re正则入门

re模块是Python中的一个内置模块，用于支持正则表达式的操作。正则表达式是一种描述字符串模式的语法，它能够用来匹配、搜索和替换字符串。re模块提供了一系列函数，可以用来执行这些操作，如正则表达式的匹配、查找、替换等。通过re模块，可以更加灵活和高效地处理字符串。

re模块经常被用来处理，爬虫中遇到的网站解析后的字符串信息，非常重要和高效

一，re模块主要实现的三个功能：

1，匹配

re.search()

搜索整个字符串，找到第一个匹配的子串。

result = re.search(r'abc','0abcababcabcd')
print(result,result.start(),result.end(),result.group())
# 匹配到第一个位置
# 返回match

re.match（）

从开头开始匹配，搜索整个字符串，找到第一个匹配的字符串，匹配字符串的开始部分。

# result=re.match(r'ab','ababcabcd')
# print(result)
# 从开头匹配，开头匹配不成功，就是None

re.fullmatch ()

尝试从字符串的开头到结尾完全匹配正则表达式，如果匹配成功则返回一个 Match 对象，否则返回 None。

# result=re.fullmatch(r'ab','ababcabcd')
# print(result)

re.findall() 

返回匹配到的所有内容（字符串），返回列表

re.finditer()

返回一个迭代器，迭代器中的内容是一个个的match
#可以通过遍历，得到match中的具体内容（group）

# result = re.findall(r'abc','Abcababcabcd',re.I)
# print(result)
# 返回匹配到的所有内容（字符串），返回列表# result = re.finditer(r'abc','abcabaaabcdeababc')
# # print(result)
# for data in result:
#     print(data.group())
# 返回一个迭代器，迭代器中的内容是一个个的match
# 可以通过遍历，得到match中的具体内容（group）

2，替换

re.sub()

re.subn()

# result = re.sub(r'abc','ghy','abcahabdabcdeabc',count = 1)
# print(result)
# 返回替换后的字符串，可以指定替换次数，默认匹配到的内容全替换# result = re.subn(r'abc','ghy','abcahabdabcdeabc')
# print(result)
# 返回元组，第一个参数是替换后的字符串，第二个参数是替换的次数
# 替换次数可以自定义

3，分割

re.split()

# result = re.split(r'a\wc','ababcahabcdabdeabc',maxsplit=2)
# print(result)
# 以匹配到的内容为’刀刃‘，切割
# 返回分割后的字符串列表
# 可以通过maxsplit 来指定要分割几次

二，特殊符号

1. wds.^$

\w  匹配数字字母下划线
 \W  非  数字字母下划线
 \d  仅数字
 \D  非数字
\s  空 （制表符，换行符，空格）
 \S  非空
 .   所有

 ^ : 以什么为开头$ ：以什么为结尾

# result = re.findall('\w','adaidh _+*-/')
# result = re.findall('\W','adaidh _+*-/')# result = re.findall('\d','abc125 *-+/\t\n')
# result = re.findall('\D','abc125 *-+/\t\n')# result = re.findall('\s',' a\t\n+-*/54')
# result = re.findall('\S',' a\t\n+-*/54')# result = re.findall('.',' a\t\n+-*/54',re.S)# result = re.findall(r'^ab','abcd\nabcdab',re.M)# result = re.findall(r'ab$','abca564ab')

2.*+?

# 贪婪模式：尽可能匹配多个
# *  代表有>=0个
# +  代表有>=1 个
# ?  代表有 1 个 或者 0个 （*和+的结合）

# 非贪婪：尽可能匹配少的个数
# 在贪婪模式后加上一个？ 即转为非贪婪模式

# result = re.findall('\d*','123ada')
# result = re.findall('\d*?','123ada')# result = re.findall('\d+','123ada')
# result = re.findall('\d+?','123ada')# result = re.findall(r'\d?','123456789')
# result = re.findall(r'\d??','123456789')

3.{ },( ),[ ]

# {n}  匹配n个
#{n，m} 匹配n个或者m个，贪婪模式下匹配多的，非贪婪模式匹配少的
# result = re.findall(r'\d{2,4}?','123456987')#[]# result = re.findall(r'[123]','123456987')# result = re.findall(r'[1-6]','123456987')# 分组（）