正则表达式(re模块)

正则表达式

re.match函数

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

re.search方法

• 扫描整个字符串并返回第一个成功的匹配。
• >re.search(pattern, string, flags=0)

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。

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。
• >re.findall(pattern,string,flags=0)

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

‘(?P…)’ 分组匹配

• 例：身份证 1102231990xxxxxxxx

import re
s = '1102231990xxxxxxxx'
res = re.search('(?P\d{3})(?P\d{3})(?P\d{3})',s)
print(res.groupdict())
# 此分组取出结果为：
{'province': '110', 'city': '223', 'born_year': '199'}
# 直接将匹配结果直接转为字典模式，方便使用。

零宽断言

import re
str = '我的个人博客地址是stuzar.github.io，个人邮箱是[email protected]，个人QQ是xxxxxxx'

• ?= 代表零宽度正预测先行断言，它断言自身出现的位置的后面可以匹配后面跟的表达式。

result = re.search('我的个人博客地址是(.*?)(?=，个人邮箱)', str)
print('整句结果：' + result.group(), '第一个匹配结果：' + result.group(1), sep='\n')
# ----> 整句结果：我的个人博客地址是stuzar.github.io
# ----> 第一个匹配结果：stuzar.github.io

• ?<= 代表零宽度正回顾后发断言，它断言自身出现的位置的前面可以匹配后面跟的表达式。(其实就是匹配前面的标识)

result = re.search('(?<=，)个人邮箱是(.*?)(?=，)', str)
print('整句结果：' + result.group(), '第一个匹配结果：' + result.group(1), sep='\n')
# ----> 整句结果：个人邮箱是[email protected]
# ----> 第一个匹配结果：[email protected]

• ?! 代表零宽度负预测先行断言，它断言自身出现的位置的后面不可以匹配后面跟的表达式。(用来匹配后面的文本，但这里是取反，它指定了后面出现的内容不匹配该标识)

result = re.search('我的个人博客地址是(.*?)(?!，个人QQ是xxxxxxx)(?=，个人邮箱)', str)
print('整句结果：' + result.group(), '第一个匹配结果：' + result.group(1), sep='\n')
# ----> 整句结果：我的个人博客地址是stuzar.github.io
# ----> 第一个匹配结果：stuzar.github.io

• ? 代表零宽度负回顾后发断言，它断言自身出现的位置的后面不可以匹配后面跟的表达式。

result = re.search('(?<=，)(?, str)
print('整句结果：' + result.group(), '第一个匹配结果：' + result.group(1), sep='\n')
# ----> 整句结果：个人邮箱是[email protected]
# ----> 第一个匹配结果：[email protected]

• 常用findall()方法匹配多个结果

results = re.findall('个人(.*?)是(.*?)(?=，|\Z)', str)
for result in results:
    print(result[0] + ': ' + result[1])
# ----> 博客地址: stuzar.github.io
# ----> 邮箱: [email protected]
# ----> QQ: xxxxxxx

查询

正则表达式修饰符 - 可选标志

• 正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。
• 多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

正则表达式模式

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}	精确匹配 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,}	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
(?#…)	注释.
\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,	匹配一个换行符。匹配一个制表符。