标签：dal 元祖 unicode编码 分组 取出 括号匹配 一点 nic 中文
re.match() 从头找一个
re.search() 找一个
re.findall() 找所有
返回一个列表，没有就是空列表
re.findall(‘\d‘,‘chuan1zhi2‘) 结果为[‘1‘,‘2‘]
re.sub() 替换
re.sub(‘\d‘,‘_‘,‘chuan1zhi2‘) 结果为[‘chuan_zhi_‘]
re.compile(编译)
返回一个模型p,具有和re一样的方法，但是传递的参数不同
匹配模式需要传到compile中
如果不使用re.S参数，则只在每一行内进行匹配，如果一行没有，就换下一行重新开始，不会跨行。而使用re.S参数以后，正则表达式会将这个字符串作为一个整体，将‘\n‘当作一个普通的字符加入到这个字符串中，在整体中进行匹配。
p=re.compile(‘\d‘,re.S)
p.findall(‘chuan1zhi2‘)
匹配中文
在某些情况下，我们想匹配文本中的汉字，有一点需要注意的是，中文的unicode编码范围主要在[u4e99-u9fa5],这里说主要是因为这个范围并不完整，比如没有包括全角（中文）标点，不过，在大部分情况下，应该是够用的。
假设现在想把字符串 title=u‘你好,hello,世界‘ 中的中文提取出来，可以这么做：
import re
title=u‘你好，hello，世界‘
pattern=re.compile(‘[\u4e99-\u9fa5]+‘)
result=pattern.findall(title)
print(result)
findall:
import re
s=‘abcasdc‘
r=re.findall(‘ab.*?c‘,s)
r
结果为：abc
不加问号结果为
abcasdc
加了问好是非贪婪匹配
import re
s=‘abcasdc‘
r=re.findall(‘ab(.*)c‘,s)
r
结果为casd
加了括号只匹配出括号内的内容
如果有多个括号 结果是以元祖的形式，外面套个[]
用了findall,结果都是一个列表
re.sub() 替换
re.sub(‘\d‘,‘_‘,‘chuan1zhi2‘) 结果为[‘chuan_zhi_‘]
加了re.I就不区分大小写
re.findall(‘<a>(.*)</a>‘,content,re.S)
可以多行匹配
内容中间有换行也可以匹配
什么是正则表达式的贪婪与非贪婪匹配
如：String str="abcaxc";
Patter p="ab.*c";
贪婪匹配:正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配。如上面使用模式p匹配字符串str，结果就是匹配到：abcaxc(ab.*c)。
非贪婪匹配：就是匹配到结果就好，就少的匹配字符。如上面使用模式p匹配字符串str，结果就是匹配到：abc(ab.*c)。
2.编程中如何区分两种模式
默认是贪婪模式；在量词后面直接加上一个问号？就是非贪婪模式。
量词：{m,n}：m到n个
*：任意多个
+：一个到多个
？：0或一个
括号：
import re
string="abcdefg acbdgef abcdgfe cadbgfe"
#带括号与不带括号的区别
#不带括号
regex=re.compile("((\w+)\s+\w+)")
print(regex.findall(string))
#输出：[(‘abcdefg acbdgef‘, ‘abcdefg‘), (‘abcdgfe cadbgfe‘, ‘abcdgfe‘)]
regex1=re.compile("(\w+)\s+\w+")
print(regex1.findall(string))
#输出：[‘abcdefg‘, ‘abcdgfe‘]
regex2=re.compile("\w+\s+\w+")
print(regex2.findall(string))
#输出：[‘abcdefg acbdgef‘, ‘abcdgfe cadbgfe‘]
复制代码
第一个 regex 中是带有2个括号的，我们可以看到其输出是一个list 中包含2个 tuple
第二个 regex 中带有1个括号，其输出的内容就是括号匹配到的内容，而不是整个表达式所匹配到的结果。
第三个 regex 中不带有括号,其输出的内容就是整个表达式所匹配到的内容。
结论：findall()返回的是括号所匹配到的结果（如regex1），多个括号就会返回多个括号分别匹配到的结果（如regex），如果没有括号就返回就返回整条语句所匹配到的结果(如regex2)。所以在提取数据的时候就需要注意这个坑。
实际上是由其并不是python特有的，这是 正则 所特有的 ， 任何一门高级语言使用正则都满足这个特点：有括号时只能匹配到括号中的内容，没有括号【相当于在最外层增加了一个括号】。在正则里面 “（）” 代表的是分组的意思，一个括号代表一个分组，你只能匹配到"()"中的内容
标签：dal 元祖 unicode编码 分组 取出 括号匹配 一点 nic 中文
原文地址：https://www.cnblogs.com/sll-csdn/p/10926094.html
