正则表达式 整理(\w \s \d 点 贪婪匹配 非贪婪匹配 * + ? {} | [] ^ $ \b 单词边界 分组、re.findall()、re.split()、re.search()、re.match()、re.compile()、re.sub())

时间:2022-02-04 22:38:50
re.findall  匹配到正则表达式的字符,匹配到的每个字符存入一个列表,返回一个匹配到的所有字符列表
一. 匹配单个字符
import re
# \w 匹配所有字母、数字、下划线
re.findall('\w','abcd_123    *-')
# 结果为:['a', 'b', 'c', 'd', '_', '1', '2', '3']


# \s 匹配所有不可见字符
#  不可见字符有:\n \t 空格
re.findall('\s','abcd \n\tdf21  ')
# 结果为:[' ', '\n', '\t', ' ', ' ']


# \d 匹配所有数字
re.findall('\d','a1bc3 4d \n\tdf21  ')
# 结果为:['1', '3', '4', '2', '1']


# . 匹配\n换行符以外的所有可见和不可见字符
re.findall('.', 'c3 d\n\td1')
# 结果为:['c', '3', ' ', 'd', '\t', 'd', '1']

二. 匹配多个字符

#匹配多个字符:* + ?
import re
#  * 匹配0或n次
re.findall('\d*', '1a23')
# 结果为:['1', '', '23', '']


#  + 匹配1或n次
re.findall('\d+', '1a23')
# 结果为:['1', '23']
#前面2个是叫贪婪匹配


#  ? 匹配0或1次
re.findall('\d?', '1a3')
# 结果为:['1', '', '3', '']
# 这个叫非贪婪匹配

三. 匹配指定范围字符

# {m,n} 匹配最少m次,最多n次
# {m} 只匹配m次的
# {,n}  匹配最大n次,最小次数不限
# {m,}  匹配最小m次,最大次数不限
re.findall('\d{2,4}', '1a33g134nn12345')
# 结果为:['33', '134', '1234']
re.findall('a{3}', '1aaa3*G+1aaaan#b')
# 结果为:['aaa', 'aaa']


# | 匹配 或 语法的字符
re.findall('1|23|4', '1a33g134nn12345')
# 结果为:['1', '1', '4', '1', '23', '4']


# [ ] 匹配括号内的字符(只匹配单个)
re.findall('[123]', '1a33g134nn12345')
# 结果为:['1', '3', '3', '1', '3', '1', '2', '3']
re.findall('[0-9a-zA-Z]', '1a3*G+1n#')
# 匹配0到9或者a到z或者A到Z单个字符
# 结果为:['1', 'a', '3', 'G', '1', 'n']


# ^x 行首匹配
# x$ 行尾匹配
re.findall('^1', '1a3*G+1n#b')
re.findall('1$', '1a3*G+1n#b')
# 结果为:['1']     
# 结果为:['b']

. 一些比较不常见的匹配
1、\b 单词边界,重点理解在于‘边界’二字,‘单词’代表匹配的字符串,

  划定边界基本原则:比如表达式为 '\b单词\b'   的意思就是匹配字符串为‘单词’,单词两边需要存在满足条件的边界才能匹配成功。匹配失败结果肯定是空列表,匹配成功结果就是匹配的单词字符串列表。

  \b在哪边就限制哪边的匹配。

  匹配成功的边界满足条件跟匹配单词字符串有关联,双方是同一类型则失败,不同类型则成功

# 正则表达式中的\b可以用匹配目标单词字符串,加设限制匹配边界
# 单词的 前边界:'\b单词'
#     后边界:'单词\b'
#     前和后边界:'\b单词\b' # 在\b的使用中有这样几点是需要格外注意的
# 0. \b本身的含义就有转义字符串的作用,要用字符边界就得将其原始含义去掉,所以需要加r或者\\b(两个不能一起用)

