1 正则表达式

.：匹配任意单个字符
x：匹配任意指定字符
\：匹配一个反斜杠
\n：匹配一个换行符
\s：匹配空白的字符
\d：匹配一个数字
\D：匹配一个非数字
\w：匹配一个字母或数字或下划线
[abc]：匹配字母a、b、c
[^abc]：匹配除字母a、b、c以外的任何字符
[a-zA-Z]：匹配所有字母
[0-9]：匹配所有数字
[a-zA-Z_0-9]：匹配所有字母和下划线和数字
^[a-z]： ^代表行的开头,以字母开头
[0-9]$：代表行的结尾,以数字结尾
[abc]?：?匹配的是一个字母或者没有字母
\d*：匹配多个数字或者没有数字
\d+：+匹配多个数字
\d{n}：匹配前一个字符连续n次
\d{n,}：匹配前一个字符连续至少n次
\d{n,m}：匹配前一个字符连续至少n次，最多m次

2 re模块

1 findall

匹配多个字符，返回列表

用法：re.findall(pattern,string)

Str = 'abc123def456ghi'
ret = re.findall(r'\d+', Str)
for data in ret:
  print(data)

2 大小写不敏感设置

用法:re.xx(flags=re.IGNORECASE)

Str = 'AbC123DeF456GhJ'
ret = re.findall('[a-z]', Str, flags=re.IGNORECASE)
print(ret)

3 search

匹配从左到右的第一个字符

用法：re.search(pattern,string).group()

Str = 'abc123def456ghi'
ret = re.search(r'\D+', Str)
print(ret.group())

4 从头开始匹配

相当于search正则表达式中加上^
用法：re.match(pattern,string).group()

类似字符串的startswith

Str = 'abc123def456ghi'
ret = re.match('[a-z]+', Str)
print(ret.group())
print(ret.start())
print(ret.end())

5 切割字符

用法：re.split(pattern,string)

Str = 'abc123def456ghi'
ret = re.split(r'\d+', Str)
print(ret)

6 替换字符

用法：re.sub(pattern,replace,string,count)
```
Str = 'abc123def456ghi'
ret = re.sub(r'\d+', '|', Str)
print(ret)
```
7 替换字符并返回替换次数,返回元组

用法：re.subn(pattern,replace,string,count)

Str = 'abc123def456ghi'
ret = re.subn(r'\d+', '|', Str)
print(ret[0], ret[1])

8 编译式正则

优点：处理重复数据时节省时间

用法：re.compile(pattern)

Str = 'abc123def456ghi'
ret = re.subn(r'\d+', '|', Str)
print(ret[0], ret[1])

9 迭代器

优点：处理大量数据时节省空间与内存

用法：re.finditer(pattern,string)

Str = 'abc123def456ghi'
ret = re.finditer(r'\d+', Str)
for data in ret:
  print(data.group())

10 非贪婪模式

使用通配符会尽量取最长满足字符串,加上?可取最短满足字符串

用法：?、*、+之后

Str = 'abc123def'
ret = re.search(r'abc\d+', Str)
ret2 = re.search(r'abc\d+?', Str)
print(ret.group())
print(ret2.group())

11 分组的使用

用法：(pattern) ```python Str = ‘https://www.baidu.com‘ ret = re.search(r’(\w+)://(\w+).(\w+).(\w+)’, Str) print(ret.group()) print(ret.group(1)) print(ret.group(2)) print(ret.group(3)) print(ret.group(4))

Str = ‘https://www.baidu.com‘ ret = re.findall(r’(\w+)’, Str) print(ret)

<a name="mdqfe"></a>
## 12 分组命名
- 用法：(?<name>Ppattern)
```python
Str = '123//123'
ret = re.search(r'(?P<con>\w+)//(?P=con)', Str)
print(ret.group())

3 实战

1 取标签中文本内容

Str = r"""

岗位职责：
完成推荐算法、数据统计、接口、后台等服务器端相关工作

必备要求：
良好的自我驱动力和职业素养，工作积极主动、结果导向

技术要求：
1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式
2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架
3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种
4、掌握NoSQL、MQ，熟练使用对应技术解决方案
5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js

加分项：
大数据，数理统计，机器学习，sklearn，高性能，大并发。"""

1 显示所有符合文本，贪婪模式下取最长的<匹配字符

ret = re.findall('>.*<', Str)
print(ret)

2 显示所有符合文本，非贪婪模式

ret = re.findall('>.*?<', Str)
print(ret)

3 只显示括号内的文本

ret2 = re.findall('>(.*?)<', Str)
print(ret2)

2 取各网址的域名

Str = """https://blog.csdn.net/
https://www.baidu.com/s?wd=123
https://www.yuque.com/weicreate/base
https://www.sogou.com/web?query=321"""

ret = re.findall(r'https://(.*?)/', Str)
print(ret)

3 将邮箱格式分离并替换成自己的邮箱地址

Str = """1243007569@qq.com, weicreate@163.com, whp@sina.com
whp123@139.com, whp123@134.com
wuhao321@123.com"""

ret = re.compile(r'[^,\n].?@?.com')
res = ret.findall(Str)
res2 = ret.sub('weicreate@qq.com', Str)
print(res)
print(res2)

参考文件

re模块.py

Python进阶拓展

正则表达式、re模块