python核心编程第三版（一）学习笔记：正则表达式

注：下面有些内容不全都来源于原著，这些都是通过各方面的资料收集合并的结果。

目录

一、正则表达式介绍

二、分类解析

1、元字符

匹配对象以及group（）和groups（）方法

搜索与匹配的比较

2、数量词：会出现贪婪模式

3、边界词

4、分组词

5、特殊构造

三、re模块下的函数

1、compile：

2、search：

3、match：

4、split：

5、findall：

6、sub：

7、escape：

四、re模块下函数的方法

---

一、正则表达式介绍

正则表达式为高级的文本模式匹配、抽取、与/或文本形式的搜索和替换功能提供了基础。

这里主要讲针对于python编程中的正则表达式内容，也就是讲解re模块的应用，因为python是通过标准库中的re模块来支持正则表达式的。

常见正则表达式符号和特殊字符（后面会针对这些做一些练习题）

符号	描述	示例
Literal	匹配文本字符串的字面值literal	Foo
re1| re2	匹配正则表达式re1或者re2	foo|bal
.(点)	匹配任何字符(除了\n之外)	b.b
^	匹配字符串的起始部分	^Dear
$	匹配字符串的终止部分	/bin/*sh$
*	匹配0次或多次前面出现的正则表达式	[A-Za-z0-9]*
+	匹配1次或多次前面出现的正则表达式	[a-z]+\.com
?	匹配0次或1次前面出现的正则表达式	goo?
{N}	匹配N次前面出现的正则表达式	[0-9]{3}
{M,N}	匹配M~N次前面出现的正则表达式	[0-9]{3,5}
[...]	匹配来自字符集的任意单一字符	[aeiou]
[..x-y..]	匹配x~y范围中的任意单一字符	[0-9],[a-z]
[^...]	不匹配此字符集中出现的任何一个字符，包括某一范围内的字符(不包括此字符集中出现)	[^aeiou]
(*|+|?|{})?	用于匹配上面频繁出现/重复出现符号的非贪婪版本(*、+、?、{})	.*?[a-z]
(...)	匹配封闭的正则表达式然后另存为子组	([0-9]{3})?,f(oo|u)bar
特殊字符
\d	匹配任何十进制数字，与[0-9]一致(\D与\d相反，不匹配任何非数值型的数字)	data\d+.txt
\w	匹配任何字母数字字符，与[A-Za-z0-9]相同(\W与之相反)	[A-Za-z]\w+
\s	匹配任何空格字符，与[\n\t\r\v\f]相同(\S与之相反)	of\sthe
\b	匹配任何单词边界(\B与之相反)	\bThe\b
\N	匹配已保存的子组N(参见上面的(...))	price:\14
\c	逐字匹配任何特殊字符c(即，仅按字面意思匹配，不匹配特殊含义)	\.,\\,\*
\A(\Z)	匹配字符串的起始(结束)(另见上面的^和$)	\ADear
扩展表示法
(?iLmsux)	在正则表达式中嵌入一个或者多个特殊“标记“参数(或者通过函数/方法)	(?x),(? Im)
(?...)	表示一个匹配不用保存的分组	(?:\w+\.)*
(?p...)	像一个仅由name标识而不是数字ID标识的正则分组匹配	(?p)
(?P=name)	在同一字符串中匹配由(?p	(?p=data)
(?#...)	表示注释，所有内容都被忽略	(?#comment)
(?=...)	匹配条件是如果...出现在之后的位置，而不适用输入字符串；称作正向前视断言	（？=.com）
(?!...)	匹配条件是如果...不出现之后的位置，而不使用输入字符串；称作负向前视断言	(?!.net)
(?<=...)	匹配条件是如果...出现在之前的位置；而不使用输入字符串；称作正向后视断言	(?<=800-)
(?	匹配条件是如果...不出现在之前的位置，而不使用输入字符串；称作负向后视断言	(?
(?(id/name)Y|N)	如果分组所提供的id或name存在，就返回正则表达式的条件匹配Y，如果不存在就返回N;|N是可选项	(?(1)y|x)

