（二十三）

?. 正则表达式

　　正则表达式，一个让人爱恨难分的东西，会的人，希望所有代码都是用正则表达。不懂的人，会想世界上怎么会有这种语言。但是有些地方使用正则的确是方便，例如，验证手机号，邮箱身份证等。再加以扩展，还可以做爬虫。开始学起来（http://tool.chinaz.com/regex/ ?可以去这个网站，进行测试，看看自己写的正则对不对）。

　　1. 字符组

?　　字符组很简单?[]括起来. 在[]中出现的内容会被匹配. 例如:[abc] 匹配a或b或c如果字符组中的内容过多还可以使?-,例如: [a-z] 匹配a到z之间的所有字? [0-9]匹配所有阿拉伯数字。

　　思考: [a-zA-Z0-9]匹配的是什么?

?　　2. 简单元字符

?　　基本的元字符. 这个东??上?搜??堆. 但是常?的就那么?个:

.?匹配除换?符以外的任意字符

w 匹配字?或数字或下划线

s 匹配任意的空?符

d 匹配数字

n 匹配?个换?符

t 匹配?个制表符

b 匹配?个单词的结尾

^ 匹配字符串的开始

$ 匹配字符串的结尾

W 匹配?字?或数字或下划线

D 匹配?数字

S 匹配?空?符

a|b 匹配字符a或字符b

() 匹配括号内的表达式，也表示?个组

[...] 匹配字符组中的字符

[^...] 匹配除了字符组中字符

?

　　3. 量词

?　　我们到?前匹配的所有内容都是单??字符号. 那如何?次性匹配很多个字符呢,我们要?到量词

* 重复零次或更多次

+ 重复?次或更多次

? 重复零次或?次

{n} 重复n次

{n,} 重复n次或更多次

{n,m} 重复n到m次

4. 惰性匹配和贪婪匹配

?

在量词中的*,+,{} 都属于贪婪匹配. 就是尽可能多的匹配到结果.

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?

　　上面就是在chinaz上验证的结果，正则表达式是：”he.*?,”，这个表达式的意思是，he开始，然后点表示不管是啥都要，接着是*，表示尽可能多的选择，接着是？，表示的是，尽可能少的选择，最后要以“,”结束，如果没有这个逗号，那么选择后的结果就是he了。可以尝试一下。

（1）.*表示的就是贪婪匹配，要尽可能多的匹配

（2）.*?表示的就是惰性匹配，尽可能少的匹配

　　5. 分组

?　　在正则中使?()进?分组. 比如. 我们要匹配?个相对复杂的?份证号. ?份证号分成两种. 老的?份证号有15位. 新的?份证号有18位. 并且新的?份证号结尾有可能是x.看一个正 ?则表达式：

^([1-9]d{16}[0-9x]|[1-9]d{14})$

6. 转义

?在正则表达式中,有很多有特殊意义的是元字符,?如n和s等,如果要在正则中匹配正常的"n"?不是"换?符"就需要对""进?转义,变成‘‘.在python中,?论是正则表达式,还

是待匹配的内容,都是以字符串的形式出现的,在字符串中也有特殊的含义,本身还需要转义. 所以如果匹配?次"n",字符串中要写成‘n‘,那么正则?就要写成

?. re模块

? ? ?re模块是python提供的?套关于处理正则表达式的模块. 核?功能有四个:

?1. findall 查找所有. 返回list

lst = re.findall("m","mai le fo leng")

print(lst) # [‘m‘]

lst = re.findall(r"d+","5点之前. 你要写完5000字")

print(lst) # [‘5‘,‘5000‘]

2. search 会进?匹配. 如果匹配到了第?个结果. 就会返回这个结果. 如果匹配不上，search返回的则是None。

ret = re.search(r‘d‘,‘5点之前. 你要写完5000字‘).group()

print(ret) # 5

?

3. match 只能从字符串的开头进?匹配

ret = re.match(‘a‘,‘abc‘).group() 
print(ret) # a

?

4.finditer 和findall差不多. 只不过这时返回的是迭代器

it = re.finditer("m","mai le fo leng")

for el in it:

 　　print(el.group()) # 依然需要分组

5.其他操作

ret = re.split(‘[ab]‘,‘qwerafjbcd‘) # 先按‘a‘分割得到‘qwer‘和‘fjbcd‘,在对‘qwer‘和‘fjbcd‘分别按‘b‘分割

print(ret) # [‘qwer‘,‘fj‘,‘cd‘]

ret = re.sub(r"d+","_sd_","aaa250bbb250ccc250ddd38") # 把字符串中的数字换成__sd__

print(ret) # aaa_sd_bbb_sd_ccc_sd_ddd_sd_

ret = re.subn(r"d+","aaa250bbb250ccc250ddd38") # 将数字替换成‘__sd__‘，返回元组(替换的结果,替换了多少次)

print(ret) # (‘aaa_sd_bbb_sd_ccc_sd_ddd_sd_‘,4)

obj = re.compile(r‘d{3}‘) # 将正则表达式编译成为?个 正则表达式对象,规则要匹配的是3个数字

ret = obj.search(‘abc123eeee‘) # 正则表达式对象调?search,参数为待匹配的字符串

print(ret.group()) # 结果: 123

6. 两个坑

?注意: 在re模块中和我们在线测试?具中的结果可能是不?样的.

ret = re.findall(‘www.(baidu|abc).com‘,‘www.abccom‘)

print(ret) # [‘abc‘] 这是因为findall会优先把匹配结果组?内容返回,如果想要匹配结果,取消权限即可

ret = re.findall(‘www.(?:baidu|abc).com‘,‘www.abc.com‘)

print(ret) # [‘www.abc.com‘]

这里的“？：”作用是，取消单独获取某些匹配的内容的权限。其实，如果没有必要，可以直接把“baidu|abc”外层的小括号去掉即可。之所以有这个的存在，也是有道理的。看下面的图：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?

在最上面的正则表达式中，（2）处会跟着（1）的变化而变化，某种情况下（1）这里不需要了，所以就用“?:”给屏蔽掉。