【python】re模块

• 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；
• 预定义字符

\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

• 特殊字符

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
[abc]：能匹配其中的单个字符
[a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）
[2-9] [1-3]：能够做组合匹配

9、{ }：用于标记前面的字符出现的频率，有如下情况：
{n，m}：代表前面字符最少出现n次，最多出现m次
{n，}：代表前面字符最少出现n次，最多不受限制
{，m}：代表前面字符最多出现n次，最少不受限制
{n}：前面的字符必须出现n次

• 匹配方法

s = '我的电话是：10086，女朋友的电话是：10010'

#1、findall():所有结果都返回到一个列表中
ret1 = re.findall('\d+',s)
print(ret1)
#2、finditer():所有结果都返回到迭代器，取数据要用  .group()
ret2 = re.finditer('\d+',s)   #<callable_iterator object at 0x0000024A0FAEB400>
print(ret2)   #<callable_iterator object at 0x0000024A0FAEB400>
for i in ret2:
    print(i.group())

#3、search():返回匹配到的第一个对象（object），对象可以调用group()返回结果
ret3 = re.search('\d+',s)
print(ret3.group())

#4、match():只在字符串开始匹配，也只返回一个对象，没有匹配到就返回 None
ret4 = re.match('\d+',s)
print(ret4)

#5、sub('规则','新字符','旧字符串'):替换
ret5 = re.sub('x.l','xxx','sdakofasldxwlfasfj')
print(ret5)      #sdakofasldxxxfasfj

#6、compile():先把正则表达式编译成一个对象，提高效率，重复使用
res = """
<div class='jay'><span id='1'>周杰伦</span></div>
<div class='ldh'><span id='2'>刘德华</span></div>
<div class='zxy'><span id='3'>张学友</span></div>
<div class='hsbd'><span id='4'>胡说八道</span></div>
"""
obj = re.compile(r"<div class='.*?'><span id='\d+'>.*?</span></div>",re.S)

result = obj.finditer(res)   #re.S  让 . 能匹配换行符
for i in result:
    print(i.group())

#重点，分组
#(?P<分组名称>正则)  可以单独从正则匹配的内容中提取到XX名称的内容
obj1 = re.compile(r"<div class='(?P<yname>.*?)'><span id='(?P<id>\d+)'>(?P<name>.*?)</span></div>",re.S)

result1 = obj1.finditer(res)
for it in result1:
    print(it.group('name'))