二、分类解析

1、元字符

字符	描述
.	除换行符外的任意字符
\	转义字符
[...]	字符集合
\d	数字:[0-9]
\D	非数字[^0-9]
\s	空白字符[\t\r\n\f、空格]
\S	非空白字符[^\s]
\w	单词字符[A-Za-z0-9]
\W	非单词字符[^\w]

# "."通配符
>>> import re
>>> pat = re.compile(".")
>>> pat.match('abc')
<_sre.SRE_Match object; span=(0, 1), match='a'>
>>> pat.match("abc").group()
'a'     #匹配到了首个字符
>>> pat.match("abc").groups()
()   
>>> pat.search("abc").group()
'a'
>>> pat.search("abc").groups()
()
>>> pat.match("\n").group()
Traceback (most recent call last):    #换行符匹配出错
  File "", line 1, in 
    pat.match("\n").group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> 

匹配对象以及group（）和groups（）方法

当处理正则表达式时。除了正则表达式对象之外，还有另一个对象类型：匹配对象（成功调用match或search返回的对象）。匹配对象有两个重要的方法：group（）和groups（）。

group（）要么返回整个匹配对象，要么根据要求返回特定子组。

groups（）则仅返回一个包含唯一或者全部子组的元组。

如果没有子组的要求，group（）仍然返回整个匹配对象，groups（）返回一个空元组。

不明白的转： group 与 groups的区别

# "\"转义符
>>> import re
>>> pat = re.compile("\.")
>>> pat.search("ac.efg").group()
'.'     #匹配到.
>>> pat.findall("ac.efg")
['.']     #不用group,返回列表
>>> 

关于re模块在创建模式对象（compile）后的常用函数会在后面详细讲解

# "[...]" : 集合，匹配里面的任意一个元素
>>> import re
>>> pat = re.compile("[abc]") 
>>> pat.match("axbycz").group()
'a'
>>> pat.search("axbycz").group()
'a'
>>> pat.findall("axbycz")
['a', 'b', 'c']
>>> 

# "\d" : 数字
>>> import re
>>> pat = re.compile("\d")
>>> pat.search("ax1by2cz3").group()
'1'    #搜索到第一个数字:1，返回
>>> pat.match("ax1by2cz3").group()
Traceback (most recent call last):    #匹配不到（首个不是数字）返回None，报错，match匹配字符串头
  File "", line 1, in 
    pat.match("ax1by2cz3").group()
AttributeError: 'NoneType' object has no attribute 'group'
>>>  
>>> pat.findall("ax1by2cz3")     #匹配所有的数字，列表返回
['1', '2', '3']

搜索与匹配的比较

python主要有两种方法完成模式匹配：搜索、匹配

搜索，search（）实现在字符串任意部分中搜索匹配的模式

匹配，match（）实现判断一个字符串能否从起始处全部或者部分地匹配某个模式

# "\D" : 非数字
>>> import re
>>> pat = re.compile("\D")
>>> pat.match("ax1by2cz3").group()
'a'
>>> pat.search("ax1by2cz3").group()
'a'
>>> pat.findall("ax1by2cz3")
['a', 'x', 'b', 'y', 'c', 'z']

# "\s" :空白字符有4，包括： \t、\r、\n、空格
>>> import re
>>> pat = re.compile("\s")
>>> pat.findall("\rax1 \nby2 \tcz3")
['\r', ' ', '\n', ' ', '\t']
>>> pat.search("\rax1 \nby2 \tcz3").group()
'\r'
>>> pat.match("\rax1 \nby2 \tcz3").group()
'\r'

# "\S" :非空白字符
>>> import re
>>> pat = re.compile("\S")
>>> pat.search("\rax1 \nby2 \tcz3").group()
'a'
>>> pat.findall("\rax1 \nby2 \tcz3")
['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3']

# "\w" :单词字符,数字和字母:[A-Za-z0-9]
>>> import re
>>> pat = re.compile("\w")
>>> pat.findall("1a2b3c")
['1', 'a', '2', 'b', '3', 'c']
>>> pat.search("1a2b3c").group()
'1'
>>> pat.match("1a2b3c").group()
'1'

