正则表达式：正则表达式就是记录文本规则的代码

这些具有规则的字符被称为元字符

“匹配单个字符”

字符	功能
.	匹配任意1个字符（除了\n）
[ ]	匹配[ ]中列举的字符
\d	匹配数字，即0-9
\D	匹配非数字，即不是数字
\s	匹配空白，即空格，tab键
\S	匹配非空白
\w	匹配单词字符，即a-z、A-Z、0-9、_
\W	匹配非单词字符

{注1：仅占单个字符位置}

{注2：[0-9a-z]:表示匹配0-9/a-z任意一个数字/字母都行}

{注3：：[^47]:表示除了4或者7以外的数据都可以匹配}

{注4：. 必须占一个字符位置，并不是可无}

“匹配多个字符的相关格式”

字符	功能
*	匹配前一个字符出现0次或者无限次，即可有可无
+	匹配前一个字符出现1次或者无限次，即至少有1次
?	匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m}	匹配前一个字符出现m次
{m,n}	匹配前一个字符出现从m到n次

{注1："?"：也可以用于贪婪模式下仅查找第一个，不再索取后面相匹配的数据}

{注2："限定符+?":多取少，尽可能少重复}

{注3：一般配合单个字符搭配使用，用在字符后面。}

“匹配开头结尾”

字符	功能
^	匹配字符串开头
$	匹配字符串结尾

{注1：锁死查找数据的开头和结尾，用于数据查找固定的长度框架}

“匹配分组”

字符	功能
\|	匹配左右任意一个表达式
(ab)	将括号中字符作为一个分组
\num	引用分组num匹配到的字符串
(?P<name>)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

Python中字符串前面加上 r 表示原生字符串

与大多数编程语言相同，正则表达式里使用"\"作为转义字符

r：表示原始字符串，不需要对反斜杠进行转义，也就是这个里面的反斜杠是一个真正意义上的反斜杠

r的作用：就是不需要给反斜杠进行转义了，不对其它字符进行操作

如下：

match_obj = re.match(r"c:\\a\\b\\c", my_str)
if match_obj:
print(match_obj.group())
else:
print("匹配失败")

python贪婪和非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），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。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

代码/语法	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

导入模块：import re

方法：re.match("参数1","参数2")

match：根据比正则表达式从头开始匹配数据

参数1：正则表达式的代码

参数2：要匹配的字符串

match_obj.group(）：返回匹配的结果

match_obj = re.match("t.o", "two123456")
if match_obj:
    # 获取匹配的结果
    print(match_obj.group())
else:
    print("匹配失败")

注：match只从头开始匹配，末尾另有数据（123456）也会匹配成功，只输出相对应的结果，其后面的数据不显示。

# 扩展- 匹配qq
match_obj = re.match("(qq):(1\d{4,11})", "qq:10987")
if match_obj:
print(match_obj.group())
# 表示获取第一个分组的数据
print(match_obj.group(1))
# 表示获取第二个分组的数据
print(match_obj.group(2))
else:
print("匹配失败")

注：.group(1),group(2):获取相对应的分组数据，从左往右，分组以（）定义

\num可以引用其分组。如下：

# 扩展- 匹配qq
match_obj = re.match("(qq):(1\d{4,11})", "qq:10987")
if match_obj:
print(match_obj.group())
# 表示获取第一个分组的数据
print(match_obj.group(1))
# 表示获取第二个分组的数据
print(match_obj.group(2))
else:
print("匹配失败")

(?P<name>) 分组起别名

(?P=name) 引用别名为name分组匹配到的字符串

如下：

match_obj = re.match("<(?P<name1>[a-zA-z0-9]+)><(?P<name2>[a-zA-z0-9]+)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")

方法：re.search(参数1，参数2)

search：根据正则表达式查找数据

参数1：正则表达式

参数2：要匹配的字符串

match_obj = re.search("\d+", "水果有20个30")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")

方法：re.findall(参数1，参数2)

findall：根据正则表达式查找多个数据，数据以列表的方式返回

参数1：正则表达式

参数2：要匹配的字符串

result = re.findall("\d+", "苹果20个鸭梨10个总共30个水果")
print(result)

方法：re.sub(参数1，参数2，参数3，count=1)

sub：根据正则表达式替换数据

参数1：正则表达式

参数2：替换的任务

参数3：要匹配的字符串

count：替换的次数，默认全部替换，可以指定换次数

result = re.sub("\d+", "200", "阅读数:10 评论数:10", count=1)
print(result)

方法：re.split(参数1，参数2，maxsplit=1)

split：根据正则表达式进行分割数据

参数1：正则表达式

参数2：要匹配的字符串

maxsplit：表示最大分割次数（默认全部分割）

result = re.split(":|,", "哈哈:呵呵,嘻嘻:嘿嘿", maxsplit=1)
print(result)

正则表达式

“匹配开头结尾”

“匹配分组”

python贪婪和非贪婪

推荐阅读