语法

常用匹配规则

通过py中的re模块来学习并使用正式表达式

import re

匹配字符

匹配字符数量

分组匹配

re库

re.complie

re.compile()是用来优化正则的，它将正则表达式转化为对象。re.search(pattern, string)的调用方式就转换为 pattern.search(string)的调用方式，多次调用一个正则表达式就重复利用这个正则对象，可以实现更有效率的匹配

语法格式

re.compile(pattern, flags=0)

• pttern 匹配模式。即要表达的正则表达式

从compile()函数的定义中，可以看出返回的是一个匹配对象，它单独使用就没有任何意义，需要和findall(), search(), match(）搭配使用。

实践操作

常规的re.findall的写法是这样写的，但是我们可以结合compile()函数来使用

import re
obj=re.findall(r'1\d{10}','我的手机号码是：152352100000')
print(obj)

输出的结果为：[‘15235210000’]

与compile()函数结合：

import re
patter=re.compile(r'1\d{10}')
obj=patter.findall('我的手机号码是：1523521000077')
print(obj)

输出的结果为：[‘15235210000’]

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

语法格式

re.findall(pattern, string, flags=0)
或
pattern.findall(string[, pos[, endpos]])

• pattern 匹配模式。
• string 待匹配的字符串。
• pos 可选参数，指定字符串的起始位置，默认为 0。
• endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

  实践操作

  import re #导入re模块
  lst=re.findall(r'\d+','我的电话是：10086，她的电话是：10011')#检索字符串中所有的数字
  print(lst)

  输出结果为：[‘10086’, ‘10011’]

  import re
  lst1=re.findall(r'\d+','ysegsde2345dgtesget09098')
  print(lst1)

  输出结果为：[‘2345’, ‘09098’]

re.finditer

语法格式

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

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

• pattern 匹配模式。

• string 待匹配的字符串。

  实践操作

  import re
  item=re.finditer(r'\d+','我的电话是：10086，她的电话是：10011')
  for i in item:
    print(i.group())  #要通过group来取数据

  输出结果为：
  10086
  10011

  re.sub

  检查和替换

  语法格式

  re.sub(pattern, repl, string, count=0, flags=0)

• pattern : 正则中的模式字符串。

• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

• flags : 编译时用的匹配模式，数字形式。

  1).re.I(re.IGNORECASE): 忽略大小写
  2).re.M(MULTILINE): 多行模式，改变'^'和'$'的行为
  3).re.S(DOTALL): 点任意匹配模式，改变'.'的行为
  4).re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
  5).re.U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
  6).re.X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释

  前三个为必选参数，后两个为可选参数。

  实践操作

  #re.sub 实现目标的搜索和查找  2021-12-13
  data='Pyhton是很受欢迎的编程语言'
  res=re.sub(r'[a-zA-Z]+','C#',data)  #字符集的范围+号代表字符模式出现1次以上
  print(res)

  输出结果为：C#是很受欢迎的编程语言

  # 将里面的分数都替换成100分
  msg='语文=99,数学=78,英语=90'
  m=re.sub(r'\d+','100',msg)
  print(m)

  输出结果为：语文=100,数学=100,英语=100

  import re
  data='save your time'
  res=re.sub('s','S',data)  #讲小s替换成大写的S
  print(res)

  输出结果为：Save your time

  re.macth

  尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none
  匹配成功re.match方法返回一个匹配的对象，否则返回None。可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式

  语法格式

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

• pattern 匹配模式。

• string 待匹配的字符串。

  实践操作

  在起始位置匹配

  import re
  s=re.match(r'\d+','12353442wwww上的人人dddd234g') #从头开始，是否符合是数字要求，如果是，返回数字，如果不是，返回none
  print(s)

  输出结果为：

  <_sre.SRE_Match object; span=(0, 8), match='12353442'> #表示有匹配对象

  如果要正常的输出，加上一个.group()

  import re
  s=re.match(r'\d+','12353442wwww上的人人dddd234g') #从头开始，是否符合是数字要求，如果是，返回数字，如果不是，返回none
  print(s.group())

  输出结果为：12353442

在起始位置不匹配

import re
s=re.match(r'\d+','wwww上的人人dddd234g') #从头开始，是否符合是数字要求，如果是，返回数字，如果不是，返回none
print(s)

输出结果为：None

re.search

扫描整个字符串并返回第一个成功的匹配。从任何一个地方开始匹配，只匹配一次。
注意：是一次匹配，如果后面还有匹配的也不会查找了。使用group()来获取数据

语法格式

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

• pattern 匹配模式。
• string 待匹配的字符串。

  实践操作

  import re
  r=re.search('abc','helabcloabc')
  print(r)

  输出结果为：

  <_sre.SRE_Match object; span=(3, 6), match='abc'> #表示有匹配对象

  如果要正常的输出，加上一个.group()

  import re
  r=re.search('abc','helabcloabc')
  print(r.group())

  输出结果为：abc

  #2022-01-21 search,找到一个结果就返回，返回的结果是match对象，拿到数据需要.group()
  import re
  item=re.search(r'\d+','我的电话是：10086，她的电话是：10011')
  print(item.group())

  输出结果为：10086

Match对象有几个常用的方法：
group(): 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)
span(): 返回匹配字符串的起始位置
start()：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()：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

import re
r=re.search('abc','helabcloabc')
if r:
    print(r.group())
    print(r.span())
    print(r.start())
    print(r.end())

输出结果为：

import re
match=re.search(r'([a-z]+) ([a-z]+)','hello Kitty hellobaby hello world')# 注意此时是区分大小写的
if match:
    print(match.group(0))
    print(match.group(1))#获取第一个分组的字符串
    print(match.group(2))#获取第二个分组的字符串
    print(match.groups())

输出结果为：

上面的正则表达式表示两组有多个a-z之间的任意字符组成的多个字符串，并且两组之间是有空格的。其中match.groups()表示的意思是(m.group(1), m.group(2), …)search只要找到符合要求的字符串则不会继续查找，但是事实上后面仍然符合正则的仍然是存在的。比如：hello world
要想所有的都获取到，考虑使用findall()

贪婪模式非贪婪模式

.* 贪婪模式

• 在满足条件的情况下，尽可能多的去匹配到数据

  .*? 非贪婪模式

• 在满足条件的情况下，尽可能少的去匹配（写爬虫用的比较多）