python的re模块详解

一、正则表达式的特殊字符介绍

正则表达式
^           匹配行首                                     
$           匹配行尾                                     
.           任意单个字符                     
[]          匹配包含在中括号中的任意字符
[^]         匹配包含在中括号中的字符之外的字符
[-]         匹配指定范围的任意单个字符
？          匹配之前项的1次或者0次
+           匹配之前项的1次或者多次
*           匹配之前项的0次或者多次
{n}         匹配之前项的n次
{m,n}       匹配之前项最大n次，最小m次
{n,}        配置之前项至少n次

　　

二、re模块的方法介绍

1、匹配类方法

a、findall方法

# findall方法，该方法在字符串中查找模式匹配，将所有的匹配字符串以列表的形式返回，如果文本中没有任何字符串匹配模式，则返回一个空的列表，
# 如果有一个子字符串匹配模式，则返回包含一个元素的列表，所以，无论怎么匹配，我们都可以直接遍历findall返回的结果而不会出错，这对工程师
# 编写程序来说，减少了异常情况的处理，代码逻辑更加简洁

　　

# re.findall() 用来输出所有符合模式匹配的子串

re_str = "hello this is python 2.7.13 and python 3.4.5"

pattern = "python [0-9].[0-9].[0-9]"
res = re.findall(pattern=pattern,string=re_str)
print(res)

# ['python 2.7.1', 'python 3.4.5']

pattern = "python [0-9].[0-9].[0-9]{2,}"
res = re.findall(pattern=pattern,string=re_str)
print(res)

# ['python 2.7.13']


pattern = "python[0-9].[0-9].[0-9]{2,}"
res = re.findall(pattern=pattern,string=re_str)
print(res)

# []

# re.findall() 方法，返回一个列表，如果匹配到的话，列表中的元素为匹配到的子字符串，如果没有匹配到，则返回一个空的列表

re_str = "hello this is python 2.7.13 and Python 3.4.5"

pattern = "python [0-9].[0-9].[0-9]"
res = re.findall(pattern=pattern,string=re_str,flags=re.IGNORECASE)
print(res)

# ['python 2.7.1', 'Python 3.4.5']

# 设置标志flags=re.IGNORECASE，意思为忽略大小写

　　

b、编译的方式使用正则表达式

# 我们一般采用编译的方式使用python的正则模块，如果在大量的数据量中，编译的方式使用正则性能会提高很多，具体读者们可以可以实际测试
re_str = "hello this is python 2.7.13 and Python 3.4.5"
re_obj = re.compile(pattern = "python [0-9].[0-9].[0-9]",flags=re.IGNORECASE)
res = re_obj.findall(re_str)
print(res)

　　

c、match方法

# match方法，类似于字符串中的startwith方法，只是match应用在正则表达式中更加强大，更富有表现力，match函数用以匹配字符串的开始部分，如果模式
# 匹配成功，返回一个SRE_Match类型的对象，如果模式匹配失败，则返回一个None，因此对于普通的前缀匹配，他的用法几乎和startwith一模一样，例如我
# 们要判断data字符串是否以what和是否以数字开头

　　

s_true = "what is a boy"
s_false = "What is a boy"
re_obj = re.compile("what")

print(re_obj.match(string=s_true))
# <_sre.SRE_Match object; span=(0, 4), match='what'

print(re_obj.match(string=s_false))
# None

s_true = "123what is a boy"
s_false = "what is a boy"

re_obj = re.compile("d+")

print(re_obj.match(s_true))
# <_sre.SRE_Match object; span=(0, 3), match='123'>

print(re_obj.match(s_true).start())
# 0
print(re_obj.match(s_true).end())
# 3
print(re_obj.match(s_true).string)
# 123what is a boy
print(re_obj.match(s_true).group())
# 123


print(re_obj.match(s_false))
# None

　　

d、search方法

# search方法，模式匹配成功后，也会返回一个SRE_Match对象，search方法和match的方法区别在于match只能从头开始匹配，而search可以从
# 字符串的任意位置开始匹配，他们的共同点是，如果匹配成功，返回一个SRE_Match对象，如果匹配失败，返回一个None，这里还要注意，
# search仅仅查找第一次匹配，也就是说一个字符串中包含多个模式的匹配，也只会返回第一个匹配的结果，如果要返回所有的结果，最简单
# 的方法就是findall方法，也可以使用finditer方法

