正則表達式 整理(\w \s \d 點 貪婪匹配 非貪婪匹配 * + ? {} | [] ^ $ \b 單詞邊界 分組、re.findall()、re.split()、re.search()、re.match()、re.compile()、re.sub())

re.findall  匹配到正則表達式的字符，匹配到的每個字符存入一個列表，返回一個匹配到的所有字符列表

一. 匹配單個字符

import re
# \w 匹配所有字母、數字、下划線
re.findall('\w','abcd_123    *-')
# 結果為：['a', 'b', 'c', 'd', '_', '1', '2', '3']


# \s 匹配所有不可見字符
#  不可見字符有：\n \t 空格
re.findall('\s','abcd \n\tdf21  ')
# 結果為：[' ', '\n', '\t', ' ', ' ']


# \d 匹配所有數字
re.findall('\d','a1bc3 4d \n\tdf21  ')
# 結果為：['1', '3', '4', '2', '1']


# . 匹配\n換行符以外的所有可見和不可見字符
re.findall('.', 'c3 d\n\td1')
# 結果為：['c', '3', ' ', 'd', '\t', 'd', '1']

二. 匹配多個字符

#匹配多個字符：* + ？
import re
#  * 匹配0或n次
re.findall('\d*', '1a23')
# 結果為：['1', '', '23', '']


#  + 匹配1或n次
re.findall('\d+', '1a23')
# 結果為：['1', '23']
#前面2個是叫貪婪匹配


#  ？ 匹配0或1次
re.findall('\d?', '1a3')
# 結果為：['1', '', '3', '']
# 這個叫非貪婪匹配

三. 匹配指定范圍字符

# {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，最小次數不限
# {m,}  匹配最小m次，最大次數不限
re.findall('\d{2,4}', '1a33g134nn12345')
# 結果為：['33', '134', '1234']
re.findall('a{3}', '1aaa3*G+1aaaan#b')
# 結果為：['aaa', 'aaa']


# | 匹配 或 語法的字符
re.findall('1|23|4', '1a33g134nn12345')
# 結果為：['1', '1', '4', '1', '23', '4']


# [ ] 匹配括號內的字符（只匹配單個）
re.findall('[123]', '1a33g134nn12345')
# 結果為：['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單個字符
# 結果為：['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('b$', '1a3*G+1n#b')
# 結果為：['1']     
# 結果為：['b']

四. 一些比較不常見的匹配

\b 單詞邊界，重點理解在於‘邊界’二字，‘單詞’代表匹配的字符串

　　划定邊界基本原則：比如表達式為 '\b單詞\b'   的意思就是匹配字符串為‘單詞’，單詞兩邊需要存在滿足條件的邊界才能匹配成功。匹配失敗結果肯定是空列表，匹配成功結果就是匹配的單詞字符串列表。

　　\b在哪邊就限制哪邊的匹配。

　　匹配成功的邊界滿足條件跟匹配單詞字符串有關聯，雙方是同一類型則失敗，不同類型則成功

# 正則表達式中的\b可以用匹配目標單詞字符串，加設限制匹配邊界
# 單詞的 前邊界:'\b單詞'
# 　　　 后邊界:'單詞\b'
# 　　　 前和后邊界:'\b單詞\b' # 在\b的使用中有這樣幾點是需要格外注意的。
# 0. \b本身的含義就有轉義字符串的作用，要用字符邊界就得將其原始含義去掉，所以需要加r或者\\b(兩個不能一起用）

# 1. 單詞字符串能否匹配成功是有規律的：
# 如果是a-z,A-Z,0-9，則匹配邊界為非字母數字才能匹配成功。
# 如果是非字母數字，則匹配邊界為a-z,A-Z,0-9才能匹配成功。
# 如果是兩個混在一起，判斷標准為那個挨着\b最近的字符作為判斷標准，如果是字母數字，則匹配邊界為非字母數字才成功，反之亦然。
import re
s='aa abcperty/-aa '
res1=re.findall(r'\babc',s)    # 結果:['abc'] 單詞為字母，左匹配邊界為非字母數字，匹配成功
res2=re.findall(r'abc\b',s)    # 結果:[]      單詞為字母，右匹配邊界為字母，匹配失敗
print(res1,res2)

s='aa@# perty/-aa '
res3=re.findall(r'\b@#',s)     # 結果:['@#']  單詞為非字母數字，左匹配邊界為字母，匹配成功
res4=re.findall(r'@#\b',s)     # 結果:[]      單詞為非字母數字，右匹配邊界為空格(非字母數字），匹配失敗
print(res3,res4)

s='aa@a perty/-aa '
res5=re.findall(r'\b@a',s)     # 結果:['@a']  單詞為混合，@挨着\b，單詞以非字母數字為標准，左匹配邊界為字母，匹配成功
res6=re.findall(r'@a\b',s)     # 結果:['@a']  單詞為混合，a挨着\b，單詞以字母數字為標准，右匹配邊界為空格，匹配成功
print(res5,res6)

# 2.字符串的首尾邊界默認定義為 非字母數字，所以如果匹配的單詞字符串在首尾，則匹配字母數字則會成功，匹配非字母數字失敗。
s= 'abcd@'
res7 = re.findall(r'\ba',s)    # 結果:['a'] 單詞為字母，左匹配邊界為首，默認定義為非字母數字，匹配成功
res8 = re.findall(r'@\b',s)    # 結果:[] 單詞為非字母數字，右匹配邊界為尾，默認定義為非字母數字，匹配失敗
print(res7,res8)

五. 分組

用小括號表示，分組后的正則表達式優先匹配並返回括號內的值

 

六. re模塊常用方法

re.search   

查找，匹配成功返回第一匹配的字符串，結果為封裝的對象（注意search返回的是個對象，.group() 后得到的是字符串不是列表），失敗返回None

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

# 結果：
<_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，區別在於，match在行首匹配，search是從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)

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

re.split 

用匹配成功的字符串作為切割符，進行原字符串的切割，返回一個切割后的列表。匹配失敗，直接返回原字符串，不做任何切割處理

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

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

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

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

 re.compile

將正則表達式封裝成對象，用於重復使用該表達式。使用方法看例子：

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

# 結果：
['hello', 'hho', 'hello']

re.sub

替換，重組（group(1)、group(2)...group(n)用\1  \2  ...\n來替換，進行字符串的重新組合（前面要加r防止其轉義））

s='<我的博客地址https://www.cnblogs.com/oldboy2019/,歡迎大家來訪問、交流,歡迎大家一起探討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這是\1,\4,\5\3',s)
print(res)

# 結果：
[('我的博客地址', 'www.cnblogs.com/oldboy2019/', '歡迎大家來訪問、交流,歡迎大家一起探討', 'python', 'ohye')]
www.cnblogs.com/oldboy2019/
這是我的博客地址,python,ohye歡迎大家來訪問、交流,歡迎大家一起探討

#注意，這里第二個打印我在前面加了個原義字符r,但是里面\n還是轉義成了換行，很奇怪，這個地方歡迎一起交流，為何會出現這種情況呢？