #2. 普通字符串 从小到大的顺序是根据ascii码的顺序来的
  • #3.匹配数字 [0-9] 匹配字母[A-Za-z] 匹配数字和字母的组合[0-9a-zZ-Z]
• 元字符
  • .匹配除了换行符之外的所有字符
  • \d \s \w 数字 空白 数字字母下划线
  • \D \S \W非(数字 空白 数字字母下划线）
  • ^ $ 开始 结束
  • \n \t \b 换行 制表 单词两端
  • | 或者
  • () 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
  • * 重复零次或者更多次
  • + 重复一次或更多次
  • ? 重复零次或者一次
  • {} 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.$"
• * + ? { } 前面的*,+,?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| [^]
• 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\d和\s等，如果要在正则中匹配
  • 正常的"\d"而不是"数字"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"\d",字符串中要写成‘\\d‘，那么
  • 正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r‘\d‘这个概念，此时的
  • 正则是r‘\\d‘就可以了。
  • 正则 待匹配字符 匹配结果 说明
  • \d \d  False 因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配
  • \\d \d  True 转义\之后变成\\，即可匹配
  • "\\\\d" ‘\\d‘  True 如果在python中，字符串中的‘\‘也需要转义，所以每一个字符串‘\‘又需要转义一次
  • r‘\\d‘ r‘\d‘  True 在字符串之前加r，让整个字符串不转义
• 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
  • 正则 待匹配字符 匹配结果 说明
  • <.*> <script>...<script> <script>...<script> 默认为贪婪匹配模式，会匹配尽量长的字符串
  • <.*?> r‘\d‘  <script><script> 加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
• 几个常用的非贪婪匹配Pattern
  • *? 重复任意次,但尽可能少重复
  • +?重复1次或更多次,但尽可能少重复
  • ??重复0次或者1次,但尽可能少重复
  • (n,m)?重复n到m次，但尽可能少重复
  • (n,)? 重复n次以上,但尽可能少重复
  • .*?的用法:
    • . 是任意字符
    • * 是取 0 至 无限长度
    • ? 是非贪婪模式。
    • 何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
    • .*?x
    • 就是取前面任意长度的字符，直到一个x出现
• import re
  • 正则表达式 本身具有处理字符串的能力
  • 如果 要处理的字符串 存在python的内存中
  • 模块 -> 操作正则表达式

•  1 ret = re.findall(‘a‘, ‘eva egon yuan‘)  # 返回所有满足匹配条件的结果,放在列表里
   2 print(ret) #结果 : [‘a‘, ‘a‘]
   3 
   4 ret = re.search(‘a‘, ‘eva egon yuan‘).group()
   5 print(ret) #结果 : ‘a‘
   6 # 函数会在字符串内查找模式匹配,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
   7 # 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。
   8 
   9 ret = re.match(‘a‘, ‘abc‘).group()  # 同search,不过尽在字符串开始处进行匹配
  10 print(ret)
  11 #结果 : ‘a‘
  12 
  13 ret = re.split(‘[ab]‘, ‘abcd‘)  # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割
  14 print(ret)  # [‘‘, ‘‘, ‘cd‘]
  15 
  16 ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#将数字替换成‘H‘，参数1表示只替换1个
  17 print(ret) #evaHegon4yuan4
  18 
  19 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)
  20 print(ret)
  21 
  22 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
  23 ret = obj.search(‘abc123eeee‘) #正则表达式对象调用search，参数为待匹配的字符串
  24 print(ret.group())  #结果 ： 123
  25 
  26 import re
  27 ret = re.finditer(‘\d‘, ‘ds3sy4784a‘)   #finditer返回一个存放匹配结果的迭代器
  28 print(ret)  # <callable_iterator object at 0x10195f940>
  29 print(next(ret).group())  #查看第一个结果
  30 print(next(ret).group())  #查看第二个结果
  31 print([i.group() for i in ret])  #查看剩余的左右结果
  
  

  　　

正则表达式

标签：att   匹配   方法   字符串   字符集   无法   search   code   意义   

原文地址：https://www.cnblogs.com/wr13640959765/p/9301860.html