python基础-RE正则表达式
re 正则表示式
正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。
一、正则表达式的作用
1、给字符串进行模糊匹配，
2、对象就是字符串
二、字符匹配(普通字符，元字符)
1.普通字符：数字字符和英文字母和自身匹配
2.元字符：. ^ $ * + ? {} [] () | \
re.方法("规则","匹配的字符串")
. 匹配任意一个字符，除了\n换行符
三、匹配规则
四、使用前需先导入re模块
import re
五、演示示例
findall 用法
ps1:
1 #找出字符串中的数字
2 re.findall('\d+',"alex22jack33rain32sdfsd4") #执行这段代码
执行结果：
1 ['22', '33', '32', '4']
ps2:
|
1
2
|
findall 找到匹配，返回所有匹配部分的列表(
re.findall(
"a..x"
,
"adsxaeyxsk19"
)
#找到所有以a开头，以x结尾的字符
|
执行结果：
1 ['adsx', 'aeyx']
ps3:
1 re.findall("I","I am LIST") #匹配所有I的字符
执行结果：
1 ['I', 'I']
. 的作用：匹配任意的意思（一个点代表一个字符，有多个字符，就用多个点代替）
1 re.findall("a..x","adsfaeyxsk19") #匹配以a开头，以x结尾的字符
执行结果：
1 ['aeyx']
^ 只能在字符串的开头去匹配
ps1:
1 re.findall("^a..x","adsxaeyxsk19") #^ 只能在字符串的开头去匹配
执行结果：
1 ['adsx']
ps2:
1 re.findall("^I","I am LIST") #匹配开头是I的字符
执行结果：
1 ['I']
以d开头，*匹配所有是d的
1 re.findall("^d*","dddddddd1ksdfgjdddddd")
执行结果：
1 ['dddddddd']
$ 匹配以什么结尾的字符
1 re.findall("a..x$","adsxaeyxsk19arrx") #这里表示匹配以x结尾的字符
执行结果：
1 ['arrx']
* + ？ {} 匹配重复的符号（贪婪匹配）
ps1:
1 re.findall("d*","adsxaeddddddddddddyxsk19arrx") #* 紧挨着的字符，可以匹配无穷次
执行结果：
1 ['', 'd', '', '', '', '', 'dddddddddddd', '', '', '', '', '', '', '', '', '', '', '']
ps2:
1 re.findall("alex*","asdhfalexxx") #*匹配以alex中，x结尾的所有x ，因为*代表可以重复的符号
执行结果：
1 ['alexxx']
ps3:
1 re.findall("alex+","asdhfalexxx") #+匹配以alex中，x结尾的所有x，因为+代表可以重复的符号
执行结果：
1 ['alexxx']
ps4:
1 re.findall("alex*","asdhfale") # *可以代表什么都没有
执行结果：
1 ['ale']
ps5:
1 re.findall("alex?","asdhfalexxx") #？代表0次或1次
执行结果：
1 ['alex']
ps6:
1 re.findall("alex?","asdhfale") #？代表0次或1次
执行结果：
1 ['ale']
{} 想取多少次，就取多少次
{0，} ==*
1 re.findall("alex{1,}","asdhfalexx")
执行结果：
1 ['alexx']
{1，}==+
1 re.findall("alex{0,}","asdhfalexx")
执行结果：
1 ['alexx']
{0,1}==？
1 re.findall("alex{0,1}","asdhfalexx")
执行结果：
1 ['alex']
{6} 重复6次
1 re.findall("alex{6}","asdhfalexxxxxx")
执行结果：
1 ['alexxxxxx']
{0,6} 重复1,2,3,4,5,6
1 re.findall("alex{0,6}","asdhfalexx")
执行结果：
1 ['alexx']
[ ] 字符集 等于或的作用
ps1:
1 re.findall("x[yz]","xyuuuu")
执行结果：
1 ['xy']
ps2:
1 re.findall("x[yz]","xyuuxzuu") #或的作用
执行结果：
1 ['xy', 'xz']
ps3:
1 re.findall("x[yz]p","xypuuxzpuu") #或的作用
执行结果：
1 ['xyp', 'xzp']
ps4:
1 re.findall("q[a-z]*","quo") #匹配以a-z结束的字符
执行结果：
1 ['quo']
ps5:
1 re.findall("q[a-z]*","quogjgkjjhk") #匹配以a-z所有的字符
执行结果：
1 ['quogjgkjjhk']
ps6:
