Python学习笔记|Python之正则表达式

什么是正则表达式

正则表达式是包含文本和特殊字符的字符串，该字符串描述一个可以识别各种字符串的模式

1.字符

1.1 正则表达式对字符（单个字符）的表示

• .

匹配任意1个字符（除了\n），注意因为.表示任意一个字符，所以如果匹配‘.’则需要用转义字符.来表示

代码如下：

	print(re.findall('.',"s2a4561b3678 ——"))

结果如下：

	['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8', ' ', '—', '—']

• [ ]

匹配[ ]中列举的字符，如果[a-zA-Z0-9],[a-zA-Z]表示所有字母和数字，后者表示所有字母，注意中间没有空格符号。

• \d

匹配数字，即0-9

代码如下:

	print(re.findall('\d',"s2a4561b3678 ——"))

结果为：

	['2', '4', '5', '6', '1', '3', '6', '7', '8']

• \D

匹配非数字，即不是数字

代码如下：

	print(re.findall('\D',"s2a4561b3678 ——"))

结果如下：

	['s', 'a', 'b', ' ', '—', '—']

• \s

匹配空白，即 空格，tab键

代码如下：

	print(re.findall('\s',"s2a4561b3678 ——"))

结果如下：

	[' ']

• \S

匹配非空白

代码如下：

	print(re.findall('\S',"s2a4561b3678 ——"))

结果如下：

	['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8', '—', '—']

• \w

匹配单词字符，即a-z、A-Z、0-9、_

代码如下：

	print(re.findall('\w',"s2a4561b3678 ——"))

结果如下:

	['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8']

• \W

匹配非单词字符

代码如下：

	print(re.findall('\W',"s2a4561b3678 ——"))

结果如下：

	[' ', '—', '—']

1.2 正则表达式匹配多个字符：数量的表示

	text = "a aAx aAAy bAAz cAAAk"

• * 匹配前一个字符出现0次或者无限次，即可有可无

	print(re.findall(r"aA*", text))     #['a', 'aA', 'aAA']

• + 匹配前一个字符出现1次或者无限次，即至少有1次

	print(re.findall(r"aA+", text)) #['aA', 'aAA']

• ? 匹配前一个字符出现1次或者0次，即要么有1次，要么没有

	print(re.findall(r"aA?", text))  #['a', 'aA', 'aA']

• {m} 匹配前一个字符出现m次

	print(re.findall(r"A{2}",text)) #['AA', 'AA', 'AA']

• {m,} 匹配前一个字符至少出现m次

	print(re.findall(r"A{1,}",text)) #['A', 'AA', 'AA', 'AAA']

• {m,n} 匹配前一个字符出现从m到n次

	print(re.findall(r"A{1,2}",text))#['A', 'AA', 'AA', 'AA', 'A']

1.3 正则表达式：匹配边界的问题

• ^ 匹配字符串开头

	print(re.findall('^s',"s2a4561b3678 ——"))

结果为：

	['s']

• $ 匹配字符串结尾

	print(re.findall('8$',"s2a4561b3678"))

结果为：

	['8']

• \b

匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。

	print(re.findall(r'\bs',"s2abc4561b3678 ——"))

	['s']

• \B 匹配非单词边界，‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。

	print(re.findall(r'\babc\b',"abc4561b3678 ——abc"))

结果为：

	['abc']

2.re模块中常用的功能函数

首先了解下flags值的含义，具体如下：

• re.S(DOTALL)

使.匹配包括换行在内的所有字符

• re.I（IGNORECASE）

使匹配对大小写不敏感

• re.L（LOCALE）

做本地化识别（locale-aware)匹配，法语等

• re.M(MULTILINE)

多行匹配，影响^和$

• re.X(VERBOSE)

该标志通过给予更灵活的格式以便将正则表达式写得更易于理解

• re.U

根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B

2.1 compile()

• 函数原型

生成一个正则表达式对象，供 match() 和 search() 这两个函数使用

	re.compile(pattern,flags=0)

2.2 serach()

• 函数原型

整个字符串中匹配

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

如下：

	print(re.search('com', 'www.baidu.com'))

2.3 match()

• 函数原型

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

match匹配，如果匹配成功，则返回一个match object的match对象

print(re.match('www', 'www.baidu.com')) # 在起始位置匹配

如果不是起始位置匹配成功的话，match()就返回None

print(re.match('com', 'www.baidu.com')) # 不在起始位置匹配

• 总结

match与search区别
1.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
2.re.search匹配整个字符串，直到找到一个匹配。

2.4 findall()

• 函数原型

findall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

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

2.5 finditer()

• 函数原型

finditer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

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

2.6 split()

• 函数原型

split将字符串按照正则表达式分隔，返回一个列表

	re.split(pattern, string[, maxsplit])

2.7 sub()

• 函数原型

sub用于替换字符串中的匹配项，将字符串根据正则表达式用参数二替换，返回一个替换后的字符串

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

2.8 subn()

• 函数原型

subn返回替换个数，并以元组形式返回（字符串，替换个数）

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

3.match object中的方法

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：

3.1 groups()

返回被 RE 匹配的字符串

3.2 start()

返回匹配开始的位置

3.3 end()

返回匹配结束的位置

3.4 span()

返回一个元组包含匹配 (开始,结束) 的位置

3.5 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。

4.贪婪匹配与非贪婪匹配

• 非贪婪模式

在整个表达式匹配成功的前提下，尽可能少的匹配，量词后面直接加上一个问号”?”就变成了飞非贪婪，具体量词有5个，分别为：*，+，？，{m},{n,m}

	a = re.findall(r"a(\d+?)",'a23ba23')
	print(a)

• 贪婪匹配

正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配，python中默认采用的是贪婪模式

	b = re.findall(r"a(\d+)",'a23ba23')
	print(b)