[ python ] 正则表达式及re模块

正则表达式

正则表达式描述：

    正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个‘规则字符串’，这个‘规则字符串’用来
    表达对字符串的一种过滤逻辑。

　　在线测试工具：http://tool.chinaz.com/regex/

　　需要明确的是正则表达式只和字符串相关。

　　正则表达式基础使用参考：http://tool.chinaz.com/regex/

re 模块中常用功能函数

1. compile()

编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）

格式：

re.compile(pattern,flags=0)
pattern: 编译时用的表达式字符串。
flags 编译标志位，用于修改正则表达式的匹配方式

实例：

import re
s1 = 'have a good day.'
rr = re.compile("w*oow*")
print(rr.findall(s1))   # 查看字符串中包含'oo'的单词

# 执行结果：
# ['good']

2. match()

描述：
决定RE是否在字符串刚开始的位置匹配。

注意：
    这个方法并不是完全匹配，当pattern结束时，若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符 '$'
    
格式：

re.match(pattern, string, flags=0)

实例：

import re
s1 = 'runnicegoodrunbetterrun'
# rr = re.match('run', 'nicegoodrun better.run')
r1 = re.match('run', 'runnicegoodrunbetterrun').group()
r2 = re.match('run', 'Runnicegoodrunbetterrun', re.I).group()   # re.I 忽视大小写

print('r1:', r1)
print('r2:', r2)

# 执行结果：
# r1: run
# r2: Run

3. search()

re.search函数会在字符串内查找模式匹配，只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None

re.search(pattern, string, flags=0)

实例：

import re
s1 = 'run nice good run better rungood'
rr = re.search("good", s1).group()    # 只会匹配到一个就直接返回
print(rr)

# 执行结果：
# good

注意：
    match和search一旦匹配成功，就是一个 match object 对象，而match object对象有以下方法：

•     group()　　返回被 RE 匹配的字符串
•     start() 　　返回匹配开始的位置
•     end()   　　 返回匹配结束的位置
•     span()    　　返回一个元组包含匹配的位置
•     group() 　　返回 re 整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。

a.group()    返回re整体匹配的字符串
b.group(n, m)    返回组号为n,m所匹配的字符串，如果组号不存在，则返回indexError异常
c.groups()    groups() 方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups()不需要参数，返回一个元组，
元组中的元就是正则表达式中定义的组。   

import re
a = "123abc456"
rr = re.compile("([0-9]*)([a-z]*)([0-9]*)")
print('group(0):', rr.search(a).group(0))    # group(0) 返回正则匹配到的全部内容
print('group(1):', rr.search(a).group(1))    # group(1) 列出第一个 ([a-z]*) 匹配到的部分
print('group(2):', rr.search(a).group(2))    # group(2) 列出第二个 ([0-9]*) 匹配到的部分
print('group(3):', rr.search(a).group(3))    # group(3) 列出第三个 ([0-9]*) 匹配到的部分
print('groups():', rr.search(a).groups())    # groups() 以元组的形式列出每个括号中匹配到的内容

# 执行结果：
# group(0): 123abc456
# group(1): 123
# group(2): abc
# group(3): 456
# groups(): ('123', 'abc', '456')

4. findall()

描述：
re.findall 遍历匹配，可以获得字符串中所有匹配的字符串，返回一个列表

格式：

re.findall(pattern, string, flags=0)

实例：

import re

p = re.findall("(d+)", 'asdf12sdf123ad')   # 当匹配到多个值，以列表的形式返回
print(p)

# 执行结果：
# ['12', '123']


import re

tt = 'ggood booyy nice day'
print(re.findall("w*oow*", tt))
print(re.findall("(w)*oo(w)", tt))    # 通过小括号分组，得到列表中的元组

# 执行结果：
# ['ggood', 'booyy']
# [('g', 'd'), ('b', 'y')]

5. finditer()

描述：

搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。找到RE匹配的所有部分，并把他们作为一个迭代器返回。

格式：

re.finditer(pattern, string, flags=0)

实例：

import re

iter = re.finditer('d+', 'adfasdfq2313sdasf2qe4123')
for i in iter:
    print(i)    # finditer返回的是一个迭代器
    print(i.group())    # 返回一组匹配到的部分
    print(i.span())     # 返回一个元组包含匹配（开始，结束）的位置

