一、re模块
re中文为正则表达式，是字符串处理的常用工具，通常用来检索和替换符合某个模式的文本。
注：要搜索的模式和字符串都可以是unicode字符串（str）和8位字符串（bytes），但是不能将unicode字符串与字节模式匹配。
用途：1.数据验证：测试输入的字符串是否符合规定的模式
2.替换文本：识别文档中的特定文本，删除或替代
3.提取字符串
常用匹配模式：
贪婪模式与非贪婪模式：
贪婪模式：总是匹配尽可能多的字符
非贪婪模式：匹配尽可能少的字符
使用findall的方式演示：
# 小写w 匹配【a-zA-Z0-9_】 大写W 匹配非字母数字下划线 【^a-zA-Z0-0】
print(re.findall('\w','hello eg-on 1_23')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3']
print(re.findall('\W','hello egon 123')) #[' ', ' ']
#小写\s 匹配任意空白字符【\t\r\n\f】 大写\S 匹配任意非空字符
print(re.findall('\s','hello eg-on 1_23')) #[' ', ' ', ' ', ' ']
print(re.findall('\s','hello \n eg-on \t 1_23')) #[' ', '\n', ' ', ' ', '\t', ' ']
print(re.findall('\S','hello eg-on 1_23')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3']
#\n与\t 匹配一个换行符和一个制表符
print(re.findall(r'\n','hello egon \n123')) #['\n']
print(re.findall(r'\t','hello egon\t123')) #['\n']
#\d匹配任意数字【0-9】 \D匹配任意非数字
print(re.findall('\d','hello \n e_g-on 123')) #['1', '2', '3']
print(re.findall('\D','hello \n e_g-on 123')) #['h', 'e', 'l', 'l', 'o', ' ', 'e', 'g', 'o', 'n', ' ']
# \A==>^ \Z==>$
print(re.findall('\Ahe','hello egon 123')) #['he'],\A==>^
print(re.findall('123\Z','hello egon 123')) #['he'],\Z==>$
#^ 开头 $结尾
print(re.findall('^h','hello egon 123')) #['h']
print(re.findall('3$','hello egon 123')) #['3']
# .匹配除\n外的任意字符
print(re.findall('a.b','a1b')) #['a1b']
print(re.findall('a.b','a1b a*b a b aaab')) #['a1b', 'a*b', 'a b', 'aab']
print(re.findall('a.b','a\nb')) #[]
print(re.findall('a.b','a\nb',re.S)) #['a\nb']
print(re.findall('a.b','a\nb',re.DOTALL)) #['a\nb']同上一条意思一样
#* 匹配前一个字符>=0次
print(re.findall('ab*','bbbbbbb')) #[]
print(re.findall('ab*','a')) #['a']
print(re.findall('ab*','abbbb')) #['abbbb']
#+匹配前一个字符>=1次
print(re.findall('ab+','a')) #[]
print(re.findall('ab+','abbb')) #['abbb']
#? 匹配一个字符0或者一次
print(re.findall('ab?','a')) #['a']
print(re.findall('ab?','abbb')) #['ab']
#匹配所有包含小数在内的数字
print(re.findall('\d+\.?\d*',"asdfasdf123as1.13dfa12adsf1asdf3")) #['123', '1.13', '12', '1', '3']
#.*默认为贪婪匹配
print(re.findall('a.*b','a1b22222222b')) #['a1b22222222b']
#.*?为非贪婪匹配：推荐使用
print(re.findall('a.*?b','a1b22222222b')) #['a1b']
#{n,m}
print(re.findall('ab{2}','abbb')) #['abb']
print(re.findall('ab{2,4}','abbb')) #['abb']
print(re.findall('ab{1,}','abbb')) #'ab{1,}' ===> 'ab+'
print(re.findall('ab{0,}','abbb')) #'ab{0,}' ===> 'ab*'
#[]
print(re.findall('a[1*-]b','a1b a*b a-b'))#['a1b', 'a*b', 'a-b']
print(re.findall('a[^1*-]b','a1b a*b a-b a=b')) #[]内的^代表的意思是取反，所以结果为['a=b']
print(re.findall('a[0-9]b','a1b a*b a-b a=b'))
print(re.findall('a[a-z]b','a1b a*b a-b a=b aeb'))
print(re.findall('a[a-zA-Z]b','a1b a*b a-b a=b aeb aEb'))
#():分组
print(re.findall('ab*','abababsaa123')) #['ab', 'ab', 'ab']
print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab
print(re.findall('(?:ab)+123','ababab123')) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))#['http://www.baidu.com']
print(re.findall('href="(?:.*?)"','<a href="http://www.baidu.com">点击</a>'))#['href="http://www.baidu.com"']
re常用方法：
