Python正则表达式之re.match()

我们在面对生物数据，比如序列信息（比如碱基序列、氨基酸序列等）的时候， 会时常要问，这其中是否包含着且含有多少某种已知的模式，一段DNA中是否包含转录起始特征TATA box、一段RNA中是否包含某种lncRNA、一段肽链中是否包含锌指结构等等；另一方面，我们在操作数据时，会时常遇到诸如把某个字符（对象）换成另一种字符（对象）的替换操作，而其本质还是如何搜索符合某种（替换）模式的对象。

在这些几乎天天都可以碰到的模式匹配/搜索问题中，正则表达式就是一把解决问题的利剑！
在Python的re模块中，常用的有四个方法(match、search、findall、finditer)都可以用于匹配字符串，今天我们先来了解一下re.match()。

re.match()必须从字符串开头匹配！match方法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。主要参数如下：

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

基础用法

举个栗子来理解一下它的用法：

import re
print(re.match('dxy', 'dxy.com'))  # 在起始位置匹配
print(re.match('dxy', 'dxy.com').span())  # 在起始位置匹配
print(re.match('dxy', 'www.dxy.com')) # 不在起始位置匹配

运行结果：

(0, 3)
None

从例子中我们可以看出，re.match()方法返回一个匹配的对象，而不是匹配的内容。通过调用span()可以获得匹配结果的位置。而如果从起始位置开始没有匹配成功，即便其他部分包含需要匹配的内容，re.match()也会返回None。

分组捕获

一般一个小括号括起来就是一个捕获组。我们可以使用group()来提取每组匹配到的字符串。
group()会返回一个包含所有小组字符串的元组，从 0 到 所含的小组号。

• 0：表示正则表达式中符合条件的字符串。
• 1：表示正则表达式中符合条件的字符串中的第一个() 中的字符串。
• 2：表示正则表达式中符合条件的字符串中的第二个() 中的字符串。
• 以此类推....

直接调用groups()则直接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。
再举一个栗子：

import re
msg = 'name:Alice,age:6'

obj = re.match('name:(\w+),age:(\d+)', msg)
print(obj.group(0))    # name:Alice,age:6  原始字符
print(obj.group(1))    # Alice   第一匹配
print(obj.group(2))    # 6
print(obj.groups())    # ('Alice', '6')

运行结果：

name:Alice,age:6
Alice
6
('Alice', '6')