1 re.findall("q[a-z]*","quogjgkjjhk9") #匹配以a-z所有的字符
执行结果：
1 ['quogjgkjjhk']
ps7:
1 re.findall("q[0-9]*","quogjgkjjhk9") #匹配以q开头挨着的0-9的字符，所以只有q
执行结果：
1 ['q']
ps8:
1 re.findall("q[0-9]*","q899uogjgkjjhk9") #匹配以q开头挨着的0-9的字符，所以只有q899
执行结果：
1 ['q899']
[^] 就是不是他的都匹配上
1 re.findall("q[^a-z]","q213") #只能匹配a-z之外的字符集
执行结果：
1 ['q2']
元字符\ 就是让有意义的变成没有意义，让无意义的变成有意义
ps1:
1 re.findall("\d","12+(34*6+2-5*(2-1))") #匹配任何十进制的数
执行结果：
1 ['1', '2', '3', '4', '6', '2', '5', '2', '1']
ps2:
1 re.findall("\d+","12+(34*6+2-5*(2-1))") #匹配任何十进制的数
执行结果：
1 ['12', '34', '6', '2', '5', '2', '1']
ps3:
1 re.findall("[0-9]+","12+(34*6+2-5*(2-1))") #匹配所有0-9的字符
执行结果：
1 ['12', '34', '6', '2', '5', '2', '1']
ps4:
1 re.findall("[\D]+","12+(34*6+2-5*(2-1))") #匹配所有非数字
执行结果：
1 ['+(', '*', '+', '-', '*(', '-', '))']
字符匹配
ps1:
1 re.findall("\D+","hello world") #\D匹配非数字字符
执行结果：
1 ['hello world']
ps2:
1 re.findall("\S+","hello world") #\S 匹配非空的字符
执行结果：
1 ['hello', 'world']
ps3:
1 re.findall("\w","hello world_") #\w 匹配任何字母数字字符
执行结果：
1 'h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', '_']
ps4:
1 re.findall("www.baidu","www/baidu") #匹配任意字符
执行结果：
1 ['www/baidu']
ps5:
1 re.findall("www.baidu","wwwobaidu") #匹配任意字符
执行结果：
1 ['wwwobaidu']
ps6:
1 re.findall("www.baidu","www\nbaidu") ##匹配任意字符，但只有\n除外
执行结果：
1 []
ps7:
1 re.findall("www\.baidu","www.baidu") #\去除元字特殊功能
执行结果：
1 ['www.baidu']
ps8:
1 re.findall("www\*baidu","www*baidu") #\有特殊功能，可以转义
执行结果：
1 ['www*baidu']
匹配中间带有空格的字符
ps1:
1 re.findall(r"I\b","I am LIST") re的r =\\ ,就相当转义两次
执行结果：
1 ['I']
ps2:
1 re.findall("I\\b","I am LIST") #\\转义字符
执行结果：
1 ['I']
ps3:
python解释器\\ 两个，re转义\\ 两个,所以是\\\\ 四个
1 re.findall("c\\\\l","abc\lerwt") #同时匹配c和l
执行结果：
1 ['c\\l']
ps4:
1 re.findall(r"c\\l","abc\lerwt") #同时匹配c和l
执行结果：
1 ['c\\l']
| 就是或的意思
ps1:
|
1
|
re.findall(r
"ka|b"
,
"sdjkasf"
)
#匹配ka或b
|
执行结果：
1 ['ka']
ps2:
1 re.findall(r"ka|b","sdjkbsf") 匹配ka或b
执行结果：
1 ['b']
ps3:
1 re.findall(r"ka|b","sdjka|bsf") #匹配ka或b
执行结果：
1 ['ka', 'b']
元字符分组 ()
ps1:
1 re.findall("(abc)+","abcabc" )
执行结果：
1 ['abc']
ps2:
1 re.findall("(abc)+","abccccc" )
执行结果：
1 ['abc']
search 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
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。
ps1:
|
1
|
re.search(
"(?P<name>\w+)"
,
"abcccc"
)
|
执行结果：
1 <_sre.SRE_Match object; span=(0, 6), match='abcccc'> #匹配成功了，返回的就是对象
