Python----Python高级（正则表达式：语法规则，re库）

一、正则表达式

1.1、概念

正则表达式，又称规则表达式,（Regular Expression，在代码中常简写为regex、 regexp或RE），是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。

正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。通俗的说，正则表达式就是一种语法规则，用来匹配文本中的文本。

正则表达式非常强大，不仅在UNIX系统中应用广泛，近二十年来，在Windows系统中也得到极大的发展，现如今主流的操作系统包括Linux、Unix、Windows和主流的开发语言包括C/C++、Java、JavaScript、C#、Python、Go、PHP等。

1.2、特点

缺点：

正则表达式的语法可读性差

优点：
正则表达式通用行很强，能够适用于很多编程语言

二、语法规则

2.1、匹配什么字符

代码	功能
.	匹配任意1个字符（除了\n）
[ ]	匹配[ ]中列举的字符
\d	匹配数字，即0-9
\D	匹配非数字，即不是数字
\s	匹配空白，即空格，tab键
\S	匹配非空白
\w	匹配非特殊字符，即a-z、A-Z、0-9、_、汉字
\W	匹配特殊字符，即非字母、非数字、非汉字

2.2、匹配多少次

代码	功能
*	匹配前一个字符出现0次或者无限次，即可有可无
+	匹配前一个字符出现1次或者无限次，即至少有1次
?	匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m}	匹配前一个字符出现m次
{m,n}	匹配前一个字符出现从m到n次
{n，}	匹配前一个字符出现n次以上

2.3、在哪里匹配

代码	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	表示匹配单词边界。（比如\bword，可以匹配word、words，但不会匹配 sword）

2.4、匹配指定格式的字符

1. 使用（）匹配指定格式的字符

(ab)：表示在文本中只匹配ab这两个字符，且必须相邻

(a|b)：表示在文本中匹配a或者b这两个字符，不一定相邻。

2. 使用[]匹配指定类别的字符串

[abcd]：表示匹配a或匹配b或匹配c或匹配d

[a-d]：表示匹配a或匹配b或匹配c或匹配d

[a-zA-Z0-9]：表示匹配所有的大小写英文和数字

[^0-9]：表示匹配除了数字之外的所有字符

2.5、单行模式与多行模式

1. 单行模式：

在单行模式下，.可以匹配任何的字符，包括换行符，并且整个文本会被认为是一个完整的文本，使用^和$只能匹配到文本的开头和结尾。

2. 多行模式：

在多行模式下，.就不可以匹配换行符了，使用^和$可以匹配到每一行的开始和结束。

2.6、贪婪匹配与懒惰匹配

1. 贪婪模式：指在正则表达式中的量词会尽可能多地匹配字符。

2. 懒惰模式：指在正则表达式中的量词会尽可能少地匹配字符。

2.7、？的几种用法

1. ？作为限定符，表示其修饰对象只能出现0次或1次。

2. ？放在量词前，表示将匹配模式改为懒惰匹配模式。

3. （?=pattern）：表示匹配位置后面必须跟着pattern模式的字符，匹配结果并不包括这个模式的字符串。

4. （?!pattern）：表示匹配位置后面不能跟着pattern模式的字符，匹配结果并不包括这个模式的字符串。

5. （?<=pattern）：表示匹配位置前面必须跟着pattern模式的字符，匹配结果并不包括这个模式的字符串。

6.（?<!pattern）：表示匹配位置前面不能跟着pattern模式的字符，匹配结果并不包括这个模式的字符串

7.（?:pattern）：表示将 pattern 包含在一个分组中，但不把这个分组的匹配结果保存到分组编号中。

三、Python中的re库

3.1、re.match

该函数尝试从字符串的起始位置匹配，如果起始位置没有匹配成功的话，就返回 None，否则会返回一个匹配对象

re.match(pattern，string，flags=0)

        pattern：正则表达式的格式。

        string：被匹配的文本。

        flags：标志位，用于控制正则表达式的匹配方式

应用场景

        验证输入格式：检查用户输入是否符合特定的格式，例如电子邮件、电话号码、日期等

        提取信息：从字符串的开始位置提取符合正则表达式模式的字串，如提取文件名等。

        数据解析：在处理日志文件或配置文件时，可以用来解析每行的开始部分，获取关键信息。

import rem = re.match('foo', 'food') # 返回匹配对象
print(m) # <re.Match object; span=(0, 3), match='foo'>m = re.match('foo', 'fbar') # 不匹配,返回None
print(m) # None

