牛叉的正则表达式
正则表达式与re模块的关系
1.正则表达式是一门独立的技术，任何语言均可使用
2.python中要想使用正则表达式需要通过re模块
字符组
元字符
量词
. 匹配除换行符以外的任意字符
^ 匹配字符串的开始
$ 匹配字符串的结尾
很多时候如果表达式是 ^开头 内容 $结尾 这意思为固定整个字符串为一个匹配对象必须符合相应的标准才能匹配成功
? 重复两次或一次
- 重复零次或多次
- 重复一次或多次
{ } 看里面的参数 比如{1,2} 默认会贪婪匹配匹配2个,后面加?才会匹配一个
{n}:明确指定个数
注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
［］ 或的意思
［^］ 取反
转义符
str1 = ‘\n‘
print(str1)
res = re.search(r‘\n‘,str1) #这样能正常匹配 要么就是\\n 连续转移 显而易见r的方便了!!!!!!!
print(str1)
重点内容总结:
^:以什么什么开头
^[a-z]
^[0-9]
$:以什么什么结尾
ps:^与$连用能够精准匹配固定长度的目标字符,^只能出现在开头()，$只能出现结尾
|:或
ab|abc优先匹配前面的正则表达式ab，匹配上就不再用后面的abc，可以通过调换顺序修改优先级
^:出现在[]中的^表示除了^后面的其他都匹配
[^a]除了a其他都匹配
[^a-z]除了小写字母a-z其他都匹配
上面的是匹配单个字符的符号，接下来需要学习匹配个数的限制符号
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
<.> 默认为贪婪匹配模式，会匹配尽量长的字符串
<.?> 加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
几个常用的非贪婪匹配Pattern
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
.*?的用法
. 是任意字符
- 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x
就是取前面任意长度的字符，直到一个x出现
需了解内容总结
- \w,\s,\d与\W,\S,\D相反的匹配关系(对应的两者结合就是匹配全局)
- \t匹配制表符
- \b匹配结尾的指定单词
什么是re模块
import re
ret = re.findall('a','eva egon yuan') # 返回所有满足匹配条件的结果,放在列表里
print(ret) #结果 : ['a','a']
ret = re.search('a','eva egon yuan').group()
print(ret) #结果 : 'a'
# 函数会在字符串内查找模式匹配,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。
ret = re.match('a','abc').group() # 同search,不过尽在字符串开始处进行匹配
print(ret)
#结果 : 'a'
ret = re.split('[ab]','abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret) # ['','','cd']
ret = re.sub('\d','H','eva3egon4yuan4',1)#将数字替换成'H'，参数1表示只替换1个
print(ret) #evaHegon4yuan4
ret = re.subn('\d','eva3egon4yuan4')#将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret)
obj = re.compile('\d{3}') #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group()) #结果 ： 123
import re
ret = re.finditer('\d','ds3sy4784a') #finditer返回一个存放匹配结果的迭代器
print(ret) # <callable_iterator object at 0x10195f940>
print(next(ret).group()) #查看第一个结果
print(next(ret).group()) #查看第二个结果
print([i.group() for i in ret]) #查看剩余的左右结果
findall的优先级查询：
import re
ret = re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ret = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
print(ret) # ['www.oldboy.com']
split的优先级查询:
ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 ： ['eva','egon','yuan']
ret=re.split("(\d+)",'3','4','yuan']
#在匹配部分加上（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。
