正则表达式
正则表达式是一个特殊的字符序列，计算机科学的一个概念。通常被用来检索、替换那些符合某个模式(规则)的文本。
许多程序设计语言都支持利用正则表达式进行字符串操作。在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用re模块。re 模块使 Python 语言拥有全部的正则表达式功能。
特点：
- 灵活性、逻辑性和功能性非常强；
- 可以迅速地用极简单的方式达到字符串的复杂控制。
- 对于刚接触的人来说，比较晦涩难懂。
Python中的正则表达式
与大多数编程语言相同，正则表达式里也使用\作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符\，那么使用编程语言表示的正则表达式里将需要4个反斜杠\：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
print(re.match('\\\\', '\\\\hello')) # 需要使用四个反斜杠来匹配一个 \\
Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。在Python 字符串前面添加r即可将字符串转换成为原生字符串。
print(re.match(r'\\', '\\\\hello')) # 使用两个反斜杠即可匹配一个 \\
查找方法的使用
在Python中的查找匹配方法，常见的有下面四种，他们的用法大致相同，但是匹配出的结果却不同。
- match方法(只匹配字符串开头)
- search方法(扫描整个字符串，找到第一个匹配)
- findall方法(扫描整个字符串，找到所有的匹配)
- finditer方法(扫描整个字符串，找到所有的匹配，并返回一个可迭代对象)
match方法的使用
re.match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。
函数语法:
re.match(pattern,string,flags=0)
参数 描述
- pattern 匹配的正则表达式
- string 要匹配的字符串。
- flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
我们可以使用group(num)函数来获取匹配表达式。
import re result1 = re.match(r'H','Hello') result2 = re.match(r'e','Hello') print(result1.group(0)) # 'H' 匹配到的元素 print(result1.span()) # (0,1) 匹配到的元素所在位置 print(result2) # None
search方法的使用
re.search 扫描整个字符串并返回第一个成功的匹配。
函数语法：
re.search(pattern, string, flags=0)
示例:
import re result1 = re.search(r'He','Hello') result2 = re.search(r'lo','Hello') print(result1.group(0)) # He print(result1.span()) # (0,2) print(result2.group(0)) # lo print(result2.span()) # (3,5)
re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
示例:
result1 = re.search(r'天气','今天天气不错哟') result2 = re.match(r'天气','今天天气不错哟') print(result1) # <re.Match object; span=(2, 4), match='天气'> print(result2) # None
findall 方法的使用
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，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
语法格式：
re.findall(pattern,string,flags=0)
示例代码：
ret = re.findall(r'\d+','he23ll34') print(ret) # ['23', '34'] ret = re.match(r'\d+','he23ll34') print(ret) # None match只匹配开头，所以匹配到 ret = re.search(r'\d+','he23ll34') print(ret) # <re.Match object; span=(2, 4), match='23'> search 只能匹配到一个数字
注意事项:
findall方法匹配时，如果匹配规则里有分组，则只匹配分组数据。
ret = re.findall(r'\w+@(qq|126|163)\.com','123@qq.com;aa@163.com;bb@126.com') print(ret) # ['qq', '163', '126'] 只匹配到了分组里的内容
如果正则表达式里存在多个分组，则会把多个分组匹配成元组。
ret = re.findall(r'\w+@(qq|126|163)(\.com)','123@qq.com;aa@163.com;bb@126.com') print(ret) #[('qq', '.com'), ('163', '.com'), ('126', '.com')]
如果想要让findall匹配所有的内容，而不仅仅只是匹配正则表达式里的分组，可以使用 ?:来将分组标记为非捕获分组。
ret = re.findall(r'\w+@(?:qq|126|163)\.com','123@qq.com;aa@163.com;bb@126.com') print(ret) # ['123@qq.com', 'aa@163.com', 'bb@126.com']
finditer方法的使用
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。
ret = re.finditer(r'\d+','he23ll34') # 得到的结果是一个可迭代对象 for x in ret: # 遍历 ret 取出里面的每一项匹配 print(x.group(), x.span()) # 匹配对象里的group保存了匹配的结果
