代码没有导入

正则表达式(RegularExpression， re)

• 是一个计算机科学的概念
• 用于使用单个字符串来描述，匹配一系列匹配某个句法规则的字符串
• 常用来检索，替换某些模式的文本

• 正则表达的写法

• .(点号): 匹配任意一个字符，出了 \n
• []:匹配中括号中列举的字符，例如[LY]
• \d: 表示任意一个数字， 0-9
• \D: 表示非数字，即不是数字就可以
• \s:匹配空白，即空格，tab键
• \S:除了空白意外的字符
• \w:单词字符，即a-z, A-Z, 0-9, _
• \W:非单词字符
• *: 表示前面内容重复零次或者多次
• +：前面内容重复至少一次
• ？：前面出现的内容零次或者一次
• {m,n}:允许前面内容出现最少m次，最多n次
• ^:匹配字符串的开始
• $:匹配字符串的结尾
• \b:匹配单词的边界

• ():对正则表达式内容进行分组， 从第一个括号开始，编号逐渐增大

    验证一个数字： ^\d$
    必须有一个数字，最少一位：^\d+$
    只能出现数字，且位数为5-10位： ^\d{5,10}$
    注册者输入年龄，要求16岁以上，99岁以下： ^[16-99]$
    只能输入英文字符和数字： ^[A-Za-z0-9]$
    验证qq号码： [0-9]{5,12}
  

• \A: 只匹配字符串开头， \Aabcd, 则abcd
• \Z: 仅匹配字符串末尾， abcd\Z, abcd

• : 左右任意一个

• (?P...): 分组，除了原来的编号再制定一个别名， (?P12345){2}， 1234512345
• (?P=name): 引用分组，

re 模块

• re.match(re_exp):从开始查看是否能跟定义的正则相匹配
• result.group:如果匹配数据成功，可以使用group来提取数据
• 案例01

re中原生字符串问题

• 字符串中会包含转义字符
• 在re中，转义字符会带来一些麻烦，能不能尽量减少转义字符的出现
• 在字符串前使用r字符，表示后面字符串是原始字符串，不需要转移，例如 r’c:\wk\readme.txt’
• 案例01-fun_4

  正则的分组表示

• ：匹配左右任意一个表达式

• (ab):将括号中字符作为一个分组
• \num:引用分组num匹配到的字符串
• (?P):分组起一个别名， 其中P是大写
• (?P=num):引用别名为name分组匹配到的字符串
• 案例01中 fun_5函数

re 模块的一般使用步骤如下：

1. 使用 compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象
2. 通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果，一个 Match 对象。
3. 最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作

re常用函数

• group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可 直接使用 group() 或 group(0)；
• start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索 引），参数默认值为 0；
• end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引 +1），参数默认值为 0；
• span([group]) 方法返回 (start(group), end(group))。

正则的其他用法

• 案例01， fun_6
• search：查找其中一个内容
• findall：查找所有内容
• sub:查找替换, 返回替换之后的内容，原来倍替换的内容不变

匹配代码

    import re

    p = re.compile(r'\d+') 

    m = p.match("one12twothree34four")

    print(m)

    import re
     

    m = p.match("one12twothree34four", 3, 10)

    print(m)

    print(m[0])

    m.start(0) # 参数是组号
    m.end(0)

    #第二个例子
    import re

    p = re.compile(r'([a-z]+) ([a-z]+)',re.I) # re.I表示忽略大小写, 两个中间有空格

    m = p.match('I really love wangxiaojing ')

    print(m)

    print(m.group(0))

    m.start(0)

    m.span(0)

    m.group(1)

    m.group(2)

    m.group(0) # 整个匹配子串

    m.groups() # 全部的打印出来

查找代码

• search(str[, pos[, endpos]])
• findall

• finditer

   import re
   p = re.compile(r'\d+')
  
   m = p.search('one12twothree34four')
  
   m.group()
  
   p = re.compile('\d+')
  
   m = p.search('hello 123456 7890')
  
   print(m.group())
     
     
   #findall
   rst = p.findall("hello 12345 67890")
   print(rst)
  

sub替换

• sub(rep1, str[,count])

    import re
       
    p = re.compile(r'(\w+) (\w+)') #\w是字符
    s = "hello 123 and hello 456"
  
    rst = p.sub(r'hello world', s)
    print(rst)
  
    rst = p.sub(r'\2 \1', s)
    print(rst)
  
    def func(m):
        return 'gaga' + m.group(2)
  
    rst = p.sub(func, s)
    print(rst)
  
    rst = p.sub(func, s,1)
    print(rst)
  

匹配中文

• 中文主要表示范围是 [u4e00-u9fa5], 不包括拳脚标点

    import re
  
    title = u'你好 世界， hello moto'
  
    p = re.compile(ur"[\u4e00-\u9fa5]+") # ur有可能冲突
  
    rst = p.findall(title)
  
    print(rst)
  

贪婪和非贪婪

• 尽可能多的匹配，(*)
• 非贪婪, (?)

• 默认贪婪

    import re
  
    title = u'<div>name</div><div>age</div>'
  
  
    p1 = re.compile(r"<div>.*</div>")  
    p2 = re.compile(r"<div>.*?</div>")  
  
    m1 = p1.search(title)
    print(m1.group())
  
    m2 = p2.search(title)
    print(m2.group())