## re模塊 ### 正則表達式　　 　　正則表達式不僅在python領域，在整個編程屆都占有舉足輕重的地位。不管以后是不是做python開發，只要你是一個程序員就應該了解正則表達式的基本使用。如果未來你要在爬蟲領域發展，你就更應該好好學習這方面的知識。但是，re模塊本質上和正則表達式沒有一毛錢的關系。re模塊和正則表達式的關系 類似于 time模塊和時間的關系，沒有學習python之前，你不知道有一個time模塊，但是你已經認識時間了 12:30就表示中午十二點半。時間有自己的格式，年月日時分秒，12個月，365天......已經成為了一種規則。你也早就牢記于心了。time模塊只不過是python提供給我們的可以方便我們操作時間的一個工具而已。**正則表達式**本身也和python沒有什么關系，就是**匹配字符串內容的一種規則**。 #### 字符組 字符組 ： [字符組] 在同一個位置可能出現的各種字符組成了一個字符組，在正則表達式中用[]表示 字符分為很多類，比如數字、字母、標點等等。 假如你現在要求一個位置"只能出現一個數字",那么這個位置上的字符只能是0、1、2...9這10個數之一。  #### 字符  #### 量詞  #### .^$  #### \*+?{}  **?注意：前面的\*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配**  #### 字符集 \[\] \[^\]  #### ?分組 () 與或 | \[^\]  #### 轉義符\\ 　　在正則表達式中，有很多有特殊意義的是元字符，比如\\n和\\s等，如果要在正則中匹配正常的"\\n"而不是"換行符"就需要對"\\"進行轉義，變成'\\\\'。 　　在python中，無論是正則表達式，還是待匹配的內容，都是以字符串的形式出現的，在字符串中\\也有特殊的含義，本身還需要轉義。所以如果匹配一次"\\n",字符串中要寫成'\\\\n'，那么正則里就要寫成"\\\\\\\\n",這樣就太麻煩了。這個時候我們就用到了r'\\n'這個概念，此時的正則是r'\\\\n'就可以了。  #### ?貪婪匹配 　　貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認情況下，采用貪婪匹配  　　幾個常用的非貪婪匹配Pattern ``` ~~~ *? 重復任意次，但盡可能少重復 +? 重復1次或更多次，但盡可能少重復 ?? 重復0次或1次，但盡可能少重復 {n,m}? 重復n到m次，但盡可能少重復 {n,}? 重復n次以上，但盡可能少重復 ~~~ ``` 　　.*?的用法 ``` . 是任意字符 * 是取 0 至 無限長度 ? 是非貪婪模式。 何在一起就是 取盡量少的任意字符，一般不會這么單獨寫，他大多用在： .*?x 就是取前面任意長度的字符，直到一個x出現 ``` ### Python中re模塊下的常用方法 ~~~ import re ret = re.findall('a', 'eva egon yuan') # 返回所有滿足匹配條件的結果,放在列表里 print(ret) #結果 : ['a', 'a'] ret = re.search('a', 'eva egon yuan').group() print(ret) #結果 : 'a' # 函數會在字符串內查找模式匹配,只到找到第一個匹配然后返回一個包含匹配信息的對象,該對象可以 # 通過調用group()方法得到匹配的字符串,如果字符串沒有匹配，則返回None。 ret = re.match('a', 'abc').group() # 同search,不過盡在字符串開始處進行匹配 print(ret) #結果 : 'a' ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 print(ret) # ['', '', 'cd'] ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#將數字替換成'H'，參數1表示只替換1個 print(ret) #evaHegon4yuan4 ret = re.subn('\d', 'H', 'eva3egon4yuan4')#將數字替換成'H'，返回元組(替換的結果,替換了多少次) print(ret) obj = re.compile('\d{3}') #將正則表達式編譯成為一個 正則表達式對象，規則要匹配的是3個數字 ret = obj.search('abc123eeee') #正則表達式對象調用search，參數為待匹配的字符串 print(ret.group()) #結果 ： 123 import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一個存放匹配結果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一個結果 print(next(ret).group()) #查看第二個結果 print([i.group() for i in ret]) #查看剩余的左右結果 ~~~ **注意：** 1 findall的優先級查詢 ~~~ import re ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['oldboy'] 這是因為findall會優先把匹配結果組里內容返回,如果想要匹配結果,取消權限即可 ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['www.oldboy.com'] ~~~ 2 split的優先級查詢 ~~~ ret=re.split("\d+","eva3egon4yuan") print(ret) #結果 ： ['eva', 'egon', 'yuan'] ret=re.split("(\d+)","eva3egon4yuan") print(ret) #結果 ： ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上（）之后所切出的結果是不同的， #沒有（）的沒有保留所匹配的項，但是有（）的卻能夠保留了匹配的項， #這個在某些需要保留匹配部分的使用過程是非常重要的。 ~~~