ps2:
1 re.search("\d+","sdfas34sdfg15")
执行结果：
1 <_sre.SRE_Match object; span=(5, 7), match='34'>
ps3:
1 re.search("\d+","sdfas34sdfg15").group() #\d+ 是匹配数字
执行结果：
1 '34'
ps4:
1 re.search("(?P<name>[a-z]+)","alex36wusir34xialv33") #<>的作用就是把内容进行分组
执行结果：
1 <_sre.SRE_Match object; span=(0, 4), match='alex'>
ps5:
1 re.search("(?P<name>[a-z]+)","alex36wusir34xialv33").group() #group()匹配的内容取出来
执行结果：
1 'alex'
ps6:
1 re.search("[a-z]*","alex36wusir34xialv33").group() #匹配包含a-z的内容
执行结果：
1 'alex'
ps7:
1 re.search("[a-z]+","alex36wusir34xialv33").group() #匹配包含a-z的内容，+号的作用就是重复
执行结果：
1 'alex'
ps8:
1 re.search("(?P<name>[a-z]+)\d+","alex36wusir34xialv33").group("name") #通过分组，可以给group传叁数，找出你想要的信息
执行结果：
1 'alex'
ps9:
1 re.search("(?P<name>[a-z]+)(?P<age>\d+)","alex36wusir34xialv33").group("age") #通过分组找出你想要的信息
执行结果：
1 '36'
ps10:
1 匹配网站URL的路径
2 http://www.cnblogs.com/yuanchenqi/articles/5732581.html
3
4 re.search("(?P<name>[a-z]+)\(?P<age>\d+)","alex36wusir34xialv33").group("age") #()\() 配置URL地址 ，不要运行这条，会报错！
re模块下的常用方法
findall
1 re.findall('a','alvin yuan') #返回所有满足匹配条件的结果,放在列表里
执行结果：
1 ['a', 'a']
search
1 re.search('a','alvin yuan').group() #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
2 #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。
执行结果：
1 'a'
match
ps1:
1 re.match('a','abc').group() #同search,不过尽在字符串开始处进行匹配
执行结果：
1 'a'
ps2:
1 re.match("\d+","56alex36wusir34xialv33")
执行结果：
1 <_sre.SRE_Match object; span=(0, 2), match='56'>
ps3:
1 re.match("\d+","56alex36wusir34xialv33").group()
执行结果：
1 '56'
re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
split 分割
ps1:
1 ret=re.split('[ab]','abcd') #先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
2 print(ret)
执行结果：
1 ['', '', 'cd']
ps2:
1 re.split(" ","hello abc def") #匹配中间带有空格的
执行结果：
1 ['hello', 'abc', 'def']
ps3:
1 re.split("[ l]","hello abcldef")
执行结果：
1 ['he', '', 'o', 'abc', 'def']
ps4:
1 re.split("[ |]","hello abc|def")
执行结果：
1 ['hello', 'abc', 'def']
ps5:
1 re.split("[ab]","asdabcd")
执行结果：
1 ['', 'sd', '', 'cd']
ps6:
1 re.split("[ab]","abc") #以自己为分界点，进行分隔，有的就以‘’ 填充
执行结果：
1 ['', '', 'c']
sub 替换
ps1:
1 re.sub("\d+","A","jaskd4234ashdjf5423") #把所有数字替换为A（4234替换为A）
执行结果：
1 'jaskdAashdjfA'
ps2:
1 re.sub("\d","A","jaskd4234ashdjf5423") #把所有数字替换为A（4234替换为AAAA）
执行结果：
1 'jaskdAAAAashdjfAAAA'
ps3:
