python笔记之re模块学习

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中使用re模块进行正则表达式处理。

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象。

语法格式为：

compile(pattern, flags=0):

参数：

pattern : 一个字符串形式的正则表达式

flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

re.I 忽略大小写

re.L 表示特殊字符集 w, W, , B, s, S 依赖于当前环境

 

 

re.M 多行模式

 

re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）

re.U 表示特殊字符集 w, W, , B, d, D, s, S 依赖于 Unicode 字符属性数据库

re.X 为了增加可读性，忽略空格和' # '后面的注释

1、re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

import re

def retest():
    pattern = re.compile('12345')
    m = pattern.match('123459588j 12345kjjh328898890-8hghddd11234').span()  #在起始位置匹配，返回匹配位置
    print(m)
    m1 = pattern.match('847jhdfkad12345')   #不在起始位置匹配，返回None
    print(m1)

group()可以提取匹配的子字符串，比如：匹配字符串r'(.*) are (.*?) .*'定义了两个分组

import re

def retest():
    if matchObj:
        print("matchObj.group() : ", matchObj.group())  #提取整个匹配字符串
        print("matchObj.group(1) : ", matchObj.group(1)) #提取第一个分组匹配字符串, 即：are 之前的匹配表达式
        print("matchObj.group(2) : ", matchObj.group(2)) #提取第一个分组匹配字符串，即：are 之后的匹配表达式
    else:
        print("No match!!")

2、re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法：

search(pattern, string, flags=0)

import re

def retest():
    pattern = re.compile('12345')
    m = pattern.search('123459588j 12345kjjh328898890-8hghddd11234')  #在起始位置匹配，返回匹配位置
    print(m)
    m1 = pattern.search('847jhdfkad12345')   #不在起始位置匹配，返回匹配位置
    print(m1)

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

3、re.sup方法

re.sub用于替换字符串中的匹配项。

语法：

sub(pattern, repl, string, count=0, flags=0)

参数：

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
• flags : 编译时用的匹配模式，数字形式。

import re
    a = 'foot'
    b = re.sub('oo','ooo',a) #返回替换后的字符串
    print(b)

替换字符串也可以是函数

import re
 
# 将匹配的数字乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>d+)', double, s))

4、re.findall方法

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：

findall(pattern, string, flags=0)

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。

import re

def retest():
    pattern = re.compile('d+') #查找数字
    num = re.findall(pattern,'3dhfdiuhdkjfh9844948h5320') #返回查找结果列表
    print(num)

5、re.finditer方法

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。

import re
 
it = re.finditer(r"d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

6、re.split方法

split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

import re

def retest():
    aa = re.split('d+','3u9389kdjfkdsjfdl384339') #以数字进行分割
    print(aa)

正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r' '，等价于 \t )匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	匹配n个前面表达式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。
re{ n,}	精确匹配n个前面表达式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re)	匹配的独立模式，省去回溯。
w	匹配数字字母下划线
W	匹配非数字字母下划线
s	匹配任意空白字符，等价于 [ f]。
S	匹配任意非空字符
d	匹配任意数字，等价于 [0-9]。
D	匹配任意非数字
A	匹配字符串开始
	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
z	匹配字符串结束
G	匹配最后匹配完成的位置。
	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
B	匹配非单词边界。'erB' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
, , 等。	匹配一个换行符。匹配一个制表符, 等
1...9	匹配第n个分组的内容。
10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。