Python正则表达式（干货来袭）天钧深夜肝文
什么是正则表达式
互联网上的信息很多，我们只需要获取我们所关心的数据进行提取就可以了。此时可以通过一些表达式进行提取，正则表达式就是一种进行数据筛选的表达式
所以这不是我连夜码文的理由，求打赏安慰弱小心灵。做弟中弟的第265天。
目录如下
原子
原子是正则表达式中最基本的单位，每个正则表达式中至少要包含一个原子。常见的原子类型；
- 普通字符作为原子
- 非打印字符作为原子
- 通用字符作为原子
- 原子表
普通字符作为原子
演示代码
import re#引用re
string = "shentouyun"#定义整段，普通字符作为原子
pat = "yun"#提取yun
ret = re.search(pat,string)#第一个参数为提取，第二个为整个字段
print(ret)#输出输出
<_sre.SRE_Match object; span=(7, 10), match='yun'>非打印字符作为原子
什么是非打印字符，如\n,\t(换行，制表)，代表一些操作的字符也可以作为原子
操作代码与小知识
string1 = '''shentouyun
nuibi
'''
pat1 = '\n'
ret=re.search(pat1,string1)
print(ret)运行后
<_sre.SRE_Match object; span=(10, 11), match='\n'>小知识
#在这里解释一个基础，我没有提到过
string = '''
shentouyun
nuibi
'''
print(string)
#这段代码里，其特点为string被三引号包裹，并在代码里实现换行其运行结果
shentouyun
nuibi
#实现了一个\n的操作其代码等同于
string ="shentouyun\nnuibi"
print(string)通用字符作为原子
什么是通用字符
- \w匹配任意一个字母数字或下划线。
- \W匹配除去字母数字或下划线任意一个字符
- \d匹配十进制数
- \D除十进制以外的任意一个字符
- \s匹配一个空白字符
- \S除去空白字符
简单的例子
string1 = "shentouyun3215454biji"
pat1 = '\d\d\d\d'#匹配四个十进制数
ret=re.search(pat1,string1)
print(ret)运行后
<_sre.SRE_Match object; span=(10, 14), match='3215'>也可以混合使用
string1 = "shentouyun3215454biji"
pat1 = '\w\d\d\d\d'#匹配一个字母+匹配四个十进制数
ret=re.search(pat1,string1)
print(ret)运行后
<_sre.SRE_Match object; span=(9, 14), match='n3215'>没有符合格式的，如空白就不会匹配出来，这里不过多的描述，占用空间
原子表
[ots]任意的提取一个原子出来，直接任意选择一个原子表原子，如下
string1 = "shentouyun3215454biji"
pat1 = "shen[otoasdjojds]ou"
ret=re.search(pat1,string1)
print(ret)运行后
<_sre.SRE_Match object; span=(0, 7), match='shentou'>只从原子表中选择一个原子，其原子表内原子地位平等
非原子表
符号^ 英文状态下的shift+6
字符串里出现了非原子表，返回None,其代码如下
string1 = "shentouyun3215454biji"
pat1 = "shen[^tun]ou"
#shen后面应该是匹配t结果原子表里出了[tun]三个原子外其他的原子都可以匹配
#显然本代码中的原子是无法匹配的
ret=re.search(pat1,string1)
print(ret)返回如下
None如果正常运行非原子表的外的字符如string1字符串中截取的shen后面是t，在非原子表上，没有出现t，则返回shent
string1 = "shentouyun3215454biji"
pat1 = "shen[^asd]"
#为了更加直白我把ou两个字符去掉了
ret=re.search(pat1,string1)
print(ret)运行后
<_sre.SRE_Match object; span=(0, 5), match='shent'>元字符
特殊含义的字符
所谓的元字符，就是正则表达式中具有一些特殊含义的字符，比如重复N多次前面的字符
常见的元字符 | ||
|---|---|---|
"."除换行外任意一个字符 | ||
"^"如果它不在原子表里代表匹配开始位置，在字符表里表示非 | ||
"$"结束位置 | ||
"*"0次1次多次 | ||
"?"0次1次 | ||
"+"1次多次 | ||
{n}实现n次如{2}恰好出现2次，使用{n,}前面的原子至少n次， | ||
{n,m}至少出现n次至多出现m次 | ||
|模式选择符 或 | ||
()模式单元 | ||
例子来袭，做好准备，看不懂的转发朋友圈，慢慢看。 |
"."除换行外任意一个字符
代码如下
string1 = "shentouyun3215454biji"
pat1 = "shen.ou"#这里.匹配除了换行符外的任意字符
ret=re.search(pat1,string1)
print(ret)运行结果
<_sre.SRE_Match object; span=(0, 7), match='shentou'>当然你也可以多匹配些，比如多些点点。
string1 = "shentouyun3215454biji"
pat1 = "shen......"
ret=re.search(pat1,string1)
print(ret)运行后
<_sre.SRE_Match object; span=(0, 10), match='shentouyun'>感觉要玩坏了，哈哈哈。
开始位置^与结束位置$
string1 = "shentouyun3215454biji"
pat1 = "^s..."
