Python学习---re模块

python中的re模块是用来分析正则表达式的模块，re模块所提供的函数，可以用来检查所给的字符串是否与指定的正则表达式匹配。在正则表达式里用反斜杠（\）来转义特殊字符，比如'\n'，'\d'，当然，如果厌烦了这种一段表达式里有许多反斜杠，我们也可以用r'前缀的方式来表示，在字符串前面加上r，里面的所有字符都不会被转义，此时r'\n'真的就只是\n，而不是换行符了。

1、以下是re模块经常用到的匹配语法，没个符号都有特殊的意义，如果只是想匹配字面上的符号，则用反斜杠\转义，或者写在方括号[]里面。

‘.’ 点号，在普通模式，它匹配除换行符外的任意一个字符；如果指定了 DOTALL 标记，匹配包括换行符以内的任意一个字符。
‘^’ 尖尖号，匹配一个字符串的开始，在 MULTILINE 模式下，也将匹配任意一个新行的开始
‘$’ 美元符号，表示字符串结尾。
‘*’ 星号，表示将前面的RE重复0次或多次，而且尽可能多的匹配
‘+’ 加号，表示将前面的RE重复1次或多次，而且尽可能多的匹配
‘?’ 问号，表示将前面的RE重复0次或1次，而且尽可能匹配1次
    ‘*’，‘+’等都是尽可能的匹配多次，我们称之为贪婪匹配，如果想非贪婪匹配，就在后面加‘?’，构成‘*?’， ‘+?’，，这样就能尽可能少的匹配了。
{m} m是一个数字，对于前面的RE匹配m次
{m,n} m和n都是数字，指定将前面的RE重复m到n次。注意，如果省略m，将匹配0到n个前面的RE；如果省略n，将匹配n到无穷多个前面的RE。
[] 表示一个字符集，可以单独列出字符，也可以用’-‘连接起止字符以表示一个范围。特殊字符在中括号里将失效，如+，?，$等符号。
    还可以对一个字符集合取反，以匹配任意不在这个字符集合里的字符，取反操作用一个’^’放在集合的最前面表示，放在其他地方的’^’将不会起特殊作用。例如[^1]将匹配任意不是’1’的字符；[^^]将匹配任意不是’^’的字符。
‘|’ 管道符号，经常用在组中（后面会介绍），相当于or的意思，即如果有多个匹配RE条件，用‘|’将多个条件隔开，匹配的时候就会从左至右依次匹配各个条件，需要注意的是管道符号是非贪婪匹配，即前面的条件匹配成功，后面的条件将不再进行比较。
(…) 圆括号，分组匹配，对圆括号里的RE的内容进行匹配。
(?:…) 匹配内部的RE所匹配的内容，但是不建立组。即匹配以后不能再被获取
(?#…) 注释，圆括号里的内容会被忽略。
(?= … ) 匹配表达式’…’之前的字符串，例如在字符串’pythonretest’中 (?=test) 会匹配’ pythonre’
(?!...) 匹配后面不跟表达式’…’的字符串 如果’pythonre’后面不是字符串’test’，那么 (?!test) 会匹配’ pythonre ’
(?<= … ) 匹配跟在表达式’…’后面的字符串符合括号之后的正则表达式，正则表达式’(?<=abc)def ’会在’ abcdef ’中匹配’ def ’
(?<!...) 匹配括号之后的正则表达式不跟在’…’的后面，
(?= … )与(?!...)是一对反义，只比较...前面的字符串
(?<= … )与(?<!...)是一对反义，只比较...后面的字符串
(?P<name>...) 将匹配到的字符串以name命名，作为分组名称
(?P=name) 与(?P<name>...)的用法连用，用来代指匹配，
    re.match('<(?P<name>\w*)>.*</(?P=name)>', '<h1>xxx</h2>')  #这个不匹配，因为name为h1
    re.match('<(?P<name>\w*)>.*</(?P=name)>', '<h1>xxx</h1>')  #这个匹配
在替换字符串里，如果有\g这样的写法，将匹配正则的命名组（与(?P<name>...)类似）。\g这样的写法，代表数字的组，也就是说，\g<2>一般和\2是等效的，但是万一你要在\2后面紧接着写上字面意义的0，你就不能写成\20了（因为这代表第20个组），这时候必须写成\g<2>0，另外，\g<0>代表匹配到的整个子串。
           

2、特殊表达式序列及其意义

\A 只在字符串开头进行匹配。相当于^
\b 边界分隔符，分割非字母数字和字母数字，下面会有一个例子用来理解
\B 边界分隔符，分割字母数字和字母数字，下面会有一个例子用来理解
\d 匹配任意十进制数，相当于 [0-9]
\D 匹配任意非数字字符，相当于 [^0-9]
\s 匹配任意空白字符，相当于 [ \t\n\r\f\v]
\S 匹配任意非空白字符，相当于 [^ \t\n\r\f\v]
\w 匹配任意数字和字母，相当于 [a-zA-Z0-9_]
\W 匹配任意非数字和字母的字符，相当于 [^a-zA-Z0-9_]
\Z 只在字符串结尾进行匹配。相当于$
           