1 ret=re.sub('\d','abc','alvin5yuan6',1) #把5替换成abc
执行结果：
1 alvinabcyuan6
ps4:
1 re.sub("\d","A","jaskd4234ashdjf5423",4) #指定替换次数 4，只替换前面4个数字
执行结果：
1 'jaskdAAAAashdjf5423'
subn 第一个匹配元组，第二个匹配次数
ps1:
1 ret=re.subn('\d','abc','alvin5yuan6') #第一个匹配元组，第二个匹配次数
2 print(ret)
执行结果：
1 ('alvinabcyuanabc', 2)
ps2:
1 re.subn("\d","A","jaskd4234ashdjf5423") #第一个匹配元组，第二个匹配次数，8次
执行结果：
1 ('jaskdAAAAashdjfAAAA', 8)
compile 编译
ps1:
1 com=re.compile("\d+") #编译好了一次，下次再用，直接就调用他，不用再编译，提高匹配速度
2 com.findall("fjlksad234hfjksd3421") #可以匹配多次
执行结果：
1 ['234', '3421']
ps2:
1 obj=re.compile('\d{3}')
2 ret=obj.search('abc123eeee')
3 print(ret.group())
执行结果：
1 123
finditer(迭代器）当数据非常多的时候，他会把数据存在迭代器中，不会放在内存中，用一条处理一条。
ps1:
1 re.finditer("\d","sdfgs6345dkflfdg534jd")
执行结果：
1 <callable_iterator object at 0x01093710> #返回的是迭代器对象
ps2:
1 ret=re.finditer("\d","sdfgs6345dkflfdg534jd")
2 next(ret).group() #拿到结果
3 '6'
4 next(ret).group()
5 '3'
6 next(ret).group()
7 '4'
8 next(ret).group()
9 '5'
10 next(ret).group()
11 '5'
12 next(ret).group()
13 '3'
14 next(ret).group()
15 '4'
补充内容：
ps1:
1 ret=re.findall('www.(baidu|oldboy).com','www.oldboy.com')
2 print(ret)
执行结果：
1 ['oldboy'] #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ps2:
1 re.findall("www\.(baidu|163)\.com","www.baidu.com")
执行结果：
1 ['baidu'] #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ps3:
1 re.findall("www\.(baidu|163)\.com","dfdsssfwww.baidu.comdsfsfs")
执行结果：
1 ['baidu'] #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ps4:
1 re.findall("www\.(baidu|163)\.com","dfdsssfwww.163.comdsfsfs")
执行结果：
1 ['163'] #这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ps5:
1 ret=re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
2 print(ret)
执行结果：
1 ['www.oldboy.com']
ps6:
1 re.findall("www\.(?:baidu|163)\.com","dfdsssfwww.163.comdsfsfs") #如果要匹配置全部网址，取消他的优化级,在前面加？:
执行结果：
1 ['www.163.com']
生产环境常见正则示例：
1、匹配手机号
1 phone_num = '13001000000'
2 a = re.compile(r"^1[\d+]{10}")
3 b = a.match(phone_num)
4 print(b.group())
2、匹配IPv4
1 # 匹配IP地址
2 ip = '192.168.1.1'
3 a = re.compile(r"(((1?[0-9]?[0-9])|(2[0-4][0-9])|(25[0-5]))\.){3}((1?[0-9]?[0-9])|(2[0-4][0-9])|(25[0-5]))$")
4 b = a.search(ip)
5 print(b)
3、匹配E-mail
1 email = '630571017@qq.com'
2 a = re.compile(r"(.*){0,26}@(\w+){0,20}.(\w+){0,8}")
3 b = a.search(email)
4 print(b.group())