python 正则表达式

正则表达式(Regular Expression)是文本处理极为重要的技术，用它可以对字符串按照某种规则进行检索，替换。

元字符：

.  ： 表示匹配单个字符 

[abc] : 字符集合，只能表示一个字符位置，匹配所包含的任意一个字符。

[a-z] : 字符集合，只能表示一个字符位置，匹配所包含的任意一个字符。其他常用列如[A-Z][0-9]

[^abc] : 表示匹配除去集合内字符的任意一个字符。

\d ：等同于[0-9], 表示匹配一位数字

\D  : 等同于[^0-9], 表示匹配一位非数字

\w  ： 匹配[a-zA-Z0-9_],包括中文的字。

\W : 匹配\w之外的字符。

\s : 匹配一位空白字符，包括换行符，制表符，空格等。[\r\f\n\t\v]

\S : 匹配一位非空白字符。

\  : 转义字符 如上基本符号匹配都需要转义字符   如 \*  表示匹配*号

^ : 表示匹配字符串的开始位置  (例外  用在中括号中[ ] 时,可以理解为取反,表示不匹配括号中字符串)
$ : 表示匹配字符串的结束位置

重复匹配：

来看一些实例：

1、非负整数：^\d+$ 

2、正整数：^[0-9]*[1-9][0-9]*$ 

3、非正整数：^((-\d+)|(0+))$ 

4、负整数：^-[0-9]*[1-9][0-9]*$ 

5、英文字符串：^[A-Za-z]+$ 

6、英文大写串：^[A-Z]+$ 

7、英文小写串：^[a-z]+$ 

8、英文字符数字串：^[A-Za-z0-9]+$

9、匹配11位手机号码：^\d{11}$   (简单匹配，未做判断）

10、匹配中国座机（列如025-83105736）：^\d{3,4}-\d{7,8}$   ( (简单匹配，未做判断））

 

---

python 使用re模块提供了正则表达式处理的能力

re模块常用方法：

编译:

compile()

编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）

re.compile(pattern,flags=0)

pattern: 编译时用的表达式字符串。

 

单次匹配:

match()

决定RE是否在字符串刚开始的位置匹配。//注：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'

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

import re
p = re.compile(r'\d')   #匹配模式为1个数字
print(p.match('a1b2c3'))
print(p.match('1abc'))

--------------------------------------------------
执行结果：
None
<_sre.SRE_Match object; span=(0, 1), match='1'>

 

search()

re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

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

import re
p = re.compile(r'\d')   #匹配模式为1个数字
print(p.search('df1e2fd3'))
print(p.search('dsfewer'))

--------------------------------------------------
执行结果：
<_sre.SRE_Match object; span=(2, 3), match='1'>
None

 

fullmatch()

re.fullmatch函数是将整个字符串与正则表达式匹配，如果匹配上就返回字符串，否则返回None。

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

import re
p = re.compile(r'\d*')   #匹配模式为任意个数字，包括0个。
print(p.fullmatch('3123'))
print(p.fullmatch('243wr'))

--------------------------------
执行结果：
<_sre.SRE_Match object; span=(0, 4), match='3123'>
None

 

全文搜索:

findall()

re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。

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

import re
p = re.compile(r'\d+')
print(p.findall('o1n2m3k4'))

--------------------------------------
执行结果：
['1', '2', '3', '4']

 

finditer()

搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。找到 RE 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)

import re
p = re.compile(r'\d+')
ret = p.finditer('o1n2m3k4')
print(ret)
print(next(ret))
print(next(ret))

-------------------------------
执行结果：

<_sre.SRE_Match object; span=(1, 2), match='1'>
<_sre.SRE_Match object; span=(3, 4), match='2'>

 

分割字符串：

split()

按照能够匹配的子串将string分割后返回列表。

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

import re

#将字符串用\W（不是英文字母，数字和_）字符组成的字符串切割
print(re.split('\W*',"os.path.commonprefix(['/usr/lib', '/usr/local/lib"))

-----------------------------------------------
执行结果：
['os', 'path', 'commonprefix', 'usr', 'lib', 'usr', 'local', 'lib']