三、python高级：正则表达式

一、re模块（re.match、group()方法）

1、

2、re.match() 能够匹配出以xxx开头的字符串（从左到右开始依次匹配）

若匹配成功，则返回匹配对象（Match Object），否则返回None，

group方法，用来返回字符串的匹配成功的部分。

3、match方法有一个特点：校验的字符串从左往右去匹配规则，在这个匹配的过程中只要满足了全部的规则，即使要校验的字符串后面还有字符串，它就认为你已经符合这个规则了，也就是你所定义的规则只是描述了你所定义字符串的一部分，而且是从左到右启始的，这个点很重要的

 

二、正则表达式的单字符匹配

1、.  匹配任意1个字符(除了\n都能匹配)——（例如#、？都能匹配）

 

2、\d 匹配数字，即0-9

3、\D 匹配非数字，即不是数字

4、\s  匹配空白，即空格、\t、\n、\r

5、\S 匹配非空白

6、\w  匹配单词数字下划线，即a-z  A-Z  0-9  _

7、\W  匹配非单词数字下划线，即不是a-z  A-Z  0-9  _

8、[ ] ：匹配[ ]中列举的字符

①  第二位匹配3578的任意一个

② 取反，加个^  即非34578

③ 第二位匹配 a-z 5-9

 

三、正则数量描述

1、* 匹配前一个字符出现0次或者无限次，即可有可无

2、+ 匹配前一个字符出现1次或者无限次，即至少有1次

3、？ 匹配前一个字符出现1次或者0次，即要么有1次，要么没有

4、{m} 匹配前一个字符出现m次（必须满足m次）

5、{m,} 匹配前一个字符至少出现m次

6、{m,n} 匹配前一个字符出现从m次到n次

7、{0,}   与 * 类似——0次或无限次

8、{1,}   与+类似——至少有1次

9、{0,1} 与？类似——出现1次或0次

 

四、正则边界描述

 

1、$ 匹配字符串结尾——加上$后，结束的意思，限制匹配字符串内容个数，超出不输出

2、^ 匹配字符串开头

^ 不是出现在[ ]当中的话（出现在[ ]内叫取反），而是出现在描述的开始位置，所要表达的意义是不一样的

但是这个在match()方法中是体现不出来的，因为match()方法就是从头开始进行匹配的

3、\b 匹配一个单词的边界  

一个字符串中（“ ”内），出现空格会分成单独的单词，连在一块会默认一个整体

总结：^和$是描述整个字符串(整个规则)的边界，也就是 "  " 里面所有的都考虑；

            \b 、\B是描述中间某个单词的边界（有空格分割，可分割成单独的单词）    

             如果字符串没有要匹配的字母，也不返回输出任何值

① 要以ve作为单词的结尾才可以：

也就是，先匹配\w，再找ve字母，比较是否符合\b意义，以ve结尾

② 下面：有空格hove作为单独的单词，检查边界 

     从左到右匹配，匹配到hove是以ve结尾的，返回hove，因为有空格，abc是另一个单词不管它

③ \s匹配了空格，而ve前边和后边都是ve，所以输出 ho  ve

 

4、\B  匹配非单词边界  ，与上述相反

① \B要求ve的e右边部分必须得出现字符，不能出现空白字符，一旦出现了空白字符，就意味着e是这个单词的结尾了，也就是e是这个单词的边界了。——不输出

如果字符串没有ve字母，也不返回输出任何值

只要单词不是ve结尾就匹配成功，返回值

 

五、转义   使用 原始字符串 r 能够自动转义\t、\n等

来理解转义：

print(\n) 是打印空格，加上r后自动转义，相当于\\nabc，此时的 \n仅仅是个字符，是原义

总结：

1、r的意思是说：它是英文单词raw的一个缩写，也就是说当你在定义这个字符串的时候它是什么样的，最终在输出打印的时候

     就是什么样的，中间转义的过程python帮我们实现了。

2、例如：re.match(r"[a-z0-9][a-z0-9_]{2,14}[a-z0-9]@sina\.com$ "  ,  "[email protected]") ——新浪邮箱注册限制

 ① 以后写正则表达式要习惯加上 r ，因为\n、\t没在正则表达式中出现过，所以用r自动转义；而 . 在正则表达式中出现了，所以单独转义   \.

 ② 而\d、\w有特殊意义，在正则表达式中出现，如果转义单独转义。

 ③ 点在正则中有特殊意义，要匹配，想要后面字符串输入的sina.com必须是点，而不是[email protected]要用 \. 自动转义（\自动转义）

 

六、匹配分组

1、| 匹配左右任意一个表达式 （|  或者的意思，匹配字符串整个内容的）

需求：匹配出0-100之间的数字

可以改进一下：

2、(ab)将括号中字符作为一个分组，可单独拿出来

① 进行group()的时候是得到的整个匹配的内容

    group()方法添加参数，例如group( 1 )   可单独拿出第一个分组内的内容

    (参数0，写上和不写一样，都代表得到整个内容)

② groups()方法：是得到所有的组的内容  —— （以元组的形式返回）

以元组的形式返回：

可拿到元组下标0、1、2的内容

3、\num 引用分组num匹配到的字符串

4、 (?P<name>) 分组起别名（大写的P）

      (?P=name) 引用别名为name分组匹配到的字符串

七、search、findall、sub、split方法介绍

1、search方法是在字符串中从左向右进行搜索，直到在整个字符串当中搜索到匹配的内容以后才截止了

   找到第一个匹配的，就不会往下搜索了

2、findall找到所有匹配的内容   —    直接以列表的形式输出数据，不需要group（）方法

3、sub 将匹配到的数据进行替换（需三个参数）

（查找的内容，替换的值，字符串）

那想要：根据原有的值进行相应的替换，而不是替换成统一的值，这种需要求的话就可以使用函数了，

以函数的返回值作为要替换的内容，下面result是匹配的结果作为了参数了：（不常用）

4、split 根据匹配进行切割字符串，并返回一个列表

下面是以【冒号】或是【空格】进行分割。（也就是见这几个符号进行切割）

示例：下面是以【空格】【冒号】【逗号】【中横线】进行分割

示例：hello world ha ha      ，查找所有的单词  （以空格+查找简单）