# "\W":非单词字符,除数字和字母外
>>> import re
>>> pat = re.compile("\W")
>>> pat.findall("1a2我b3c")
[]
>>> pat.findall("1a2我b3c,4essa.")
[',', '.']
>>> pat.search("1a2我b3c,4essa.").group()
','

2、数量词：会出现贪婪模式

数量词	描述
*	匹配前一个字符0次或则多次
+	匹配前一个字符1次或则多次
？	匹配前一个字符0次或则1次
{m}	匹配前一个字符m次
{m,n}	匹配前一个字符m次到n次
数量词?	非贪婪模式

# "*" ：0次或则多次
>>> import re
>>> pat = re.compile("[abc]*")
>>> pat.match("abcabcdefabc").group()
'abcabc'    #2次
>>> pat.search("abcabcdefabc").group()
'abcabc'    #2次
>>> pat.findall("abcabcdefabc")
['abcabc', '', '', '', 'abc', '']   #2次和1次,因为有0次，所以匹配了''

# "+" ：1次或则多次
>>> import re
>>> pat = re.compile("[abc]+")
>>> pat.match("abcdefabcabc").group()
'abc'
>>> pat.search("abcdefabcabc").group()
'abc'
>>> pat.findall("abcdefabcabc")
['abc', 'abcabc']

# "?" ：0次或则1次，match,search 不会出现none，会出现''
>>> import re
>>> pat = re.compile("[abc]?")
>>> pat.match("defabc").group()
''     #0次
>>> pat.match('abcdefabc').group()
'a'    
>>> pat.search('defabc').group()
''     #0次
>>> pat.findall('defabc')
['', '', '', 'a', 'b', 'c', '']     #0次和1次
 

# "{m}" ：匹配字符串出现m次
>>> import re
>>> pat = re.compile("[op]{2}")     #o或则p出现2次
>>> pat.search("abcooapp").group() 
'oo'      #匹配第一次出现的字符串,o比p先出现
>>> pat.findall("abcooapp")
['oo', 'pp']     #匹配出现的所有字符串，列表形式返回

# "{m,n}" ：匹配字符串出现m到n次
>>> import re
>>> pat = re.compile("[op]{2,4}")     #o或则p出现2到4次
>>> pat.match("pppabcooapp").group()
'ppp'    #匹配开头
>>> pat.match("ppabcooapp").group()
'pp'     #不连续，非贪婪模式只匹配2次
>>> pat.search("pppabcooapp").group()
'ppp'    #匹配第一次出现
>>> pat.findall("pppabcooapp")
['ppp', 'oo', 'pp']     #匹配所有

# "数量词?" ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）
>>> import re
>>> pat = re.compile("[abc]+")   #贪婪模式
>>> pat.match("abcdefabcabc").group()   #匹配尽可能多的：abc
'abc'
>>> pat.match("bbabcdefabcabc").group()
'bbabc'
>>> pat.search("dbbabcdefabcabc").group()
'bbabc'
>>> pat.findall("abcdefabcabc")
['abc', 'abcabc']
>>>
>>> pat = re.compile("[abc]+?")    #非贪婪模式：+?
>>> pat.match("abcdefabcabc").group()   #匹配尽可能少的：a、b、c
'a'
>>> pat.search('dbbabcdefabcabc').group()
'b'
>>> pat.findall('abcdefabcabc')
['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']

3、边界词

边界词	描述
^	匹配字符串开头和行首
$	匹配字符串结尾和行尾
\A	匹配字符串开头
\Z	匹配字符串结尾
\b	匹配\w 和 \W 之间

# "^" ：匹配字符串开头或则行头
>>> import re
>>> pat = re.compile("^[abc]")   #开头是abc
>>> pat.search('defabc').group()  
Traceback (most recent call last):   #找不到
  File "", line 1, in 
    pat.search('defabc').group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> pat.match('defabc').group()
Traceback (most recent call last):   #找不到
  File "", line 1, in 
    pat.match('defabc').group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> pat.findall('defabc')
[]
>>> pat.search('adefabc').group()
'a'     #开头是a、b、c中的任意一个
>>> pat.match('adefabc').group()
'a'
>>> pat.findall('adefabc')
['a']

