一、正则表达式与re模块
1 什么是正则表达式？
正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。
2 正则表达式可以干什么?
- 快速高效的查找与分析字符串
- 进行有规律查找比对字符串，也叫：模式匹配
- 具有查找、比对、匹配、替换、插入、添加、删除等能力。
- 字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如我们编写爬虫收集数据，首先都得到网页源码，但是我们要如何提取有效数据呢，这时候我们就需要使用正则表达式来进行匹配了
3 re模块
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。Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。re 模块使 Python 语言拥有全部的正则表达式功能。
二、正则表达式常用语法：
三、re模块中的基本功能:
1.查找
1.1 findall:
匹配所有每一项符合的结果都会放到列表中,作为一个元素
用法:
re.findall('正则表达式','待匹配的字符串',flag)示例：
ret=re.findall('\d+','东方红5546fuy465胡')
print(ret)输出结果为：
['5546', '465']1.2 search:
只匹配符合条件的从左到右的第一个,得到的不是一个结果,而是一个变量,通过这个变量的group方法来获取结果，如果没有匹配到,会返回none,使用group方法会报错。
示例：
ret=re.search('\d+','东方红5546fuy465胡')
print(ret)
print(ret.group())
ret=re.search('_','东方红5546fuy465胡')
print(ret)
print(ret.group())输出结果为：
<_sre.SRE_Match object; span=(3, 7), match='5546'>
5546
None
'NoneType' object has no attribute 'group'1.3 match:
从头开始匹配,相当于在search中加上一个’^’，即判断开头
示例：
ret=re.match('\d+','东方红5546fuy465胡')
print(ret)
ret1=re.match('\d+','12东方红5546fuy465胡')
print(ret1.group())输出结果为：
None
122.字符串处理:替换切割
2.1 split:
切割
示例：
s='21东方红5546fuy465胡'
ret=re.split('\d+',s)
print(ret)
s='21东方红5546fuy465胡'
ret=re.split('\d',s)#切一个的时候默认前面有一个空字符串
print(ret)输出结果为：
['', '东方红', 'fuy', '胡']
['', '', '东方红', '', '', '', 'fuy', '', '', '胡']2.1 sub:
替换
sub(旧的 新的 谁 替换次数(默认全部替换))示例：
ret=re.sub('\d','@@@','12东方红5546fuy465胡')
print(ret)
ret=re.sub('\d+','@@@','12东方红5546fuy465胡')
print(ret)
#subn 返回的是一个元组,元祖的第二个元素是替换的次数
ret=re.subn('\d+','@@@','12东方红5546fuy465胡')
print(ret)输出结果为：
@@@@@@东方红@@@@@@@@@@@@fuy@@@@@@@@@胡
@@@东方红@@@fuy@@@胡
('@@@东方红@@@fuy@@@胡', 3)3. re模块的进阶: 时间 空间
3.1 compile(编译的意思):
compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
提前编译可减少多次正则匹配的运行时间
ret=re.compile('\d+')
print(ret)
ret1=ret.findall('12东方红5546fuy465胡')
print(ret1)
ret=re.compile('\d+')
ret1=ret.search('12东方红5546fuy465胡')
print(ret1.group())
ret2=ret.match('12东方红5546fuy465胡')
print(ret2.group())输出结果为：
re.compile('\\d+') #编译后的正则表达式
['12', '5546', '465']
12
123.2 findall :
re.findall()
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
语法格式为：
re.findall(string, pos, endpos)参数：
- string 待匹配的字符串。
- pos 可选参数，指定字符串的起始位置，默认为 0。
- endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。
实例：
import re
mat=re.compile(r'\d+')#匹配数字
print(mat.findall('abafa 124ddwa56'))
print(mat.findall('abafa 124ddwa56',0,7))#匹配从0位开始，到7位结束输出：
['124', '56']
['1']3.3 re.finditer
和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
re.finditer(pattern, string, flags=0)实例：
import re
it = re.finditer(r"\d+", "12a32bc43jf3")
for match in it:
print(match.group())输出：
12
32
43
3
