正则表达式

正则表达式

1️⃣ 正则表达式其实就是一个规则，我们根据这个规则去匹配字符串，得出我们需要的字符串就可以了。

2️⃣ 在python中，正则的使用都在re模块中

3️⃣ 我们需要了解如何写出符合的需求的正则表达式

常用的五种方法

下面我们会简单的介绍re模块中查找符合字符串的五种方法。这里需要特别说明一下，在正则规则中前面加个r，是为了防止转义字符！因此，在写正则规则时，我们最好都要加个r！

match

从头开始匹配，匹配到就返回符合规则的字符串，不符合规则的会返回None！

print(re.match(r'abc','abc'))
print(re.match(r'abc','1abc'))

运行结果：

search

查找符合规则的字符串，如果有多个字符串符合对应的规则，那么就会返回第一个匹配到的字符串

print(re.search(r'abc', 'abc123abc200123abc'))

运行结果：

fullmatch

要求字符串从头到尾必须全都与对应的规则匹配上

print(re.fullmatch(r'a\d+c', 'a123456c'))
print(re.fullmatch(r'a\d+c','a12wda3554c')) #不能从头到尾完全与规则相匹配

运行结果：

注：\d代表匹配一个数字字符，+是修饰\d的，表示的是一个或者多个数字，这个正则所要表达的就是匹配一个以a开始，中间至少有一个数字，以c为结尾的一个字符串，不能是子串！

findall

查找所有符合条件的字符串,并且以列表的形式返回匹配到的字符串!

print(re.findall(r'a\d+c', 'a123cwewdea325c'))

运行结果：

finditer

查找所有符合条件的字符串，并且返回一个迭代器对象，可以利用for循环遍历

x=re.finditer(r'a\d+c','a123cwewdea325c')
for i in x:
    print(i)

运行结果：

总结：以上的匹配查找实质都是返回一个re.match的对象，并且我们可以利用dir函数查看并利用这个对象的属性与方法。我们将重点介绍group方法来获取对象中我们需要的内容

group方法

正则表达式可以利用（）可以对查找的规则进行分组，我们所写出那个正则表达式默认就是group（），也就是group（0）。利用group方法就可以打印出符合条件的字符串了

实现的代码如下：

x=re.search(r'(a\d+)(b\d+)(c\d+)', 'a123b456c789')
print(x.group())  //找出符合整个正则表达式的条件的字符串
print(x.group(1)) //在group（0）的基础上，根据分组1的规则查找符合的字符串，下同
print(x.group(2))
print(x.group(3))

运行结果如下：

图解分组：

下面我们变换一下代码：

x=re.search(r'(a\d+)(b\d+)c\d+', 'a123b456c789')
print(x.group())
print(x.group(1))
print(x.group(2))

运行结果：

我们可以发现对c\d+没有进行分组后，对于group（1）和group（2）的查找是不会包含的未分组c\d+的内容，只有group（）才可以找到！！！也就是说，group（数字）只会严格匹配符合分组规则的字符串。如果数字大于分组数量，那么运行结果会抛出异常！

groupdict方法

(?P<别名>规则)给分组起别名。groupdict以字典的形式返回，需要对分组取别名，相当于给一个键，与匹配到的字符串形成一个键值对！

代码如下：

x=re.search(r'(?P<test>a\d+)(b\d+)c\d+', 'a123b456c789')
print(x.groupdict())

运行结果：

re.compile方法

将写好的正则规则编译，形成一个正则对象，然后再调用正则对象的方法。与之前的写法对比，写好一次正则规则，可以进行多次的使用！

代码如下：

#之前的
print(re.search(r'a\d+', 'a123b456c789a111'))

#经过compile编译的
patter =  re.compile(r'a\d+')

print(patter.search('a123b456'))
print(patter.search('a4564b456s2'))

运行结果：

正则修饰符

re.I 让规则不区分大小写

代码如下：

print(re.search(r'a\d+', 'A123b456c789', re.I))

运行结果：

re.S 可以匹配到换行符

print(re.findall(r'.','hello\nworld'))
print(re.findall(r'.','hello\nworld',re.S))

运行结果：

re.M

正则表达式中的元字符

其中[ ]还可以表示范围例如：[0-9A-Za-z]等

^在[ ]中表示取反的意思，^还可以表示要匹配某一个字符开头的字符串，此时相当于match函数作用。

同理要是以某一字符结尾字符串最后加上了$符号，那么就是匹配以最后一个字符结尾的字符串！同时使用开头（^）与结尾元字符($)，就相当于fullmatch作用！

|的使用，代码如下：

直接使用：

print(re.search(r'abc|1abc', 'abc55555'))
print(re.search(r'abc|1abc', '1abc555555'))

运行结果：

结合分组（）使用：

print(re.findall(r'u(23|67|34)x', 'u23xiu67xlu34x'))

y = re.finditer(r'u(23|67|34)x','u23xiu67xlu34x')
for i in y:
    print(i.group())

运行结果：

可以发现findall只会打印分组里面的内容，而利用finditer会记录下我们所需要的字符串

正则替换

利用正则表达式，利用re模块中的sub函数，来替换符合规则的字符串！

s1 = 'a12b34c56d78'
print(re.sub(r'\d+', 'T', s1))

运行结果：

sub中有三个参数，第一个参数是替换的规则也就是正则表达式，第二个参数是要替换的内容（也可以利用函数进行替换），第三个参数就是目标字符串！

第二个参数是函数的代码如下（将数字乘以2替换回去）：

s1 = 'a12b34c56d78'
def test(x):
    data = x.group()
    return str(int(data)*2)

print(re.sub(r'\d+',test,s1))

运行结果：

利用函数替换要注意以下几点：

1️⃣ 与平常调用函数不一样，这里是通过函数名不用带括号，并且编译器自动会帮我们传入re.match对象x

2️⃣ test函数返回值类型必须是字符串。在调用group函数返回得到的是一个字符串

贪婪模式和非贪婪模式

贪婪模式：尽可能多的匹配到符合条件的字符串

非贪婪模式：尽可能少的匹配到符合条件的字符串

可以通过下列代码进行理解

s2 = 'a123b456c789'
x=re.search(r'b(.+)(\d+)',s2)
print(x.group())
print(x.group(1))
print(x.group(2))

运行结果：

图解过程：

如果后面是\d*，那么后一个分组将会什么数据都没有了~~。如何解决这一问题呢？可以通过？（一般放在匹配范围符后面）来将贪婪模式转换成为非贪婪模式！！！

s2 = 'a123b456c789'
x=re.search(r'b(.+?)(\d+)',s2)
print(x.group())
print(x.group(1))
print(x.group(2))

运行结果：

由于是非贪婪模式，那么就会尽可能少的匹配，所以group（1）就匹配1个字符串，后面满足\d+的只有两个数字，所以group（）才会是b456，进一步的理解可以参考贪婪模式这篇文章！

以上就是关于正则表达式的基础内容理解，之后还需要自己多加练习，理解即可！