>>> import re
>>> pat = re.compile("^[abc]+")   #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个
>>> pat.findall("cbadefab")
['cba']
>>> pat = re.compile(r'^[abc]+?')  #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个
>>> pat.findall('cbadefab')
['c']

compile中的r表示其后的字符串按原样表示，不使用转义字符，如：
"\n" 表示换行符
r"\n" 表示一个斜杠加上字符n组成的字符串

# "$" ：匹配字符串结尾或则行尾
>>> import re
>>> pat = re.compile("[abc]$")   
>>> pat.match("adefAbc").group()
Traceback (most recent call last):   #match匹配的是字符串开头，所以查找$的时总是返回None
  File "", line 1, in 
    pat.match("adefAbc").group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> pat.search('adefAbc').group()
'c'
>>> pat.findall('adefAbc')
['c']
>>> 
>>> pat = re.compile('[abc]+$')
>>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个
'bc'
>>> pat.findall('adefAbc')
['bc']
>>> 

# "\A"：匹配字符串开头
>>> import re
>>> pat = re.compile("\A[abc]+")
>>> pat.findall('cbadefab')
['cba']
>>> pat.search('cbadefab').group()
'cba'
>>> 

# "\Z"：匹配字符串结尾
>>> import re
>>> pat = re.compile('[abc]+\Z')
>>> pat.search('cbadefab').group()
'ab'
>>> pat.findall('cbadefab')
['ab']
>>> 

#"\b":匹配\w 和 \W 之间
>>> import re
>>> s = "==123!! abc123. 123. 123abc. 123"
>>> re.split(r"123\b",s)   #123前后都有边界
['==', '!! abc', '. ', '. 123abc. ', '']

\b此处不明白请转：正则表达式里\b和\B，Python实例

4、分组词

分组方法	描述
|	左右表达式任意匹配一个，先匹配左边一旦成功则跳过匹配右边， 如果|没有包含在()中,匹配整个正则表达式
(...)	分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词
(?P...)	除了分组序号外,指定一个 name的别名
\	引用编号为的分组匹配到的字符串
(?P=name)	引用别名为的分组匹配到的串

# "(...)" ：在模式里面用()来表示分组（匿名分组）,适用于提取目标字符串中的某一些部位。
>>> import re
>>> pat = re.compile(r"(a)\w(c)")  #\w:单词字符[A-Za-z0-9]
>>> pat.match("abdddcccef").group()  
Traceback (most recent call last):  #一个\w只能匹配一次
  File "", line 1, in 
    pat.match("abdddcccef").group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> pat.match("adcccef").group()
'adc'
>>> pat = re.compile("(a)b(c)")  #分2组，匿名分组
>>> pat.match("abcdef").group()
'abc'   #默认返回匹配的字符串
>>> pat.match("adcdef").group()
Traceback (most recent call last):  #不匹配
  File "", line 1, in 
    pat.match("adcdef").group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> pat.match('abcdef').group(1)   #取分组1，适用于search
'a'
>>> pat.match('abcdef').group(2)   #取分组2，适用于search
'c'
>>> pat.match('abcdef').groups()   #取所有分组，元组形式返回
('a', 'c')
>>> pat=re.compile(r'www\.(.*)\..{3}')
>>> pat.match('www.dxy.com').group(1)
'dxy'
>>> pat.match('www.dxy.com').groups()
('dxy',)

# "(?P...)" 在模式里面用()来表示分组（命名分组）,适用于提取目标字符串中的某一些部位。
>>> import re
>>> pat = re.compile(r"(?Pa)\w(c)")  #分2组：命名分组+匿名分组
>>> pat.search('abcdef').groups()   #取所有分组，元组形式返回
('a', 'c')
>>> pat.search('abcdef').group(1)   #取分组1，适用于search
'a'
>>> pat.search('abcdef').group(2)   #取分组2，适用于search
'c'
>>> pat.search('abcdef').group()    #默认返回匹配的字符串
'abc'
>>> pat.search('abcdef').groupdict()    #命名分组可以返回一个字典【专有】，匿名分组则没有
{'K': 'a'}
>>> pat.search('abcdef').groupdict(2)
{'K': 'a'}
>>> pat.search('abcdef').groupdict(1)
{'K': 'a'}

