正则表达式和re模块

正则表达式（Regular Expression，简称Regex或RegExp）是计算机科学中的一个重要概念，它通常被用来检索、替换那些符合某个模式（规则）的文本。正则表达式是对字符串操作的一种逻辑公式，通过事先定义好的一些特定字符以及这些特定字符的组合，来组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式的语法和规则因不同的编程语言和工具而异，但大多数都遵循一些基本的语法和规则。以下是一些常见的正则表达式语法和规则：

字符匹配：.匹配除换行符以外的任意字符。

位置匹配：^匹配输入字符串的开始位置，$匹配输入字符串的结束位置。

数量词：*表示匹配前面的元素零次或多次，+表示匹配前面的元素一次或多次，?表示匹配前面的元素零次或一次。

字符集：[]定义字符集，匹配括号内的任意一个字符。

预定义字符类：如\d、\w、\s等，用于匹配特定类型的字符。

分组和引用：使用圆括号()进行分组，可以将表达式组合为一个子表达式，并可以在后续操作中引用这个子表达式的匹配结果。

re模块

Python 中的 re 模块（Regular Expression 模块）是一个标准库，用于支持正则表达式。正则表达式是一种文本模式，用于匹配字符串中字符组合的模式。它可以帮助你搜索、编辑或操作文本和数据，以实现复杂的文本处理任务。

引入re模块

import re

re 模块提供了一系列函数和方法来处理正则表达式。以下是一些常用的：

match方法

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，match() 就返回 none。

# 导入re模块
import re

# 设置正则表达式匹配规则
pattern = re.compile(r'\d+')

# 匹配的目标文本，没有匹配到，则终止匹配，由于字母o不是数字，因此，无匹配数据
m1 = pattern.match('one123two456three789')
print(m1)

# 参数1：匹配的起始位置，下表数包含
# 参数2：匹配的结束位置，下标数不包含
m1 = pattern.match('one123two456three789', 3, 6)
print(m1.group())  # 通过group查看匹配的数据

search方法

扫描整个字符串并返回第一个成功的匹配。

import re

pattern = re.compile(r'\d+')

# 它是一次匹配，只要找到了一个匹配的结果就返回，不是查找所有匹配的结果
m1 = pattern.search('one123two456three789')
print(m1.group())

findall方法

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。

import re

pattern = re.compile(r'[a-z]+')
# findall 方法用于搜索整个字符串，获得所有匹配的结果
result = pattern.findall('hello 123 world 456')
print(result)

spilt方法

通过正则表达式将字符串分割为一个列表。

import re

str = 'a,b,c'
print(str.split(','))

str1 = 'a,b;; c,d'
pattern = re.compile('[\s\,\;]+')
print(pattern.split(str1))

sub方法

替换字符串中所有匹配正则表达式的子串。

import re

string = '<h1 class="test">helloWorld</h1>'
pattern = re.compile(r'\d')

# 参数1：替换后的值   参数2：原值
print(pattern.sub('2',string))

# 参数3：替换几个
print(pattern.sub('2',string,2))

# 分组
string = '<h1 class="test">helloWorld</h1>'

# P<classname>为组声明名字，可以通过名字调用该组
pattern = re.compile(r'<(.\d)\sclass="(?P<classname>.*?)">.*?</(.1)>')
print(pattern.search(string).group(1))
print(pattern.search(string).group(2))
print(pattern.search(string).group(3))