import re #1 print(re.findall('e','alex make love') ) #['e', 'e', 'e'],返回所有满足匹配条件的结果,放在列表里 #2 print(re.search('e','alex make love').group()) #e,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。 #3 print(re.match('e','alex make love')) #None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match #4 print(re.split('[ab]','abcd')) #['', '', 'cd']，先按'a'分割得到''和'bcd',再对''和'bcd'分别按'b'分割 #5 print('===>',re.sub('a','A','alex make love')) #===> Alex mAke love，不指定n，默认替换所有 print('===>',re.sub('a','A','alex make love',1)) #===> Alex make love print('===>',re.sub('a','A','alex make love',2)) #===> Alex mAke love print('===>',re.sub('^(\w+)(.*?\s)(\w+)(.*?\s)(\w+)(.*?)$',r'\5\2\3\4\1','alex make love')) #===> love make alex print('===>',re.subn('a','A','alex make love')) #===> ('Alex mAke love', 2),结果带有总共替换的个数 #6 obj=re.compile('\d{2}') print(obj.search('abc123eeee').group()) #12 print(obj.findall('abc123eeee')) #['12'],重用了obj
同样的表达式，search和findall的结果不同：
print(re.search('\(([\+\-\*\/]*\d+\.?\d*)+\)',"1-12*(60+(-40.35/5)-(-4*3))").group()) #(-40.35/5) print(re.findall('\(([\+\-\*\/]*\d+\.?\d*)+\)',"1-12*(60+(-40.35/5)-(-4*3))")) #['/5', '*3'] #看这个例子:(\d)+相当于(\d)(\d)(\d)(\d)...,是一系列分组 print(re.search('(\d)+','123').group()) #group的作用是将所有组拼接到一起显示出来 print(re.findall('(\d)+','123')) #findall结果是组内的结果,且是最后一个组的结果 search与findall
补充：
在 python 的字符串中，\ 是被当做转义字符的。在正则表达式中，\ 也是被当做转义字符。这就导致了一个问题：如果你要匹配 \ 字符串，那么传递给 re.compile() 的字符串必须是"\\\\"。
由于字符串的转义，所以实际传递给 re.compile() 的是"\\"，然后再通过正则表达式的转义，"\\" 会匹配到字符"\"。这样虽然可以正确匹配到字符 \，但是很麻烦，而且容易漏写反斜杠而导致 Bug。
原始字符串很好的解决了这个问题，通过在字符串前面添加一个r，表示原始字符串，不让字符串的反斜杠发生转义。那么就可以使用r"\\"来匹配字符\了。
二、subprocess模块
用于执行系统命令
常用方法：
run：返回一个表示执行结果的对象
call：返回的执行的状态码
总结：subprocess的好处是可以获取指令的执行结果
subprocess执行指令时，可以在子进程中 这样避免造成主进程卡死
补习内容：
import re # 1）普通的字符 # res = re.match(r'a', 'abc') # print(res.group()) # 2）单个(非换行\n)任意字符 . # res = re.match(r'.', 'abc') # print(res.group()) # 3）字符集(单个) [...] eg: [abc] [a-z] [a-zA-Z0-9_] # res = re.match(r'[a-zA-Z0-9_]', 'babc') #a-z或A-Z或0-9或_ == \w # print(res.group()) # 4）非\w的所有字符\W 拓展：\d \D \s \S # res = re.match(r'\W', '$babc') # print(res.group()) # 5）开头、结尾(只适用于单行匹配) ^ $ ts = """abc 123 a1d """ res = re.match(r'^a', ts) print(res) # match 不与 $结合使用：匹配整个字符串的开头，只匹配一次 # search 可以与 $结合使用：匹配整个字符串(不限定从头开始)，只匹配一次 # res = re.search(r'd$', ts) # print(res) # res = re.match(r'^a[\w]c$', "a_c") # print(res) # 6) 次数 # *[0, +œ) 尽可能多的匹配 # *? 尽可能少的匹配 # +[1, +œ) | ?[0, 1] | +? | ?? res = re.match(r'ab*?', "abbbbbc") print(res) # {m} 匹配m次 {m,n} 匹配m~n {m,n}? # res = re.match(r'ab{2,5}', "abbbbb") # print(res) # 7）或 | a|b == [ab] # res = re.match(r'a|b', "cbabc") # print(res)
# 方法 # match # search # findall # sub # split import re # 从头开始，匹配一次(没有匹配到返回None) # res = re.match(r'a', "abc") # print(res) # 匹配一次，无关位置，从前往后索引匹配(没有匹配到返回None) res = re.search(r'a', "baca") print(res) # 从前往后索引匹配，匹配所有，返回列表(没有匹配到返回[]) res = re.findall(r'a', "baca") print(res) # 正则 替换字符串 目标字符串 # 不修改目标字符串，返回替换后的字符串 # ts = "abcdea" # res = re.sub(r'[0-9]', "呵", "a2b12e9a") # print(res) # 以正则拆分成数据列表 # ts = "老男孩：python，Linux、H5、Java GO C++ AR VR" # res = re.split(r' |：|，|、', ts) # print(res)
# 分组() # 1）分组不影响匹配结果 ((a(b)c)d(efg)) ==> abcdefg # 2）0分组代表整体，第几个(就是第几位分组 import re reg = r"((a(b)c)d(efg))" ts = "abcdefg" res = re.match(reg, ts) print(res.group()) # abcdefg print(res.group(0)) # abcdefg print(res.group(1)) # abcdefg print(res.group(2)) # abc print(res.group(3)) # b print(res.group(4)) # efg # \num：num为分组号 \1 == book> # reg = r"<(book>)(\w+)</\1" # ts = "<book>语文</book>" # res = re.match(reg, ts) # print(res) # (?P<mark>主体) (?P=mark)不占有分组 # reg = r"<(?P<tag>book>)(\w+)</(?P=tag)" # ts = "<book>语文</book>" # res = re.match(reg, ts) # print(res.group(2)) # (?:) 取消分组 # [('语文', '</book>'), ('数学', '</book>')] # reg = r"(?:<book>)(\w+)(</book>)" # ts = "<book>语文</book><book>数学</book>" # res = re.findall(reg, ts) # print(res)
焚膏油以继晷，恒兀兀以穷年。