# "(?P=name)" ：引用命名分组(别名)匹配：
>>> import re
>>> pat=re.compile(r'(?Pa)\w(c)(?P=K)')    #(?P=K)引用分组1的值，就是a
>>> pat.search('abcdef').group()
Traceback (most recent call last):     #匹配不到，因为完整'a\wca',模式的第4位是a
  File "", line 1, in 
    pat.search('abcdef').group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> pat.search('abcadef').group()  #匹配到，模式的第4位和组1一样,值是a
'abca'
>>> pat.search('abcadef').groups()
('a', 'c')
>>> pat.search('abcadef').group(1)
'a'
>>> pat.search('abcadef').group(2)
'c'

# "\" ：引用分组编号匹配
>>> import re
>>> pat=re.compile(r'(?Pa)\w(c)(?P=K)\2')    #\2引用分组2的值，就是c
>>> pat.findall('Aabcadef')     #匹配不到，因为完整'a\wcac',模式的第5位是c
[] 
>>> pat.findall('Aabcacdef')    #匹配到，模式的第5位和组2一样,值是c
[('a', 'c')]
>>> pat.search('Aabcacdef').groups()
('a', 'c')
>>> pat.search('Aabcacdef').group()
'abcac'
>>> pat.search('Aabcacdef').group(1)
'a'
>>> pat.search('Aabcacdef').group(2)
'c'

5、特殊构造

方法	描述
(?:...)	(...)不分组版本,用于使用 | 或者后接数量词
(?iLmsux)	iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
(?#...)	#号后的内容将作为注释
(?=...)	之后的字符串内容需要匹配表达式才能成功匹配
(?!...)	之后的字符串不匹配表达式才能成功
(?<=...)	之前的字符串需要匹配表达式才能成功
(?	之前的字符串需要不匹配表达式才能成功
(?(id/name) yes |no)	如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略

 

 

 

 

 

 

 

 

 

 

# "(?:...)" ：()里面有?:表示该()不是分组
>>> import re
>>> pat = re.compile(r"a(?:bc)")
>>> pat.findall('abc')
['abc']
>>> pat.match('abc').groups()    #显示不出分组
()

# "(?=...)"：匹配...表达式，返回。对后进行匹配，总是对后面进行匹配
>>> import re
>>> pat=re.compile(r'\w(?=\d)')  #匹配表达式\d，返回数字的前一位，\w：单词字符[A-Za-z0-9]
>>> pat.findall('abc1 def1 xyz1')
['c', 'f', 'z']
>>> pat.findall('zhoujy20130628hangzhou')   #匹配数字的前一位，列表返回
['y', '2', '0', '1', '3', '0', '6', '2']
>>> 
>>> pat=re.compile(r'\w+(?=\d)')  
>>> pat.findall('abc1,def1,xyz1')    #匹配最末数字的前字符串，列表返回
['abc', 'def', 'xyz'] 
>>> pat.findall('abc21,def31,xyz41')
['abc2', 'def3', 'xyz4']
>>> pat.findall('zhoujy20130628hangzhou')
['zhoujy2013062']

>>> import re
>>> pat=re.compile(r'[A-Za-z]+(?=\d)')   #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall('zhoujy20130628hangzhou123')   #匹配后面带有数字的字符串，列表返回
['zhoujy', 'hangzhou']   
>>> pat.findall('abc21,def31,xyz41')
['abc', 'def', 'xyz']
>>> 

# "(?!...)" 不匹配...表达式，返回。对后进行匹配
>>> import re
>>> pat=re.compile(r'[A-Za-z]+(?!\d)')    #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')
['zhouj', 'hangzho', 'binjian']    #匹配后面不是数字的字符串，列表返回
>>> pat.findall('abc21,def31,xyz41')
['ab', 'de', 'xy']
>>> 

