python正则表达式

先了解正则表达式使用场景:

• 判断用户注册帐号是否满足格式
• 爬取页面中特定部分数据
• 判断用户提交的邮箱的格式是否正确 等等等等

操作符	说明	实例
.	表示任何单个字符
*	前一个字符0次或无限次扩展	ａｂｃ＊表示ａｂ、ａｂｃ、ａｂｃｃ等
+	前一个字符1次或无限次扩展	ａｂｃ＋表示ａｂｃ、ａｂｃｃ、ａｂｃｃｃ等
？	前一个字符1次或０次扩展	ａｂｃ？表示ａｂ或ａｂｃ
＄	匹配字符串结尾	ａｂｃ＄表示ａｂｃ在一个字符串的结尾
［　］	对单个字符给出取值范围	［ａｂｃ］表示ａ或ｂ或ｃ，［ａ－ｚ］表示ａ到ｚ的单个字符
.［＾　］	非字符集，对单个字符给出排除范围	［＾ａｂｃ］表示非ａ或ｂ或ｃ的单个字符
｛ｍ｝	扩展前一个字符ｍ次	ａｂ{２}ｃ表示ａｂｂｃ
｛ｍ，ｎ｝	扩展前一个字符ｍ至ｎ次	ａｂ{１，２}ｃ表示ａｂｃ、ａｂｂｃ
＾	匹配字符串开头	＾ａｂｃ表示ａｂｃ且在一个字符串的开头
（　）	分组标记，内部只能使用｜操作符	（ａｂｃ｜ｄｅｆ）表示ａｂｃ、ｄｅｆ
＼ｄ	数字	等价于［０－９］
＼ｗ	单词字符	等价于［ａ－ｚＡ－Ｚ０－９］

re库的基本介绍

re库是python的标准库，只需要在代码开头添加：import re即可使用

1. re.match()

re.match 尝试从字符串的起始位置匹配一个模式，匹配成功则返回的是一个匹配对象（这个对象包含了我们匹配的信息），如果不是起始位置匹配成功的话，返回的是空

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

s = 'python123python666python888'

result = re.match('python', s)
print(result)  		   # <re.Match object; span=(0, 6), match='python'>
print(result.span())   # (0, 6)
print(result.group())  # python


#是否区分大小写
res = re.match("ang","Angsan5lisi")
print(res)         # ==> None
res = re.match("ang","Angsan5lisi",re.I)
print(res)         # 输出结果:<_sre.SRE_Match object; span=(0, 3), match='Ang'>
print(res.group()) # ==> Ang

• 通过span()提取匹配到的字符下标
• 通过group()提取匹配到的内容
• s字符串中有3个’python’的存在，但match只能匹配到一个

s = '1python123python666python888'

result = re.match('python', s)
print(result)  #None

因为match从字符串的起始位置开始匹配,这里起始的第一个字符为1,所以匹配失败返回None.

那么要如何才能匹配到字符串中间我们想要的部分呢,这个时候就用到了search函数

2. 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，search也只能匹配到一个，找到符合规则的就返回，不会一直往后找

re.search(pattern, string, flags=0)

• pattern 匹配的正则表达式
• string 要匹配的字符串。
• flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

s = '1python123python666python888'

result = re.search('python', s)
print(result)  # <re.Match object; span=(1, 7), match='python'>
print(result.span())  # (1, 7)
print(result.group())  # python

找不到的话，返回none。

s = '1python123python666python888'

result = re.search('python98', s)
print(result)  # None

search方法虽然解决了match的从头匹配的弊端,但它也只能匹配到一个,这个时候我们就可以使用findall方法了

3. re.findall()

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

s = '1python123python666python888'

result = re.findall('python', s)
print(result)  # ['python', 'python', 'python']

pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
 
print(result1) # ['123', '456']
print(result2) # ['88', '12']

4. re.sub()

用于替换字符串中的匹配项。

re.sub(pattern, repl, string, count)

import re
text = "osc ring efuse info"
print re.sub(r'\s+', '_', text)
# 输出结果：
"osc_ring_efuse_info"