python正则表达式，看完这篇文章就够了...

今天讲什么？

今天以为大学同学微信聊，说最近在看我的公众号，她是国企汽车制造业的，但也要用python进行数据分析...之前看了往期的python字符串操作内容，里面说到了正则表达式，想学习一下...
正则表达式这东西，你说它简单它也简单，你说它难吧，确实不容易。为什么？这东西就是死记硬背的。背过了相关的语法，使用起来就so easy。但记不熟语法，就犯难了。网上关于python正则的帖子很多，我再去写压力比较大，尽可能的总结详细一些吧！

正则表达式简介

正则表达式，是一个特殊的字符序列，又称规则表达式（英语：Regular Expression，在代码中常简写为regex、regexp 或RE），本质而言是一种小型的，高度专业化的编程语言。
Python 自1.5版本起增加了re 模块，re 模块使Python语言拥有全部的正则表达式功能。

正则语法表

关于正则语法表，别想其他的都背过就行了。不管你是python还是其他的语言都是一样的，所以背不过就抄到记住为止！这个你背不过，再好的教程看了也没用。如何巧记？我们需要对其进行分类。

• 开头结尾

这一对标签，大家都不会陌生...

模式	描述
^	从整个字符串开头的地方匹配
$	从整个字符串的结尾开始匹配

• 模糊匹配

模式	描述
.	匹配任意字符，除了换行符
re?	重复匹配?号前面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*	重复匹配*号前面0个或多个的表达式。
re+	重复匹配+号前面1个或多个的表达式。
a丨b	匹配a或b

• 关于括号

模式	描述
{}	表示匹配"{}"前边的字符 指定个数为"{}"里边的数值
[]	表示一个字符集，它常被用来指定一个字符类别，字符可以单个列出，也可以用“-”号分隔的两个给定字符来表示一个字符区间
()	分组 将括号中的内容 当作整体来对待

• "" 反斜杠的应用

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\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
\Z	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。
\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'。
\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'。
\n, \t, 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。

• 其他

模式	描述
(?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。

re模块用法

re.(function)(pattern[, flags])
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：

1. re.I 忽略大小写
2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
3. re.M 多行模式
4. re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
6. re.X 为了增加可读性，忽略空格和 # 后面的注释

• findall() (即：全部找到,返回的是一个列表)

findall(string[, pos[, endpos]])
参数：

1. string : 待匹配的字符串。
2. pos : 可选参数，指定字符串的起始位置，默认为 0。
3. 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
s = 'helloworld hellobeijing'
ret = re.findall('hello\S+',s)
print(ret)
['helloworld', 'hellobeijing']

• finditer()

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。
re.finditer(pattern, string, flags=0)
参数：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

• search() 与 match()

相同点：

1. 语法：re.search/match(pattern, string, flags=0)

2. 函数参数说明：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

3. 可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配方法	描述
group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组
groups()	返回一个包含所有小组字符串的元组，从 1 到 所含的小组号
start([group])	方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0
end([group])	方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0
span([group])	方法返回 (start(group), end(group)

import re
# re.search
ret = re.search('h..','hello hello world')
print(ret) # 输出结果：<_sre.SRE_Match object; span=(0, 3), match='hel'>
ret1 = re.search('h..','hello hello world').group()
print(ret1) # 输出结果：hel 只输出第一个符合条件的结果

# re.match
ret = re.match('asd','asdhskdjfksji')
print(ret) # 输出结果：<_sre.SRE_Match object; span=(0, 3), match='asd'>返回的是一个对象。
ret1 = re.match('asd','asdhskdjfasdksjiasd').group()
print(ret1) # 输出结果：asd 调用.group()方法，只返回匹配的第一个结果。

不同点：

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

# re.search
s = 'helloworld hellobeijing'
ret = re.search('hellob\S+',s)
print(ret)


# re.match
s = 'helloworld hellobeijing'
ret = re.match('hellob\S+',s)
print(ret)
None

• split() 分隔符 对比字符串里边的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：

re.split(pattern, string[, maxsplit=0, flags=0])

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
maxsplit	分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志

import re
s = 'helloworld hellobeijing'
ret = re.split('hello',s)
print(ret)
['', 'world ', 'beijing']

• sub() 替换；类似字符串中的replace()方法。

re.sub用于替换字符串中的匹配项。
语法：
re.sub(pattern, repl, string, count=0, flags=0)
参数：

1. pattern : 正则中的模式字符串。
2. repl : 替换的字符串，也可为一个函数。
3. string : 要被查找替换的原始字符串。
4. 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。

import re
s = 'helloworld hellobeijing'
ret = re.sub('hello','goodbye',s)
print(ret)
goodbyeworld goodbyebeijing

• compile(strPattern[,flag]): 这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
语法格式为：
re.compile(pattern[, flags])
参数：
pattern : 一个字符串形式的正则表达式

1. 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：
2. re.I 忽略大小写
3. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
4. re.M 多行模式
5. re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
6. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
7. re.X 为了增加可读性，忽略空格和 # 后面的注释

import re
pattern = re.compile('he.{3}')
pattern.match(s)

The End

今天的内容就到这里，欢迎关注我的微信公众号【清风Python】谢谢。