　　

e、finditer方法

# finditer返回一个迭代器，遍历迭代器可以得到一个SRE_Match对象，比如下面的例子

　　

re_str = "what is a different between python 2.7.14 and python 3.5.4"

re_obj = re.compile("d{1,}.d{1,}.d{1,}")

for i in re_obj.finditer(re_str):
    print(i)

# <_sre.SRE_Match object; span=(35, 41), match='2.7.14'>
# <_sre.SRE_Match object; span=(53, 58), match='3.5.4'>

　　

2、修改类方法介绍

a、sub方法

# re模块sub方法类似于字符串中的replace方法，只是sub方法支持使用正则表达式，所以，re模块的sub方法使用场景更加广泛

　　

re_str = "what is a different between python 2.7.14 and python 3.5.4"

re_obj = re.compile("d{1,}.d{1,}.d{1,}")

print(re_obj.sub("a.b.c",re_str,count=1))
# what is a different between python a.b.c and python 3.5.4

print(re_obj.sub("a.b.c",re_str,count=2))
# what is a different between python a.b.c and python a.b.c

print(re_obj.sub("a.b.c",re_str))
# what is a different between python a.b.c and python a.b.c

　　

b、split方法

# re模块的split方法和python字符串中的split方法功能是一样的，都是将一个字符串拆分成子字符串的列表，区别在于re模块的split方法能够
# 使用正则表达式
# 比如下面的例子，使用. 空格 : !分割字符串，返回的是一个列表

　　

re_str = "what is a different between python 2.7.14 and python 3.5.4 USA:NewYork!Zidan.FRA"

re_obj = re.compile("[. :!]")

print(re_obj.split(re_str))
# ['what', 'is', 'a', 'different', 'between', 'python', '2', '7', '14', 'and', 'python', '3', '5', '4', 'USA', 'NewYork', 'Zidan', 'FRA']

　　

c、大小写不敏感设置

# 3、大小写不敏感

# re.compile(flags=re.IGNORECASE)

　　

d、非贪婪匹配

# 4、非贪婪匹配，贪婪匹配总是匹配到最长的那个字符串，相应的，非贪婪匹配是匹配到最小的那个字符串，只需要在匹配字符串的时候加一个？即可

# 下面的例子，注意两个.
s = "Beautiful is better than ugly.Explicit is better than impliciy."


re_obj = re.compile("Beautiful.*y.")

print(re_obj.findall(s))
# ['Beautiful is better than ugly.Explicit is better than implicit.']

re_obj = re.compile("Beautiful.*?.")

print(re_obj.findall(s))
# ['Beautiful is better than ugly.']

　　

e、在正则匹配字符串中加一个小括号，会有什么的效果呢？

如果是要配置一个真正的小括号，那么就需要转义符，下面的例子大家仔细看下，注意下search方法返回的对象的group（1）这个方法是报错的

import re
s = "=aa1239d&&& 0a ()--"

# obj = re.compile("()")
# search
# rep = obj.search(s)
# print(rep)
# <_sre.SRE_Match object; span=(15, 17), match='()'>
# print(rep.group(1))
# IndexError: no such group
# print(rep.group())
# ()

# findall

rep = obj.findall(s)
print(rep)
# ['()']

如果是要返回括号中匹配的字符串中，则该小括号不需要转义符，findall方法返回的是小伙好中匹配到的字符串，search.group（）方法的返回的整个模式匹配到字符串，search.group(1)这个是匹配第一个小括号中的模式匹配到的字符串，search.group(2)这个是匹配第二个小括号中的模式匹配到的字符串，以此类推

s = "=aa1239d&&& 0a ()--"
rep = re.compile("w+(&+)")

print(rep.findall(s))
# ['&&&']
print(rep.search(s).group())
# aa1239d&&&
print(rep.search(s).group(1))
# &&&