Python 使用 re 模块 使用正则表达式,使用正则表达式的情况下如果要使用原始字符串就要在字符串前加一个 r 前缀

re 模块的一般使用步骤

1. 使用 compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象
2. 通过 Pattern 对象提供的一系列方法对文本进行匹配查找,获得匹配结果,一个 Match 对象
3. 最后使用 Match 对象提供的属性和方法获得信息,根据需要进行其它的操作

compile 函数 : pattern = re.compile("正则表达式")

1. compile 函数用于编译正则表达式,生成一个 Pattern 对象

2. 利用 pattern 的一系列方法对文本进行匹配查找

3. Pattern 常用方法

   方法	描述
   .match(string, start, end)	从起始位置开始查找,一次匹配
   .search(string, start, end)	从任何位置开始查找,一次匹配
   .findall(string, start, end)	全部匹配,返回列表
   .finditer(string, start, end)	全部匹配,返回迭代器
   .split(String, Macsplit)	分割字符串,返回列表
   .sub(repl, String, Count)	替换

Pattern 对象常用方法

1. match 方法 : 查找字符串的头部 (也可以指定起始位置), 一次匹配,只要找到一个匹配结果就返回,不是查找所有匹配结果

   1. 一般使用形式

      Match = pattern.match(
      	string,  # 要匹配的目标字符串
          start,  # 要匹配的目标字符串的起始位置 (可选参数)
          end  # 结束位置 (可选参数)
      )

   2. 参数

      1. string : 待匹配字符串
      2. start : 字符串的起始匹配位置,默认值为 0 可选参数
      3. end : 字符串匹配的结束位置, 默认值为字符串长度 可选参数

   3. 当匹配成功时返回一个 Match 对象,如果没有匹配上,则返回 None

2. search 方法 : 查找字符串的任何位置,一次匹配,找到一个匹配的结果就返回,而不是所有的匹配结果

   1. 一般使用形式

      Match = pattern.search(
      	string,  # 要匹配的目标字符串
          start,  # 要匹配目标字符串的起始位置 (可选参数)
          end  # 结束位置 (可选参数)
      )

   2. 参数

      1. string : 待匹配字符串
      2. start : 字符串的起始匹配位置,默认值为 0 可选参数
      3. end : 字符串匹配的结束位置, 默认值为字符串长度 可选参数

   3. 当匹配成功时返回一个 Match 对象,如果没有匹配上,则返回 None

3. findall 方法 : 查找整个字符串,多次匹配,返回所有匹配对象的列表

   1. 一般使用形式

      Match = pattern.findall(
      	string,  # 要匹配的目标字符串
          start,  # 要匹配目标字符串的起始位置 (可选参数)
          end  # 结束位置 (可选参数)
      )

   2. 参数

      1. string : 待匹配字符串
      2. start : 字符串的起始匹配位置,默认值为 0 可选参数
      3. end : 字符串匹配的结束位置, 默认值为字符串长度 可选参数

   3. 以列表形式返回全部能匹配的子串,如果没有匹配返回一个空列表

4. finditer 方法 : 与 findall 类似,搜索整个字符串,获取所有匹配结果,返回一个顺序访问没一个匹配结果 (Match 对象) 的迭代器

   1. 一般使用形式

      Match = pattern.finditer(
      	string,  # 要匹配的目标字符串
          start,  # 要匹配目标字符串的起始位置 (可选参数)
          end  # 结束位置 (可选参数)
      )

   2. 参数

      1. string : 待匹配字符串
      2. start : 字符串的起始匹配位置,默认值为 0 可选参数
      3. end : 字符串匹配的结束位置, 默认值为字符串长度 可选参数

   3. 返回一个顺序访问没一个匹配结果 (Match 对象) 的迭代器

5. split 方法 : 按照能够匹配的子串将字符串分割后返回列表

   1. 一般使用形式

      Match = pattern.split(
      	String,  # 要匹配的目标字符串
          Maxsplit  # 指定最大分隔次数,默认全部分隔,可选
      )

   2. 参数

      • Maxsplit : 指定最大分隔次数,默认全部分隔,可选

6. sub 方法 : 用于替换指定字符串中指定字符

   1. 一般使用形式

      Match = pattern.sub(
      	repl,  # 替换成什么
          String,  # 替换什么
          Count  # 替换次数, 可选
      )

   2. 参数

      1. repl : 可以是字符串也可以是一个函数
         1. repl 是字符串 : 会使用 repl 去替换字符串每一个匹配的子串,并返回替换后的字符串;另外 repl 还可以使用 id 的形式来引用分组,但不能使用编号 0
         2. repl 是函数 : 这个方法应当只接受一个参数 (Match 对象),并返回一个字符串用于替换(返回的字符串中不能在引用分组)
      2. count : 指定最多替换次数,不指定时全部替换

   3. 实例

      s = "zhangsan:20000,list:3000"
      
      p = re.compile("(\w+):(\w+)")
      
      print(p.sub(r'lisi:500', s, 1))  # lisi:500,list:3000
      print(p.sub(r'\2 \1', s))  # 20000 zhangsan,3000 list
      
      def func(m):
      	print(m.group())
      	return m.group(1) + '\t' + str(int(m.group(2)) + 200)
      
      print(p.sub(func, s))  # zhangsan	20200,list	3200
      print(p.sub(func, s, 1))  # zhangsan	20200,list:3000

匹配中文 : 匹配中文的 unicode 编码,中文的 unicode 编码范围主要在 [u4e00-u9fa5] (不包括全角中文标点)

re.S 在正则中的作用

• 正则表达式中 "." 的作用是匹配除 "\n" 以外的任何字符,也就是说,只可以在一行中匹配,遇到换行符就结束.HTML 中 a字符每行末尾都有一个不可见的换行符
• 使用 re.S 正则表达式可以将字符串作为一个整体,将 "\n" 当做一个普通字符加入这个字符串,参与匹配