# 1. 单词字符串能否匹配成功是有规律的:
# 如果是a-z,A-Z,0-9,则匹配边界为非字母数字才能匹配成功。
# 如果是非字母数字,则匹配边界为a-z,A-Z,0-9才能匹配成功。
# 如果是两个混在一起,判断标准为那个挨着\b最近的字符作为判断标准,如果是字母数字,则匹配边界为非字母数字才成功,反之亦然。
import re
s='aa abcperty/-aa '
res1=re.findall(r'\babc',s)    # 结果:['abc'] 单词为字母,左匹配边界为非字母数字,匹配成功
res2=re.findall(r'abc\b',s)    # 结果:[]      单词为字母,右匹配边界为字母,匹配失败
print(res1,res2)

s='aa@# perty/-aa '
res3=re.findall(r'\b@#',s)     # 结果:['@#']  单词为非字母数字,左匹配边界为字母,匹配成功
res4=re.findall(r'@#\b',s)     # 结果:[]      单词为非字母数字,右匹配边界为空格(非字母数字),匹配失败
print(res3,res4)

s='aa@a perty/-aa '
res5=re.findall(r'\b@a',s)     # 结果:['@a']  单词为混合,@挨着\b,单词以非字母数字为标准,左匹配边界为字母,匹配成功
res6=re.findall(r'@a\b',s)     # 结果:['@a']  单词为混合,a挨着\b,单词以字母数字为标准,右匹配边界为空格,匹配成功
print(res5,res6)

# 2.字符串的首尾边界默认定义为 非字母数字,所以如果匹配的单词字符串在首尾,则匹配字母数字则会成功,匹配非字母数字失败。
s= 'abcd@'
res7 = re.findall(r'\ba',s)    # 结果:['a'] 单词为字母,左匹配边界为首,默认定义为非字母数字,匹配成功
res8 = re.findall(r'@\b',s)    # 结果:[] 单词为非字母数字,右匹配边界为尾,默认定义为非字母数字,匹配失败
print(res7,res8)

五. 分组

用小括号表示,分组后的正则表达式优先匹配并返回括号内的值

 

六. re模块常用方法

re.search   查找,匹配成功返回第一匹配的字符串,结果为封装的对象(注意search返回的是个对象,.group() 后得到的是字符串不是列表),失败返回None

import re
s = 'welcome world hello python'
res = re.search('hello', s)
print(res)
print(res.group())

# 结果:
<_sre.SRE_Match object; span=(14, 19), match='hello'>
hello

re.match  匹配,在行首匹配字符串,方法同search,区别在于,match在行首匹配,search是从前到后全部查找匹配。

s = 'hello welcome world hello python'
res=re.match('hello', s)
print(res)
print(res.group())
res1=re.match('welcome',s)
print(res1)

# 结果:
<_sre.SRE_Match object; span=(0, 5), match='hello'>
hello
None

re.split  用匹配成功的字符串作为切割符,进行原字符串的切割,返回一个切割后的列表。匹配失败,直接返回原字符串,不做任何切割处理

匹配成功完成切割
s1 = 'hello welchhome world hello python'
res=re.split('h.+?o',s1)
print(res)

# 结果:
['', ' welc', 'me world ', ' python']

匹配不成功,返回原字符串。不做任何切割处理
s1 = 'hello welchhome world hello python'
res0=re.findall('json',s1)
print(res0)
res=re.split('json',s1)
print(res)

# 结果:
[]
['hello welchhome world hello python']

 re.compile 将正则表达式封装成对象,用于重复使用该表达式。使用方法看例子:

s1 = 'hello welchhome world hello python'
pat=re.compile('h.+?o')
res2=pat.findall(s1)
print(res2)

# 结果:
['hello', 'hho', 'hello']

re.sub 替换,重组(group(1)、group(2)...group(n)用\1  \2  ...\n来替换,进行字符串的重新组合(前面要加r防止其转义)

s='<我的博客地址https://www.cnblogs.com/oldboy2019/,欢迎大家来访问、交流,欢迎大家一起探讨python!ohye!>'
# pat=re.compile(r'<(.+)http://(www.+/),.+>')
pat=re.compile(r'<(.+)http.+(www.+/),(.+?)([a-z]+)!(.+)!>')
print(pat.findall(s))
res=pat.sub(r'\2\n这是\1,\4,\5\3',s)
print(res)

# 结果:
[('我的博客地址', 'www.cnblogs.com/oldboy2019/', '欢迎大家来访问、交流,欢迎大家一起探讨', 'python', 'ohye')]
www.cnblogs.com/oldboy2019/
这是我的博客地址,python,ohye欢迎大家来访问、交流,欢迎大家一起探讨

#注意,这里第二个打印我在前面加了个原义字符r,但是里面\n还是转义成了换行,很奇怪,这个地方欢迎一起交流,为何会出现这种情况呢?