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(0, 4), match='shen'>因为s是开始，也就是”排头“结束位置也同理
string1 = "shentouyun3215454biji"
pat1 = "b...$"
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(17, 21), match='biji'>"*"0次1次多次
string1 = "shentouyun3215454biji"
pat1 = "shen.*"
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(0, 21), match='shentouyun3215454biji'>为什么会全匹配，看*号的定义为多次，咱们的"."表示除了换行外全匹配，两者一配合，唉，这就全出来了
+号与？号
+匹配多次，正常显示无法匹配0次，演示错误例子
string1 = "shentouyun3215454biji"
pat1 = "a+"
ret=re.search(pat1,string1)
print(ret)
None演示正确例子
string1 = "aaaaaaaaaaaa"
pat1 = "a+"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 12), match='aaaaaaaaaaaa'>问好就更好弄了
问号直接演示错误例子，无法显示多次
string1 = "aaaafsedfsfdffasafadaaaaaaaa"
pat1 = "a?"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 1), match='a'>{n}与{n,}
string1 = "aaaa"
pat1 = "a{4}"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 4), match='aaaa'>如果换成3呢
<_sre.SRE_Match object; span=(0, 3), match='aaa'>打印了三次，成功演示了什么叫做至少，当然你多了不行，改成5试试
None{n,m}至少多少次,至多多少次
string1 = "aaaa"
pat1 = "a{3,5}"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 4), match='aaaa'>程序真是个耿直的boy
模式修正符
所谓的模式修正符，既可以在不改变正则表达式的情况下，通过模式修正符改变正则表达式的含义，从而实现一些匹配结果的调整等功能
模式修正符有什么。
I忽略大小写
M多行匹配
L本地化识别匹配
U unicode编码
S让，匹配包括换行符
错误代码演示
string = "ShenTouYun"
pat="shen"
ret = re.search(pat,string)
print(ret)返回None，因为默然有大小写限制，引用一下I就可以了
string = "ShenTouYun"
pat="shen"
ret = re.search(pat,string,re.I)
print(ret)运行结果
<_sre.SRE_Match object; span=(0, 4), match='Shen'>贪婪模式与懒惰模式
贪婪模式的核心点就是尽可能多的匹配
懒惰模式的狠心就是尽可能少的匹配
贪婪模式
string = "SheSnTouYunYS"
pat="s.*S"
ret = re.search(pat,string,re.I)
print(ret)运行结果
<_sre.SRE_Match object; span=(0, 13), match='SheSnTouYunYS'>贪婪模式与懒惰模式有什么用呢？
看对比
string = "SheSnTouYunYS"
pat="s.*S"#贪婪模式找到最后一个s
pat1="s.*?S"#懒惰模式,特征为？，找到第一个s就不往下找了
ret = re.search(pat,string,re.I)
ret1 = re.search(pat1,string,re.I)
print(ret)
print(ret1)运行结果
<_sre.SRE_Match object; span=(0, 13), match='SheSnTouYunYS'>
<_sre.SRE_Match object; span=(0, 4), match='SheS'>正则表达式函数
- re.match()函数从头开始匹配
- re.search()函数从任何地方开始匹配
- 全局匹配函数
match函数演示
string1 = "adafafewfaaa"
pat1 = "a"
ret=re.match(pat1,string1)
print(ret)
运行结果可匹配
<_sre.SRE_Match object; span=(0, 1), match='a'>不是第一个开始匹配
string1 = "adafafewfaaa"
pat1 = "d"
ret=re.match(pat1,string1)
print(ret)
运行结果不可匹配
None全局匹配函数
全局匹配格式
re.compile(正则表达式).findall(数据) string1 = "adafafewfaaa"
pat1 = "d.*?a"
ret=re.compile(pat1).findall(string1)
print(ret)
结果
['da']在码文中的一些杂乱代码
import re#引用re
'''
string = "shentouyun"#定义整段，普通字符作为原子
pat = "yun"#提取yun
ret = re.search(pat,string)#第一个参数为提取，第二个为整个字段
print(ret)#输出
match
sub
search
全局匹配
string = "SheSnTouYunYS"
pat="s.*S"#贪婪模式找到最后一个s
pat1="s.*?S"#懒惰模式,特征为？，找到一个y就不往下找了
ret = re.search(pat,string,re.I)
ret1 = re.search(pat1,string,re.I)
print(ret)
print(ret1)
'''腾讯云开发者
