python--正则表达式

中英文混排输出—>

中文输出对齐问题：
chr(12288)–用中文空格填充。

1.正则表达式的概念：

• regular expression RE
  简洁表达一组字符串的表达式，同时查找或替换一组字符串。
  匹配一组或多组。主要应用在字符串匹配中。

• re库是py标准库，用于字符串匹配：

  • 正则表达式的表示类型：
    原生字符串 raw string：
    r'text' 不包含转义字符的字符串
    string类型：
    需要增加转义符号，更加的繁琐了。

2.正则表达式的常用操作符：

.		‘表示任何单个字符’
[] 		‘字符集， 对单个字符给出取值范围。‘[]’中的字符是或的关系’
[^] 	‘非字符集，对单个字符给出排除范围。 ’
* 		‘前一个字符 0次或无限次扩展’
+ 		‘前一个字符 1次或无限次扩展’
？ 		‘前一个字符0次或1次扩展’
| 		‘左右表达式任意1个’
{}		‘{m} 扩展前一个字符m次’
{m, n}	‘扩展前一个字符m至n次（含n）’
^ 		‘匹配字符串开头, 如^abc,表示匹配的字符串的开头一定是 abc’
$ 		‘匹配字符串结尾,abc$, 结束匹配。’
() 		‘分组标记，内部只能用|操作符,就是将括号内的内容看为一个整体。’
\d 		‘数字，等价于[0-9]’
\w		‘单词字符，等价于 [A-Za-z0-9_]’

3.经典正则表达式：

^[A-Za-z]+$ 		: 表示26个字母组成的字符串
^[A-Za-z0-9]+$		: 表示26个字母和数字组成的字符串 
^-?\d+$ 			: 表示整数形式的字符串
^[0-9]*[1-9][0-9]*$	: 正整数形式的字符串
[1-9]\d{5}			: 中国境内邮政编码
[\u4e00-\u9fa5] 	: 匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7}
				    :国内电话号码
(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])
					: IP地址的正则表达式

4.re库最常用的功能函数:

常用函数：

 re.findall()   搜索字符串，以列表形式返回全部能匹配的子串	 （常用）
 re.sub()       替换匹配到的子串，返回替换后的字符串。		 （常用）
 re.spilt()     将一个字符串按照正则分割，返回列表类型		 （常用）

 re.search()    在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
 re.match()     从一个字符串的开始位置起匹配正则，返回match对象
 re.finditer()  搜索字符串，返回匹配结果的迭代形式。

详细使用：

"""re.search()"""
re.search(pattern, string, flags=0):
       :args:   pattern:正则表达式
          	   string: 要匹配字符串
          	   flags:正则表达式使用时的控制标记:
          	   """控制标记"""
               		re.I 忽略大小写
               		re.M 正则表达式中的^操作符能将给定字符串的每行当作匹配开始
               		re.S 正则中的.操作符能够匹配所有字符，默认匹配除换行符外的所有字符。
       :return: 返回match对象

"""re.match()"""               		
re.match(pattern, string, flags=0):

"""re.findall()"""
re.findall(pattern, string, flags=0):

"""re.split()"""
re.split(pattern, string, maxsplit=0, flags=0):
      args:	  maxsplit最大分割数(分割为多少个部分)，剩余部分作为最后一个元素输出.

"""re.finditer()"""
re.finditer(pattern, string, flags=0):
     :return:  返回一个匹配结果的迭代类型，每个迭代元素是match对象。

"""re.sub()"""
re.sub(pattern, repl, string, count=0, flags=0):
     :args:     repl:替换匹配字符串的字符串
          		count:匹配的最大替换次数

"""match对象的属性"""
match对象的属性：
          .string: 待匹配的文本
          .re  匹配时使用的patten对象(正则表达式)
          .pos 正则表达式搜索文本时的开始位置
          .endpos 结束位置
          .group(0) 获得匹配后的字符串
          .start()匹配字符串在原始字符串的开始位置
          .end()    结束位置
          .span()   返回(.start().end())

正则表达式的另一种等价用法：

 面向对象用法：编译后的多次操作：
      pat = re.compile(r'[1-9]\d{5}')
      rst = pat.search('BIT 100081')
      将正则表达式编译称为一个正则表达式的类型。之后可直接调用pat的各种方法。
      regex = re.compile(pattern, flags)

5.贪婪和非贪婪匹配

在一些正则表达式中经常会碰到.*?,.+?,.*等，这些都是贪婪与非贪婪的匹配模式。

.	匹配任意单个字符；
*	匹配前一个字符0次或无限次；
+ 	匹配前一个字符1次或无限次；
? 	匹配前一个字符0次或1次；

（1）贪婪匹配：

re 默认采用贪婪匹配，即输出匹配最长的子串

.* 表示返回最大匹配字符串；

比如：

str = 'base4,AAAAdjiwsj19301309AAAsjdf0fj2fjasdjf0aAAAA'
pattern = 'base4,(A.*AA)'	# .*表示任意字符的无限扩展，所以括号内表示，只要以A开头，AA结尾的字符串都满足规则，但是会返回最大匹配长度，即贪婪匹配。
re_str = re.search(pattern, str)

结果：base4,AAAAdjiwsj19301309AAAsjdf0fj2fjasdjf0aAAAA

（2）非贪婪匹配

当匹配的操作符有不同长度时，都可以添加一个问号，来进行最短匹配。

.*?和.+？表示非贪婪匹配

比如：

str = 'base4,AAAAdjiwsj19301309AAAsjdf0fj2fjasdjf0aAAAA'
pattern = 'base4,(A.*?AA)'	# .*表示任意字符的无限次扩展，所以括号内表示，只要以A开头，AA结尾的字符串都满足规则，因为加了一个?,会返回最小匹配长度0次扩展，即非贪婪匹配。
re_str = re.search(pattern, str)

结果：base4,AAA

.+?同理
结果：： base4,AAAA