3.2、re.search

从文本中获取第一个符合正则表达式模式的字符的位置，并返回一个匹配对象，如果没有匹配到，就返回None。

re.search(pattern，string，flags=0)

        pattern：正则表达式的格式。

        string：被匹配的文本。

        flags：标志位，用于控制正则表达式的匹配方式

应用场景

        检查字符串是否包含子串：检查一个字符串是否包含某个特定的文本。

        提取数据：从字符串中的任意位置提取信息，例如从一个文本段落中提取所有提到的日期。

        搜索文件：在某文件中查找特定的消息或事件。

import rem = re.search('foo', 'hellofood')  
print(m) # <re.Match object; span=(6, 9), match='foo'>m = re.search('foo', 'hello')  
print(m) # None

3.3、re.findall

数从文本中寻找所有与模式匹配的子串，并将所有的匹配结果存储到一个列表中进行返回，如果没有匹配成功会返回一个空列表。

re.findall(pattern，string，flags=0)

        pattern：正则表达式的格式。

        string：被匹配的文本。

        flags：标志位，用于控制正则表达式的匹配方式

应用场景

提取多个子串：当你需要在字符串中找到所有匹配特定模式的字串时。

文本分析：在文本中，提取文本中特定的词汇、短语或模式。

import relst = re.findall('ab', 'abcdabcdabcd') 
print(lst) # ['ab', 'ab', 'ab']

3.4、re.sub

将文本中与模式匹配的部分替换为其他的内容

re.sub(pattern，repl，string，count，flags=0)

        pattern：正则表达式的格式。

        repl：这是替换文本或一个函数。如果是文本，就是将匹配到的内容替换为该文本；如果是函数，会在函数中进行文本处理的操作。

        string：被匹配的文本。

        count：这是可选参数，表示替换的最大次数。默认值为 0，表示替换所有匹配项。

        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、设置多行匹配模式等，具体有哪些标志可参考下面的附录1表格。

应用场景

        文本格式化：将文本中的特定模式的文本替换为另一种格式。

        数据清洗：在处理数据时，移除或替换无效或不需要的字符，比如在一系列文本中删除非数字字符以清理电话号码。

        敏感信息脱敏：在显示或存储数据前，将敏感信息（比如身份证号、手机号）的部分内容替换为星号。

import retext = 'yeah, but no, but yeah, but no'
print(re.sub('but', 'AND', text))
# yeah, AND no, AND yeah, AND no

3.5、re.split

将某文本根据匹配模式进行分割，并将分割后的结果放入列表中返回

re.split(pattern，string，maxsplit，flags=0)

        pattern：正则表达式的格式。

        string：被匹配的文本。

        maxsplit：表示最大分割次数。默认值为 0，表示分割所有匹配项。

        flags：标志位，用于控制正则表达式的匹配方式

import re
text = "apple, banana, orange, watermelon"
fruits = re.split(r',\s*', text)
print(fruits) #['apple', 'banana', 'orange', 'watermelon']

3.6、re.compile

预先编译正则表达式要匹配的模式，并会返回一个正则表达式的对象，该对象与re.match返回的对象不同，该对象可以调用上面的函数。

re.compile(pattern, flags=0)

pattern：要匹配的正则表达式。

flags：标志位，用于控制正则表达式的匹配方式

常见的应用场景：

多次匹配：当你需要在一个较长的文本中多次应用同一个正则表达式时，使用 re.compile可以避免每次匹配时都重新编译表达式。

import re# 编译一个正则表达式模式，用于匹配手机号
email_pattern = re.compile(r'[1]{1}[3589]{1}[0-9]{9}')
text = '''1o23j0 rde013309876543cvbnoikdjgv10248895490-/*-+68-*8+'''
emails = email_pattern.search(text)print(emails)
# <re.Match object; span=(15, 26), match='13309876543'>