Python——re模块

简介

定义：re模块称为正则表达式；

作用：创建一个"规则表达式"，用于验证和查找符合规则的文本，广泛用于各种搜索引擎、账户密码的验证等；

"""
\d	匹配所有的十进制数字	0-9
\D	匹配所有的非数字，包含下划线
\s	匹配所有空白字符（空格、TAB等）
\S	匹配所有非空白字符，包含下划线
\w	匹配所有字母、汉字、数字	a-z A-Z 0-9
\W	匹配所有非字母、汉字、数字，包含下划线
"""

1、$：匹配一行的结尾（必须放在正则表达式最后面）

2、^：匹配一行的开头（必须放在正则表达式最前面）

3、*：前面的字符可以出现0次或多次（0~无限）

4、+：前面的字符可以出现1次或多次（1~无限）

5、？：变"贪婪模式"为"勉强模式"，前面的字符可以出现0次或1次

6、.：匹配除了换行符"\n"之外的任意单个字符

7、|：两项都进行匹配

8、[ ]：代表一个集合，有如下三种情况

9、{ }：用于标记前面的字符出现的频率，有如下情况：

字符串中有反斜杠的，需要对反斜杠做转义：

str = "\\123 223"		# \123 223
str = r"\123 223"		# \123 223

在正则表达式中，我们需要用多个反斜杠来匹配一个反斜杠：

find = re.search('\\\\\w+', str)
find = re.search(r'\\\w+', str)

1、match：在目标文本的开头进行匹配

find = re.math('hello', str1)		# 匹配成功返回匹配对象hello，不成功返回None

2、search：在整个目标文本中进行匹配

3、findall：扫描整个目标文本，返回所有与规则匹配的子串组成的列表，如果没有匹配的返回空列表

4、finditer：扫描整个目标文本，返回所有与规则匹配的子串组成的迭代器

5、fullmatch：要求目标文本要完全匹配规则，否则返回None

6、sub：将与规则匹配的子串替换为其他文本

str1 = re.sub('\w+', 'aaa', str, count=0)		# count默认为0，表示全部替换

7、split：从与规则匹配的子串进行切割，返回切割后子串组成的列表

8、匹配对象的方法（对匹配到的对象使用）：

（）：分组字符，可以为匹配到的内容分组，快速获取到分组中的数据

str = '<p>这是一个<a href="###">文本</a></p>
find = re.search('<a href="(.+)">(\w+)</a>', str)
print(find.group())		# 默认为0，表示匹配到的全部文本，传入1时输出第一个分组###

find = re.search('<a href="(?P<href>.+)">(?P<text>\w+)</a>', str)