# "(?<=...)"：匹配...表达式，返回。对前进行匹配,总是对前面进行匹配
>>> import re
>>> pat=re.compile(r'(?<=\d)[A-Za-z]+')   #匹配前面是数字的字母
>>> pat.findall('abc21,def31,xyz41')
[]
>>> pat.findall('1abc21,2def31,3xyz41')
['abc', 'def', 'xyz']
>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')
['hangzhou']
>>> 

# "(?>> import re
>>> pat=re.compile(r'(?>> pat.findall('abc21,def31,xyz41')
['abc', 'def', 'xyz']
>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')
['zhoujy', 'angzhou', 'binjiang']
>>> 

#"(?(id\name) yes |no)": 组是否匹配，匹配返回
>>> import re
#no省略了，完整的是a\dbc\d ==> a2bc3,总共5位，第2位是可有可无的数字，第5位是数字
>>> pat=re.compile(r'a(\d)?bc(?(1)\d)')
>>> pat.findall('abc9')
['']    #返回组1，但第2位（组1）没有，即返回了''
>>> pat.findall('a8bc9')   #完整的模式，返回组1
['8']
>>> pat.match('a8bc9').group()   
'a8bc9'
>>> pat.match('a8bc9').group(1)
'8'
>>> pat.findall('a8bc')
[]
>>> 

#"(?iLmsux)":这里就介绍下i参数：大小写区分匹配
>>> import re
>>> pat=re.compile(r'abc')
>>> pat.findall('abc')
['abc']
>>> pat.findall('ABC')
[]
>>> pat=re.compile(r'(?i)abc')  #(?i) 不区分大小写
>>> pat.findall('ABC')
['ABC']
>>> pat.findall('abc')
['abc']
>>> pat.findall('aBc')
['aBc']
>>> pat.findall('aBC')
['aBC']
>>> 
>>> pat=re.compile(r'abc',re.I)   #re.I 作为参数使用，同上作用，推荐
>>> pat.findall('aBC')
['aBC']
>>> pat.findall('abc')
['abc']
>>> pat.findall('ABC')
['ABC']

三、re模块下的函数

函数	描述
compile(pattern)	创建模式对象
search(pattern,string)	在字符串中寻找模式
match(pattern,string)	在字符串开始处匹配模式
split(pattern,string)	根据模式分割字符串
findall(pattern,string)	列表形式返回匹配项
sub(pat,repl,string)	pat匹配想用repl替换
escape(string)	特殊字符转义

1、compile：

>>> import re
>>> pat = re.compile("A")
>>> m = pat.search("CBA")
>>> print(m)
#匹配到了，返回MatchObject（匹配对象）（True）
<_sre.SRE_Match object; span=(2, 3), match='A'>   
>>> m = pat.search("CBD")
>>> print(m)    #没有匹配到，返回None（False）
None
>>> 
#上面的等价于，但推荐都用第一种方法，因为将正则表达式转换为模式对象，实现更有效率的匹配，其他的函数会在内部进行转换。
>>> re.search("A","CBA")
<_sre.SRE_Match object; span=(2, 3), match='A'>
>>> 

2、search：

>>> import re
>>> m = re.search('asd','ASDasd')   
>>> print(m)
<_sre.SRE_Match object; span=(3, 6), match='asd'>   #匹配到了，返回MatchObject（True）
>>> m = re.search('asd','ASDASD')
>>> print(m)   #没有匹配到，返回None（False）
None
>>> 

3、match：

>>> import re
>>> m = re.match('a','Aasd')
>>> print(m)
None
>>> m = re.match('a','aASD')
>>> print(m)
<_sre.SRE_Match object; span=(0, 1), match='a'>

4、split：

>>> import re
>>> re.split(",","a,s,d,asd")
['a', 's', 'd', 'asd']    #返回列表
#等价于上
>>> pat = re.compile(',')
>>> pat.split('a,s,d,asd')
['a', 's', 'd', 'asd']
>>> 
>>> re.split("[, ]+","a ,  s  ,d     ,,,,,asd")  #正则匹配：[, ]+
['a', 's', 'd', 'asd']
>>> re.split("[, ]+","a ,  s  ,d     ,,,,,asd",maxsplit=2)   # maxsplit 最多分割次数
['a', 's', 'd     ,,,,,asd']
>>> 

