正则表达式（Regluar Expressions）又称规则表达式，在代码中常简写为REs，regexes或regexp（regex patterns）。它本质上是一个小巧的、高度专用的编程语言。 通过正则表达式可以对指定的文本实现
匹配测试、内容查找、内容替换、字符串分割 等功能。
re模块介绍
Python中的re模块提供了一个正则表达式引擎接口，它允许我们将正则表达式编译成模式对象，然后通过这些模式对象执行模式匹配搜索和字符串分割、子串替换等操作。re模块为这些操作分别提供了模块级别的函数以及相关类的封装。
正则表达式一些小规则①元字符
总是在量词范围内尽量多匹配 - 贪婪
总是在量词范围内尽量少匹配 - 惰性
.*?x 匹配任意内容任意次数 遇到x就停止
.+?x 匹配任意内容至少1次 遇到x就停止
. 有特殊的意义,取消特殊的意义\
取消一个元字符的特殊意义有两种方法
在这个元字符前面加 \
对一部分字符生效,把这个元字符放在字符组里
[.()+?*]
findall
会优先显示分组内的内容
*****取消优先显示(?:正则)
search
只能返回第一个符合条件的项
得到的结果需要.group取值
默认获取完整的匹配结果
通过group(n)取第n个分组中的内容
# search 还是按照完整的正则进行匹配,显示也显示匹配到的第一个内容,但是我们可以通过给group方法传参数 # 来获取具体文组中的内容 ret = re.search('9(\d)(\d)','19740ash93010uru') print(ret) # 变量 -- > <re.Match object; span=(1, 4), match='974'> if ret: print(ret.group()) # --> 974 print(ret.group(1)) # --> 7 print(ret.group(2)) # --> 4 # findall # 取所有符合条件的,优先显示分组中的 # search 只取第一个符合条件的,没有优先显示这件事儿 # 得到的结果是一个变量 # 变量.group() 的结果 完全和 变量.group(0)的结果一致 # 变量.group(n) 的形式来指定获取第n个分组中匹配到的内容 # 加上括号 是为了对真正需要的内容进行提取 ret = re.findall('<\w+>(\w+)</\w+>','<h1>askh930s02391j192agsj</h1>') print(ret) # --> ['askh930s02391j192agsj']
其他的内容在代码中有详细的注释，大家可以复制我的代码一步一步运行然后实验
以下的内容有：split sub subn math,compile,finditer
# split sub subn math,compile,finditer # split res = re.split('\d+', "cyx123456cyxx") print(res) # --> ['cyx', 'cyxx'] res = re.split('(\d+)', "cyx123456cyxx") # 保留分组 print(res) # --> ['cyx', '123456', 'cyxx'] # sub 替换 res = re.sub('\d+', '我把数字替换了', "cyx123456cyxxx123456") # 默认全部替换，当然也可以替换一次re.sub('\d+','我把数字替换了',"cyx123456cyxxx123456"，1) print(res) # --> cyx我把数字替换了cyxxx我把数字替换了 # subn 替换了并显示替换的次数 res = re.subn('\d+', '我把数字替换了', "cyx123456cyxxx123456") print(res) # --> ('cyx我把数字替换了cyxxx我把数字替换了', 2) # match 这个就相当与加了个^ (和search差不多) --> 主要用来规定这个字符号必须是什么样的 res = re.match('\d+', 'cyx123456cyxxx') print(res) # --> None res = re.match('\d+', '123cyx456cyxxx') print(res.group()) # --> 123 # compile -- 节省代码的时间的工具 # 假如同一个正则表达式要被使用多次 # 节省了多次解析同一个正则表达式的时间 ret = re.compile("\d+") res = ret.search("cyx12456cyxXX123") print(res.group()) # --> 12456 # finditer --> 节省空间 ret = re.finditer("\d+", "cyx123456cyxxx125644") for r in ret: print(r.group()) # --> 123456 # 125644 # 怎么又节省时间又节省空间呢？ ret = re.compile('\d+') res = ret.finditer("cyx222231fddsf45746sdf2123sdf56456sdf10123sdf123132sdf") for r in res: print(r.group()) """ 222231 45746 2123 56456 10123 123132 """ # 分组命名(?P<组名>正则) (?P=组名) # 有的时候我们要匹配的内容是包含在不想要的内容之中的, # 只能先把不想要的内容匹配出来,然后再想办法从结果中去掉 # 分组命名的用法 (找两个组里面是一样的内容) exp = '<abc>asdasf54545645698asdasd</abc>00545sdfsdf</abd>' ret = re.search('<(?P<tag>\w+)>.*?</(?P=tag)', exp) print(ret) # -- > <re.Match object; span=(0, 33), match='<abc>asdasf54545645698asdasd</abc'> # exp2： import re ret = re.search('\d(\d)\d(\w+?)(\d)(\w)\d(\d)\d(?P<name1>\w+?)(\d)(\w)\d(\d)\d(?P<name2>\w+?)(\d)(\w)', '123abc45678agsf_123abc45678agsf123abc45678agsf') print(ret.group('name1')) # -- > agsf_123abc print(ret.group('name2')) # -- > agsf
今日小思考
当我们有一个这样的列表：
lis = ['', 'z', 'c', 'asd', 'sdf', '', 'asd']
那么我们如何将里面的空字符删除呢？
ret = filter(lambda n: n, lis) print(list(ret)) # --> ['z', 'c', 'asd', 'sdf', 'asd']
总结