Python re 正则表达式的基本使用

整理自此博客与菜鸟教程

re

01 字符含义

1. 普通字符和11个元字符

   
   
   1.png
   
   

   python中默认采用的是贪婪匹配，会输出最长的子串，添加？可以变成非贪婪匹配，输出最短子串

   a = re.match('<(.*)>','<11><22><33>').group()
   print(a)
   b = re.match('<(.*?)>','<11><22><33>').group()
   print(b)
   c=re.match('A.*C','AbCbbbCbbbC').group()
   print(c)
   d=re.match('A.*?C','AbCbbbCbbbC').group()
   print(d)
   
   
   '''
   <11><22><33>
   <11>
   AbCbbbCbbbC
   AbC
   '''
   

2. 预定义字符集（可以写在字符集[...]中）

   
   
   2.png

3. 特殊分组用法

   
   
   3.png

02 常用函数

1. compile(pattern,flags=0)
   编译正则表达式模式，返回一个对象的模式。（可以把常用的正则表达式编译成正则表达式对象，提高效率）

   pattern: 编译时用的表达式字符串。

   flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的flags有：

   
   
   4.png

2. match(pattern, string,flags=0)
   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，就返回None
   span表示只返回结果中的span元组，表示起始位置和结束位置，从0开始计数

   import re
   
   # match用于匹配字符串是否在开头的位置
   print(re.match('www','www.baidu.com').span())  # 只返回位置元组信息
   print(re.match('www$','www.baidu.com'))  # $表示完全匹配
   print(re.match('baidu','www.baidu.com'))  #不在起始位置，返回None
   
   
   '''
   (0, 3)
   None
   None
   '''
   

3. search(pattern, string,flags=0)
   re.search函数会在整个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。

   print(re.match('baidu','www.baidu.com'))
   print(re.search('baidu','www.baidu.com').span())
   print(re.search('bili+','www.bilibili.com'))
   
   '''
   None
   (4, 9)
   
   '''
   

   注：match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：

   • group() 返回被 RE 匹配的字符串
   • start() 返回匹配开始的位置
   • end() 返回匹配结束的位置
   • span() 返回一个元组包含匹配 (开始,结束) 的位置
   • group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串

4. findall(pattern, string.flags=0)
   可以获取字符串中所有匹配的字符串，返回一个列表

   print(re.search('\w*oo\w*','cool,good,wow'))
   print(re.findall('\w*oo\w*','cool,good,wow'))
   
   '''
   
   ['cool', 'good']
   '''
   

5. finditer(pattern, string, flags=0)
   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。

   iter=re.finditer('\d+','10,9,8,7...')
   for i in iter:
       print(i)
       print(i.group())
       print(i.span())
       
   '''
   
   10
   (0, 2)
   
   9
   (3, 4)
   
   8
   (5, 6)
   
   7
   (7, 8)
   '''
   

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

   按照能够匹配的子串将string分割后返回列表。

   可以使用re.split来分割字符串，如：re.split(r'\s+', text)；将字符串按空格分割成一个单词列表。
   maxsplit用于指定最大分割次数，不指定将全部分割。

   print(re.split('\s','hello my friend!'))
   
   
   #['hello', 'my', 'friend!']
   

7. sub(pattern, repl, string, count)
   使用repl替换string中每一个匹配的子串后返回替换后的字符串。

   count表示最大替换个数，默认为0 ，每个匹配项都替换

   print(re.sub('\d','0','123456789'))
   print(re.sub('\d','0','123456789',3))
   
   '''
   000000000
   000456789
   '''
   

   subn(pattern, repl, string, count=0, flags=0)
   返回替换后字符串和替换次数的元组

   print(re.sub('\d','0','123456789'))      
   print(re.subn('\d','0','123456789'))
   
   
   '''
   000000000
   ('000000000', 9)
   '''