#说明：根据模式的匹配项来分割字符串，类似字符串的split 的方法，但是字符串的split只能用固定长度的分割符，而re.split允许用任意长度和个数的分割符。

5、findall：

>>> import re
>>> re.findall("a","ASDaDFGAa")
['a', 'a']    #列表形式返回匹配到的字符串
>>> pat = re.compile('a')
>>> pat.findall('ASDaDFGAa')
['a', 'a']
>>> pat = re.compile('[A-Z]+')
>>> pat.findall('ASDcDFGAa')
['ASD', 'DFGA']

#说明：列表形式返回给定模式的匹配项。返回所有匹配的字符串。

6、sub：

#通过组进行更新替换：
>>> import re
>>> re.sub("a","A","abcasd")
'AbcAsd'
>>> pat = re.compile("a")
>>> pat.sub("A","abcasd")
'AbcAsd'
>>> 
>>> pat=re.compile(r'www\.(.*)\..{3}')
>>> pat.match('www.dxy.com').group(1)
'dxy'
#通过正则匹配找到符合规则的”www.dxy.com“ ，取得组1字符串 去替换 整个匹配得到字符串。dxy -> www.dxy.com
>>> pat.sub(r'\1','hello,www.dxy.com')
'hello,dxy'
>>> pat=re.compile(r'(\w+) (\w+)')
>>> s='hello world ! hello hz !'
>>> pat.findall('hello world ! hello hz !')
[('hello', 'world'), ('hello', 'hz')]
#通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。
>>> pat.sub(r'\2 \1',s)
'world hello ! hz hello !'

#说明：使用给定的内容替换掉找到的字符串。a->A

7、escape：

#转义
>>> import re
>>> re.escape("www.dxy.cn")
'www\\.dxy\\.cn'

#说明：对字符串里面的特殊字符串进行转义。

四、re模块下函数的方法

>>> import re
>>> pat = re.compile('a')
>>> dir(pat)
['__class__', '__copy__', '__deepcopy__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'findall', 'finditer', 'flags', 'fullmatch', 'groupindex', 'groups', 'match', 'pattern', 'scanner', 'search', 'split', 'sub', 'subn']
>>> 

 

方法	描述
group	获取子模式(组)的匹配项
start	给定组匹配项的开始位置
end	给定组匹配项的结束位置
span	给定组匹配项的开始结束位置

>>> import re
>>> pat = re.compile(r'www\.(.*)\.(.*)')    #用()表示一个组，2个组
>>> m = pat.match('www.dxy.com')
>>> m.group()   #默认为0，表示匹配整个字符串
'www.dxy.com'
>>> m.group(1)  #返回给定组1匹配的子字符串
'dxy'
>>> m.group(2)
'com'
>>> m.start(2)  #组2开始的索引
8
>>> m.end(2)    #组2结束的索引
11
>>> m.span(2)   #组2开始、结束的索引
(8, 11)
>>> 

五、正则表达式应用场景练习

1、匹配一行文字中的所有开头的字母内容

>>> import re
>>> s = "i love you not because of who you are, but because of who i am when i am with you"
>>> pat = re.compile(r"\b\w")
>>> pat.findall(s)
['i', 'l', 'y', 'n', 'b', 'o', 'w', 'y', 'a', 'b', 'b', 'o', 'w', 'i', 'a', 'w', 'i', 'a', 'w', 'y']

2、匹配一行文字中的所有开头的数字内容

>>> import re
>>> s = "i love you not because 12sd 34er 56df e4 54434"
>>> pat = re.compile(r"\b\d")
>>> pat.findall(s)
['1', '3', '5', '5']

3、提取每行中完整的年月日和时间字段

>>> import re
>>> s = """se234 1987-02-09 07:30:00

    1987-02-10 07:25:00"""
>>> pat = re.compile(r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}")
>>> pat.findall(s)
['1987-02-09 07:30:00', '1987-02-10 07:25:00']
>>> 
#re.M表示将字符串视为多行,从而^匹配每一行的行首,$匹配每一行的行尾
>>> re.findall(r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}",s,re.M)
['1987-02-09 07:30:00', '1987-02-10 07:25:00']

