Python之re模块

re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，

而正则表达式是对字符串进行模糊匹配，提取自己需要的字符串部分，他对所有的语言都通用。

1、字符

2、字符集

3、量词

贪婪模式：总是尝试匹配尽可能多的字符

非贪婪则相反，总是尝试匹配尽可能少的字符。

{0,} 匹配前一个字符 0 或多次,等同于 * 元字符

{+,} 匹配前一个字符 1 次或无限次,等同于 + 元字符

{0,1 }匹配前一个字符 0 次或 1 次,等同于 ? 元字符

如果 () 后面跟的是特殊元字符如 (adc)* 那么*控制的前导字符就是 () 里的整体内容，不再是前导一个字符

4、特殊分组用法表：只对正则函数返回对象的有用

5、断言

从断言的表达形式可以看出，它用的就是分组符号，只不过开头都加了一个问号，这个问号就是在说这是一个非捕获组，这个组没有编号，不能用来后向引用，只能当做断言。

匹配 <title>xxx</title>中 xxx ： (?<=<title>).*(?=</title>)

自己理解就是：

5、例子

（1）非

^(?!.*200).*$ ，只匹配200

^(?!.*[200|400]).*$ ，只匹配200和400

[^a-z] 反取,不含a-z字母的

（2） \u4e00-\u9fa5 中文

（3） r"\b([\u4e00-\u9fa5]\s?[\u4e00-\u9fa5]+)\b" # 小 明 匹配这种单字中间有空格的

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用

match 尝试从字符串的 起始位置 匹配一个模式，如果不是起始位置匹配成功的话，返回none。

search 扫描 整个字符串 并返回 第一个成功 的匹配。

re.match与re.search的区别:

正则表达式替换函数

替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受

(2) 两个字符以上切割，放在 [ ] 中（不保留分隔符）：

(3) 使用 ( ) 捕获分组（保留分割符）：

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 ，findall 匹配所有。

用法：

注意1：一旦匹配成，再次匹配，是从前一次匹配成功的，后面一位开始的，也可以理解为匹配成功的字符串，不在参与下次匹配

注意2：如果没写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的，空字符串列表

注意3：正则匹配到空字符的情况，如果规则里只有一个组，而组后面是 * 就表示组里的内容可以是 0 个或者多过，这样组里就有了两个意思：

一个意思是匹配组里的内容，

二个意思是匹配组里 0 内容（即是空白）

所以尽量避免用 * 否则会有可能匹配出空字符串

正则表达式，返回类型为表达式对象的

如：<_sre.SRE_Match objectspan=(6, 7), match='a'>

返回对象的，需要用正则方法取字符串，

. 匹配除换行符外的任意字符

\d 匹配数字

\D 匹配非数字

\w 匹配数字字母下划线，支持中文

\W 小写w的反集

[abc] 匹配abc中任意一个

[a-f] 匹配字母a到f中的任意一个

x|y 匹配x或者y

^ 匹配字符串的开头

$ 匹配字符串的结尾

{3,5} 匹配次数，最少3个，最多5个

{3,} 至少匹配3次

* 匹配前一个字符，0次或多次

+ 匹配前一个字符，1次或多次

? 当前面不是数量表达式时，代表匹配0次或1次

举个栗子：

findall()函数的作用是匹配所有符合条件字符串，并以列表形式返回

由于.是匹配除换行符外的所有字符，{3,5} 匹配次数，最少3个，最多5个，在默认的贪婪模式下会匹配最多的字符，所以在列表中，字母a开头的字符串后面都跟了5个字符。

可以看到在非贪婪模式下，列表中的每一项都匹配最少的字符数。

从前往后，匹配到符合条件的最短的每一个字符串

边界字符：

^ 限定开头

$ 限定结尾

匹配分组：

() 提取出来的只有括号里匹配到的部分

上文中已经用到这个方法了，返回匹配到的字符串列表，如果没有匹配到的内容，则返回空列表。

flags参数是可以省略的，不省略时代表具有其他特殊的功能，如忽略大小写，忽略换行符等，re.S代表匹配时忽略换行符

re.search()和re.findall()的参数是一样的，只是返回结果不同，如果匹配到了，就返回该结果的正则表达式对象；如果没有匹配到，则返回None

使用re.search()返回匹配到的第一个字符串的正则表达式对象，找到了就会停止匹配。因此这个函数比较适合在一个大文本中找第一个出现的字符串。

若想让这个字符串展示出来，还需要借助group()函数。

举个栗子：

这个函数的作用是将正则表达式编译为一个正则表达式对象，如果要多次使用这个正则表达式的话，可以先编译，然后复用，使程序更高效一些，对这个对象继续使用.match(string)就可以显示匹配到的正则表达式对象，后续如果想要获取具体内容的话，和上面是一眼国的，直接使用group(0)就可以啦。

如果不考虑复用的话，和re.mach(pattern, string)的效果是一样的。

从运行结果也可以看出，re.match()和re.search()的区别，虽然二者都会返回匹配到的正则表达式对象，但是re.match()是从字符串的最开始位置开始匹配的，如果最开始的字符不匹配则会直接返回None；而re.search()则会一直往后找，直到找到第一个符合条件的字符串。

re.sub()函数用于替换字符串中的匹配项

举个栗子：

将所有数字替换为了一个空格。

---