Python 正则表达式

Python 正则表达式

正则表达式是一个特殊的字符序列，能方便的检查一个字符串是否与某种模式匹配。

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

一、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

• 语法：

re.match(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。

• 各种方法：
  • group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
  • 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))。

1.span()

import re

# 在起始位置匹配
print(re.match("abc", "abc.def.ghi").span()) 
# span()返回一个元组包含匹配 (开始,结束) 的位置
# 不在起始位置匹配
print(re.match("ghi", "abc.def.ghi"))

2.group()

import re

line = "He is as tall as me"
matchObj = re.match(r'(.*)is (.*?) (.*)', line, re.M)
if matchObj:
    print("matchObj.group():", matchObj.group())
    print("matchObj.group(1) : ", matchObj.group(1))
    print("matchObj.group(2) : ", matchObj.group(2))
    print("matchObj.group(3) : ", matchObj.group(3))
else:
    print("No match!!!")

group()方法就有点类似于分组，可以返回分组里的内容

二、re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

• 语法：

re.search(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。

1.span()

import re

print(re.match("abc", "abc.def.ghi").span())
print(re.match("ghi", "abc.def.ghi"))

print(re.search("abc", "abc.def.ghi").span())
print(re.search("ghi", "abc.def.ghi"))
print(re.search("ghi", "abc.def.ghi").span())

2.group()

这个和re.match函数类似，并无太大差别

三、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。

四、re.findall()

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。

• 语法为：

findall(string[, pos[, endpos]])

• 参数：

参数	描述
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

• 例子：

import re

def findall_test():
    pattern = re.compile(r'\d+')
    result1 = pattern.findall("root 123 alice 456")
    result2 = pattern.findall("root123alice456", 0, 10)
    print(result1)
    print(result2)


if __name__ == "__main__":
    findall_test()

五、re.sub()

re.sub:将匹配到的数据进行替换

Python 的 re 模块提供了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：

参数	描述
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

• 例子：

import re

# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)


s = "A23G4HFD567"
print(re.sub('(?P\d+)', double, s))

六、re.split()

split 根据匹配进行切割字符串，并返回一个列表

• 语法：

re.split(pattern, string[, maxsplit=0, 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
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

• 例子：

import re


def spiteTest():

    ret = re.split(r':| ', "abc:def ghi:jkl")
    # 以冒号或者空格为分隔符
    print("切割后的字符串为: ", ret)


if __name__ == "__main__":
    spiteTest()

七、re.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。

但与findall语法格式不同。

• 语法：

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。

• 例子：

import re

it = re.finditer(r"\d+", "123abc456def789")
for match in it:
    print(match.group())

八、正则表达式修饰符 - 可选标志flag

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。