4、将每行中的电子邮件地址替换为你自己的电子邮件地址

>>> import re
>>> s = """[email protected], [email protected], [email protected]

    [email protected], [email protected]

    [email protected]"""
>>> pat = re.compile(r"\w+@\w+.com")
>>> pat.findall(s)
['[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]']
>>> 
>>> pat.sub("我爱你嘉大@163.com",s)
'我爱你嘉大@163.com, 我爱你嘉大@163.com, 我爱你嘉大@163.com\n\n    我爱你嘉大@163.com, 我爱你嘉大@163.com\n\n    我爱你嘉大@163.com'

5、使用正则提取出字符串中的单词

>>> import re
>>> s="""i love you not because of who 234 you are, 234 but 3234ser because of who i am when i am with you"""
>>> pat = re.compile(r"\b[A-Za-z]+\b")
>>> pat.findall(s)
['i', 'love', 'you', 'not', 'because', 'of', 'who', 'you', 'are', 'but', 'because', 'of', 'who', 'i', 'am', 'when', 'i', 'am', 'with', 'you']
>>> words = pat.findall(s)
>>> words = set(words)  #将列表转换为集合，去重复
>>> print(words)
{'with', 'when', 'because', 'i', 'am', 'are', 'you', 'not', 'who', 'but', 'love', 'of'}
>>> len(words)
12

6、匹配一段文本中所有的身份证数字

>>> import re
>>> s = """sfafsf,34234234234,1231313132,154785625475896587,sdefgr54184785ds85,4864465asf86845,15478562547589658X,15478562547589658x"""
>>> pat = re.compile(r"\d{17,18}[X,x]?")
>>> pat.findall(s)
['154785625475896587,', '15478562547589658X', '15478562547589658x']
>>> 

7、匹配一个浮点数

>>> import re
>>> s = "-1,-2.5,8.8,1,0"
>>> pat = re.compile(r"[+|-]?\d+\.\d*")
>>> pat.findall(s)
['-2.5', '8.8']

8、匹配汉字

>>> import re
>>> s = "skda我爱嘉大。"
>>> pat = re.compile(r"[\u4e00-\u9fa5]{0,}")  #Unicode表中的汉字的头和尾。
>>> pat.findall(s)
['', '', '', '', '我爱嘉大', '', '']
>>> for i in hanzi:    #清除空字符串
	if i == '':
		hanzi.remove(i)
	else:
		continue	

>>> hanzi
['我爱嘉大']


>>> import re
>>> s = "skda我爱嘉大。"
>>> pat = re.compile(r"[\u4e00-\u9fa5]{1,}")
>>> pat.findall(s)
['我爱嘉大']

9、 匹配网址

>>> import re
>>> s = """http://www.interoem.com/messageinfo.asp?id=35
http://3995503.com/class/class09/news_show.asp?id=14
http://lib.wzmc.edu.cn/news/onews.asp?id=769
http://www.zy-ls.com/alfx.asp?newsid=377&id=6
http://www.fincm.com/newslist.asp?id=415"""
>>> s = s.splitlines()
>>> pat = re.compile(r"http://.*(com/|cn/)")
>>> for i in s:
	print(pat.match(i).group())

	
http://www.interoem.com/
http://3995503.com/
http://lib.wzmc.edu.cn/
http://www.zy-ls.com/
http://www.fincm.com/
>>> 

10、匹配合法的IP地址

>>> import re
>>> s = "10.16.20.3"   #这里可以改为用户输入的IP地址
>>> pat = re.compile("^(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|[1-9])\.(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|\d)\.(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|\d)\.(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|\d)$")
>>> pat.match(s).group()
'10.16.20.3'
>>> 

11、 取出属性data-original对应的url

>>> import re
>>> s = """"""
>>> pat = re.compile(r">> pat = re.compile(r'>> pat.findall(s)
['https://rpic.douyucdn.cn/z1609/07/15/478748_160907150833.jpg']
>>>