# \b和\B的练习，因为这两个是对边界进行匹配的，所以与^（开始）和$（结尾）是一家人。
# \b和\B是对字符串中组成元素进行匹配的，它将字符串的组成元素分为字母数字下划线（即\w）和非字母数字下划线（即\W）两个阵营。

例子1：
string1 = "123_The 123The [email protected]#$%^&*()_+The The"
result = re.split(r'\bThe', string1)  # 这个模式的目的是将The与其前一个字符是不同阵营的字符进行分割。
print(result)  # ['123_The 123The [email protected]#$%^&*()_+', ' ', '']
# 其结果是第一个The前的字符是下划线，属于同一个阵营，所以不分割；
# 第二个The前的字符是数字，也属于同一个阵营，所以不分割；
# 第三个The前的字符是非\w的，不属于同一个阵营，所以分割了；
# 第四个The前的字符也是非\w的，不属于同一个阵营，所以分割了；

例子2：
string2 = "123_The 123The [email protected]#$%^&*()_+The The"
result = re.split(r'\bThe', string2)  # 这个模式的目的是将The与其前一个字符是同一个阵营的字符进行分割。
print(result)  # ['123_', ' 123', ' [email protected]#$%^&*()_+The The']
# 可以看到结果是完全反过来了。
           

 3、创建re对象

re.compile(pattern, flags=0)：创建一个正则对象regex，这个正则对象就会被保留，方便以后使用
把正则表达式的模式和标识转化成正则表达式对象，供 match() 和 search() 这两个函数使用。
re 所定义的 flag 包括：
re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为’ . ’并且包括换行符在内的任意字符（’ . ’平时匹配不包括换行符在内的所有字符）
re.X 为了增加可读性，忽略空格和’ # ’后面的注释
           

4、运用正则匹配进行搜索

# search，找到第一个返回，这个匹配地参数可以在字符串中间出现，与match区分开
re.search('kenny', 'kenny正在使用正则表达式')
targe = re.search('kenny', 'ennn答kenny正在使用正则表达式')
print(targe)  # <_sre.SRE_Match object; span=(5, 10), match='kenny'>
targe = re.search('kenny', '正在使用正则表达式')
print(targe)  # None
targe = re.search('kenny', 'kenny正在使用kenny的正则表达式')
print(targe)  # <_sre.SRE_Match object; span=(0, 5), match='kenny'>
print(targe.group())  # kenny

# match，从第一个开始匹配，若第一个字符不匹配，则不再继续匹配
targe = re.match('kenny', 'kenny正在使用正则表达式')
print(targe)  # <_sre.SRE_Match object; span=(0, 5), match='kenny'>
targe = re.match('kenny', 'ennn的kenny正在使用正则表达式')
print(targe)  # None
           

 5、分组匹配

（），括号分组
|，管道符号匹配多个分组
?，选择出现0次或1次
re.x，换行，注释
           

（1）findall

-有分组，则返回元祖列表
-无分组，则会返回字符串列表
           

regex = re.compile(r'(kenny)') 
targe = regex.findall('asdjqiokennynjafahdkennyiujzxn1234')
print(targe)  # ['kenny', 'kenny']
           

（2）split

-返回用正则分割后的列表
           

regex_1 = re.compile(r'kenny') 
print(regex_1.split('12415kenny19uidhrhuhjkenny23414'))  # ['12415', '19uidhrhuhj', '23414']
           

6、替换

（1）字符串的替换replace

s = 'sdjflsjsgkenny09709098kennysdfsf234'
ss = s.replace('kenny', '****')
print(ss)  # sdjflsjsg****09709098****sdfsf234
print(s)  # sdjflsjsgkenny09709098kennysdfsf234
           

 （2）正则的替换sub、subn

regex = re.compile(r'kenny')
s = regex.sub('***$$$$*', 'sdjflsjsgkenny09709098kennysdfsf234')
print(regex)  # re.compile('kenny')
print(s)  # sdjflsjsg***$$$$*09709098***$$$$*sdfsf234
# subn()跟上面的sub()函数一样，只是它返回的是一个元组 (新字符串, 匹配到的次数) 
sn = regex.subn('***$$$$*', 'sdjflsjsgkenny09709098kennysdfsf234')
print(sn)  # ('sdjflsjsg***$$$$*09709098***$$$$*sdfsf234', 2)
           

（3）练习

# 通过分组替换字符串格式，mm/dd/yy -> yy-mm-dd
s = '替换日期格式：10/01/2008，12/25/2018'
re_date = re.compile(r'(\d+)/(\d+)/(\d+)')
ss = re_date.sub(r'\3-\1-\2', s) # 没有名字的时候，用右斜线\3 \1 \2 分别对应上一行分组每个（）的位
# 分组的时候，可以用对应位置的数字来直接表示，也可以命名，在分组内容前加上(?P<名字> 分组内容)，使用的时候用\g<名字>来调用
print(ss)  # 替换日期格式：2008-10-01，2018-12-25
           

# 替换字符串中间多余空格
s = ' kenny 正则 python 好难学， 坚持一下吧，没 几个 了 '
s.strip()
re_blank = re.compile(r'\s+') # s表示空格字符。匹配任意空白字符，相当于 [ \t\n\r\f\v]
print(re_blank.sub('', s))  # kenny正则python好难学，坚持一下吧，没几个了
           

7、re对象的函数

 （1）re.escape(string) 把string中，除了字母和数字以外的字符，都加上反斜杆。

re.escape(string)把string中，除了字母和数字以外的字符，都加上反斜杆。
print(re.escape("[email protected]#$$"))  # qklwj45456\@\#\$\$
           

 （2）groups----RE所含有的组的个数。

（3）groupindex----返回一个字典，反映的是命名组的名字和序号之间的关系

terge = re.compile("(?P<name_1>\d+)-(\d+)-(?P<name_3>\d+)-(?P<name_4>\d)")
print(terge.groups)  # 4
print(terge.groupindex)  # {'name_1': 1, 'name_3': 3, 'name_4': 4}