# 执行结果：
# <_sre.SRE_Match object; span=(8, 12), match='2313'>
# 2313
# (8, 12)
# <_sre.SRE_Match object; span=(17, 18), match='2'>
# 2
# (17, 18)
# <_sre.SRE_Match object; span=(20, 24), match='4123'>
# 4123
# (20, 24)

6. split()

描述：

按照能够匹配的字串将 string 分割后返回列表。
可以使用re.split来分割字符串，如：re.split(r's+', text)；将字符串按空格分割成一个单词列表。

import re
print(re.split("s+", 'nice to meeting you'))

# 执行结果：
# ['nice', 'to', 'meeting', 'you']

格式：

re.split(pattern, string[, maxsplit])
maxsplit用于指定最大分割次数，不指定将全部分割。

实例：

import re
print(re.split('d+','one1two2three3four4five5'))

# 执行结果：
# ['one', 'two', 'three', 'four', 'five', '']


re.split 用法在这里要注意下：
    当正则中使用分组和不使用分组返回的是不同的结果：
    
import re
print(re.split('[a-z]','111a222'))
print(re.split('([a-z])','111a222'))

# 执行结果：
# ['111', '222']        # 未使用分组
# ['111', 'a', '222']   # 使用分组

通过上面的例子，我们可以看到未使用分组和使用分组的不同，这里总结一下：

当正则未使用分组（正则未带小括号）时，按照匹配到的部分进行切割，且匹配到的部分不会出现在结果列表中
当正则使用分组（正则带小括号）时，按照匹配到的部分进行切割，匹配到的部分作为元素出现在列表中，且匹配到值的索引按照奇数位出现1、3、5、7...

灵活的使用分组会带来很多的便捷，后面编写计算器的代码中就会用到。

7. sub()

使用re替换string中每一个匹配的子串后返回替换后的字符串

格式：

re.sub(pattern, repl, string, count)

默认全部替换

实例：

import re
s1 = '1 + 2 + (4 / 5  + 2)'

print(re.sub(' ', '', s1))  # 直接去除计算表达式中的空格

# 执行结果：
# 1+2+(4/5+2)

8. subn()

描述：

返回元组类型，最后一位为替换的次数

格式：

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

实例：

import re
s1 = '1 + 2 + (4 / 5  + 2)'

print(re.subn(' ', '', s1))  # 直接去除计算表达式中的空格

# 执行结果：
# ('1+2+(4/5+2)', 9)    # 替换了9次空格

re模块方法区分

1. re.match与re.search与re.findall的区别：

re.match     只是匹配字符串的开始，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
re.search     匹配整个字符串，直到直到一个匹配。

import re
s1 = 'abc123'
print(re.match("[d]", s1))     # 从头开始搜索数字，如果开始没有匹配到返回None
print(re.search("[d]", s1).group())    # 从头开始搜索数字，匹配到第一个直接返回一个迭代器
print(re.findall("[d]", s1))   # 遍历查找字符串中的数字部分，查找到每个数字都以元素的形式展现

# 执行结果：
# None
# 1
# ['1', '2', '3']

2. 贪婪匹配和非贪婪匹配

*?,+?,??,{m,n}?    前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

实例1：

import re
a = re.findall(r"a(d+?)",'a23b')   # 在正则后面加'?'，表示惰性匹配，匹配到一个就直接返回
print(a)
b = re.findall(r"a(d+)",'a23b')    # 贪婪匹配
print(b)

# 执行结果：
# ['2']
# ['23']

实例2：

a = re.match('<(.*)>','<H1>title<H1>').group()
print(a)
b = re.match('<(.*?)>','<H1>title<H1>').group()
print(b)

# 执行结果：
# <H1>title<H1>
# <H1>

实例3：

a = re.findall(r"a(d+)b",'a3333b')
print(a)
b = re.findall(r"a(d+?)b",'a3333b')
print(b)

# 执行结果：
# ['3333']
# ['3333']

参考链接：
    https://www.cnblogs.com/tina-python/p/5508402.html
    http://tool.chinaz.com/regex/
    http://www.cnblogs.com/Eva-J/articles/7228075.html#_label10