正则表达式库RegularExpressionLibrary

gzj137070928

# 日常应用比较广泛的模块是：
# 1、文字处理的re
# 2、日期类型的time、datetime
# 3、数字和数学类型的math、random
# 4、文件和目录访问的pathlib、os.path
# 5、数据压缩和归档的tarfile
# 6、通用操作系统的os、logging、argparse
# 7、多线程的threading、queue
# 8、Internet数据处理的baselib、json、urllib
# 9、结构化标记处理工具的html、xml
# 10、开发工具的unitest
# 11、调试工具的timeit
# 12、软件包发布的venv
# 13、运行服务的__main__

import re
p1 = re.compile('.')  # 代表任意的单个字符
print('.匹配:', p1.match('d'))
p2 = re.compile('jpg)  # $代表以前面字符jpg结尾的字符串（即图片文件）
p3 = re.compile('^p')  # ^代表以p开头的字符串
p4 = re.compile('ca*t')  # *代表a出现0次到多次
# RE. ab? will match either ‘a’ or ‘ab’，.？：代表任意的一个字符
p5 = re.compile('ca{4,6}t')  # {4,6}代表a出现4次到6次
p6 = re.compile('ca{4}t')  # {4,6}代表a恰好出现4次
print('{}匹配:', p6.match('caat'))  # None
p7 = re.compile('c[abc]t')  # [abc]代表a或者b或者c
print('[]匹配1:', p7.match('cbt'))
print('[]匹配2:', p7.match('cdt'))  # None
# \s表示匹配一个空格，若是多个则\s+
# \S表示匹配一个非空格
# \d表示匹配一个数字，可以是多个，==[0-9]+
# \D表示匹配不包含数字的
# ()表示分组，如把2018-09-23分成(2018)-(09)-(23)
# ^$,这个组合表示空白行
# .*?,这个组合表示非贪婪模式，即使得匹配的字符尽可能少
p8 = re.compile(r'(\d+).(\d+).(\d+)')  # 匹配日期,r表示不转义
# 比较区别print('\nhello')与print(r'\nhello')
print('日期匹配1:', p8.match('2020-09-23').group())
print('日期匹配2:', p8.match('2020-09-23').groups())
print('日期匹配3:', p8.match('2020-09-23').group(1, 2))
year, month, day = p8.match('2020-09-23').groups()
print(year, month, day)
# match需要从开始就完全匹配，而search则是所搜能够匹配的地方
print('search匹配:', p8.search('abc2020-09-23').group())  # 换成p8.match则会出错
# sub()用来做字符的替换
phone = '138-1234-5678 # 这是手机号码'
s1 = re.sub(r'#.*, "", phone)  # 将#之后到结尾的内容替换成空，即去掉
print('字符替换sub:', s1)
s2 = re.sub(r'\D', '', s1)
print(s2)
# 还有re.findall,详见extract_name.py