正则表达式
正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。基于re模块。
一、正则表达式规则表
1、单字符匹配
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,也就是0-9
\D 匹配非数字,也就是匹配不是数字的字符
\s 匹配空白符,也就是 空格\tab
\S 匹配非空白符,\s取反
\w 匹配单词字符, a-z, A-Z, 0-9, _
\W 匹配非单词字符, \w取反
r'' 原始字符串
2、表示数量的规则
字符 功能
* 匹配前一个字符出现0次多次或者无限次,可有可无,可多可少
+ 匹配前一个字符出现1次多次或则无限次,直到出现一次
? 匹配前一个字符出现1次或者0次,要么有1次,要么没有
{m} 匹配前一个字符出现m次
{m,} 匹配前一个字符至少出现m次
{m,n} 匹配前一个字符出现m到n次
3、表示边界
字符 功能
^ 匹配字符串开头
$ 匹配字符串结尾
\b 匹配一个单词的边界
\B 匹配非单词边界
4、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
二、常用函数
1、匹配字符串
1）match
从首字母开始开始匹配，string如果包含pattern子串，则匹配成功，返回Match对象，失败则返回None，若要完全匹配，pattern要以$结尾。
#pattern 为要校验的规则
#str 为要进行校验的字符串
result = re.match(pattern, str)
#如果result不为None,则group方法则对result进行数据提取
result.group()
2）search
若string中包含pattern子串，则返回Match对象，否则返回None，注意，如果string中存在多个pattern子串，只返回第一个。
#读取字符串中文章浏览次数
str = "浏览次数为: 8098"
pattern = r"\d+"
result = re.search(pattern, str)
#返回匹配到的值
result.group()
3）findall
返回string中所有与pattern相匹配的全部字串，返回形式为数组。
str = "itwang</h1>sdfhjkd</html>itli</h1>"
pattern = r"\w+</h1>"
result = re.findall(pattern, str)
print(result)
4）finditer
返回string中所有与pattern相匹配的全部字串，返回形式为迭代器。
re.finditer(pattern, string[, flags])
5）find
>>>info = 'abca'
>>> print info.find('a') # 从下标0开始，查找在字符串里第一个出现的子串，返回结果：0
0
>>> print info.find('a',1) # 从下标1开始，查找在字符串里第一个出现的子串：返回结果3
3
>>> print info.find('3') # 查找不到返回-1
-1
>>>
2、获取匹配的值
若匹配成功，match()/search()返回的是Match对象，finditer()返回的也是Match对象的迭代器，获取匹配结果需要调用Match对象的group()、groups或group(index)方法。
-
group()：母串中与模式pattern匹配的子串；
-
group(0)：结果与group()一样；
-
groups()：所有group组成的一个元组，group(1)是与patttern中第一个group匹配成功的子串，group(2)是第二个，依次类推，如
index超了边界，抛出IndexError.
-
findall()：返回的就是所有groups的数组，就是group组成的元组的数组，母串中的这一撮组成一个元组，那一措组成一个元组，这些元组共同构成一个list，就是findall()的返回结果。另，如果groups是只有一个元素的元组，findall的返回结果是子串的list，而不是元组的list了。
>>> import re
>>> s = '23432werwre2342werwrew'
>>> p = r'(\d*)([a-zA-Z]*)'
>>> m = re.match(p,s)
>>> m.group()
'23432werwre'
>>> m.group(0)
'23432werwre'
>>> m.group(1)
'23432'
>>> m.group(2)
'werwre'
>>> m.groups()
('23432', 'werwre')
>>> m = re.findall(p,s)
>>> m
[('23432', 'werwre'), ('2342', 'werwrew'), ('', '')]
>>> p=r'(\d+)'
>>> m=re.match(p,s)
>>> m.group()
'23432'
>>> m.group(0)
'23432'
>>> m.group(1)
'23432'
>>> m.groups()
('23432',)
>>> m=re.findall(p,s)
>>> m
['23432', '2342']
3、去除字符串
1）re.sub
import re
chars = "aaacccddd"
print(re.sub('a', '', chars))
print(chars)
其他去除字符串
1、replace
s = '/n123/n456/n789'
print("第一种解法:", s.replace('/n', '')) # 全都替换
print("第二种解法:", s.replace('/n', '', 2)) # 2表示替换两处
print("字符串本身不变:", s)
2、strip
#用于去除字符串的首尾字符
String = 'saaaay yes no yaaaass'
print(String.strip('say'))
4、匹配中文
# 测试匹配中文信息
def TestReChinese( ):
source = u" 数据结构模版----单链表SimpleLinkList[带头结点&&面向对象设计思想](C语言实现)"
temp = source.decode('utf8')
print "同时匹配中文英文"
print "--------------------------"
xx = u"([\w\W\u4e00-\u9fff]+)"
pattern = re.compile(xx)
results = pattern.findall(temp)
for result in results:
print result
print "--------------------------"
print
print
print "只匹配中文"
print "--------------------------"
xx = u"([\u4e00-\u9fff]+)"
pattern = re.compile(xx)
results = pattern.findall(temp)
for result in results:
print result
5、多个字符串替换
import re
txt = "Hi, my phone number is 089992654231. I am 34 years old. I live in 221B Baker Street. I have 1,000,000 in my bank account."
def processString3(txt):
txt = re.sub('[0-9]', 'X', txt)
print(txt)
processString3(txt)
