python中的re模块和正则表达式基础

1.正则匹配基础知识

（1）通配符.

.只匹配一个字符

>>> re.findall("p.ckname","piiickname-pockname")

['pockname']

如果要匹配.等特殊字符，要使用注意字符\

>>> re.findall("p.ckname","pickname--p.ckname")

['pickname', 'p.ckname']

>>> re.findall("p\.ckname","pickname--p.ckname")

['p.ckname']

（2）字符集[]，只能匹配单个字符，匹配多个见（4）

[a-z] 可以匹配a-z之间任意 一个 字符

[a-zA-Z0-9]匹配a-z，A-Z，0-9的任意 一个 字符

[^p]反转匹配，可以匹配除了p的 一个 字符串，注意是使用[ ]括起来的，和（5）区分出来

#例子

>>> re.findall("p[a-z]ckname","piickname-pockname")

['pockname']

>>> re.findall("p[a-z]*ckname","piickname-pockname")

['piickname', 'pockname']

(3)选择符 | 相当于或

(4)可选项，注意（）的使用

()?子模式出现0次或者1次

()*子模式出现0次或者多次

()+子模式出现1次或者多次

(){m,n}子模式出现m-n次

在这个模式下注意一下findall和search的结果

>>> aa=re.search("(name){2}","myname--mynamename--my")

>>> print aa.group()

namename

>>> re.findall("my(name){2}","myname--mynamename--my")

['name'] 这里匹配不到namename，需要进一步理解re的几个函数区别

举个例子r'(http://)?(www\.)?baidu\.com'

匹配结果：http://www.baidu.com

http://baidu.com

www.baidu.com

baidu.com

(5)开头和结尾

^只想在字符串的开头匹配http  ^http

$只想在字符串的结尾匹配http  http$

这里要区分下不以http开头的string怎么写呢？

[^http]要写在[  ]里面

2.re模块

re.compile()

可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。

text="hello,meixiaoer!"

pa=re.compile('h')

pa.match(text)

pa.findall（text）

pa.search(text)

结果：<_sre.SRE_Match object at 0x01ADF100>

['h']

<_sre.SRE_Match object at 0x01A6EDE8>

re.match（）

尝试从 字符串的开始 匹配一个模式， 只匹配一个！

re.match('h',text)    结果是<_sre.SRE_Match object at 0x01ADF090>

re.match('e',text)    结果是none

要是想打印出匹配字符可以这样

m=re.match('h',text)

print m.group(0)     结果是h

re.search() 只匹配一个！

函数会在 字符串内 查找模式匹配,直到找到 第一个 匹配然后返回，未匹配返回none

>>> re.search('e',text)
<_sre.SRE_Match object at 0x01ADF100>

打印元素

>>> m=re.search('e',text)
>>> print m.group(0)
e

因为只匹配第一个元素，所以第二个元素会报错

>>> m=re.search('e',text)
>>> print m.group()
IndexError: no such group

re.findall()查找多有符合的元素，匹配所有，返回列表

>>> re.findall("name","name-myname-yourname")

['name', 'name', 'name']

>>> re.findall("^name","name-myname-yourname")

['name'] 因为^name正则表达式是从开始匹配的，可以理解下

另一个例子更清楚的看清三个函数的区别

#只有findall可以查找所有的

f=re.findall('[0-9]','2fff4')

print f #['2','4'] 返回结果是列表

s=re.serach('[0-9]','fff45')//查找第一个符合的以后就停止查找了

print s.group() #

m=re.match('[0-9]','fff45') //从第一个字符开始匹配，符合以后就停止查询

print m.group() #None

m=re.match('[0-9]','1fff45')

print m.group() #

###########一些常用的使用场景#################

1.

#使用()进行分组

#不使用()，表示表达式是一个组，就要使用group(0)

m=re.match(r'\d{3}-\d{3,8}','010-12345')

print m.group(0) #010-12345,ps特殊符号一遍要使用\-但是-这里不使用也可以

#如果使用(),表示表达式是有n个组的，所以要使用groups()

m=re.match(r'(\d{3})-(\d{3,8})','010-12345')

print m.groups()#('010', '12345')

print m.group(0)#010-12345  默认组0，组0包含整个字符串

print m.group(1)#010        组1包含第一个（）内的正则

print m.group(2)#123456     组2包含第二个（）内的正则

2. 分割字符应用

p=re.compile(r'd+')

p.split('one1two22three333four')    #['one', 'two', 'three', 'four']

两种方法，先compile后，就不用每次都运行compile了

ss="hello,what,is,,,,,,your,,name"

import re

sss=re.split('[,]+',ss)

print sss

#等同于

pa=re.compile('[,]+')

aaa=pa.split(ss)

print aaa

3替换应用，最突出的就是和组结合使用

re.sub()

4贪婪匹配

将贪婪比配转换成非贪婪模式？,这里注意？的位置啊

ss='*mili*is*great*'

#贪婪模式

pa=re.compile(r'\*(.+)\*')

print pa.match(ss).group(0)

#*mili*is*great* 世界只想匹配*mili*，贪婪尽可能多的东西匹配

#非贪婪模式，匹配到就停止
pa1=re.compile(r'\*(.+?)\*')    #这里注意下？的位置啊(.+)?这个?指的是0次或者1次，不一样的

print pa1.match(ss).group(0)

#*mili*

5 re.sub替换，模式替换

#替换re.sub强大之处就在于替换中使用组号，默认整个字符创是group(0),\1第一个()group(1)

#re.sub(pa,repl,string,count=0) 用repl替换pa匹配的地方

print help(re.sub)

ss='hello, *world*'

pa=re.compile(r'\*([^\*]+)\*') #匹配不以*开头的字符串，^需要[^]使用

print re.sub(pa,'hahahaha',ss)

#hello, hahahaha

pa1=re.compile(r'\*([^\*]+)\*')

print re.sub(pa,r'<h1>\1</h1>',ss)

#\1第一个()group(1)

hello, <h1>world</h1>