Python中re模块函数使用介绍

Posted 2020-11-01 Beng Dou

      Python中通过re模块实现了正则表达式的功能。re模块提供了一些根据正则表达式进行查找、替换、分隔字符串的函数。本文主要介绍re模块中常用的函数和函数常用场景。

re模块常用函数

1、match(pattern,string,flags=0)

  根据pattern从string的头部开始匹配字符串，只返回第1次匹配成功的对象，否则，返回None。flags表示规则选项。

>>> import re
>>> Str=‘Python:Java:C‘
>>> re.match(r‘Python‘,Str) #匹配成功
<_sre.SRE_Match object at 0x0000000005C5FCC8>
>>> Str=‘Java:Python:C‘
>>> re.match(r‘Python‘,Str) #匹配失败
>>>

2、search(pattern,string,flags=0)

  根据pattern在string中匹配字符串，只返回第1次匹配成功的对象，否则，返回None。

>>> import re
>>> Str=‘Python:Java:C‘
>>> re.search(r‘Python‘,Str) #匹配成功
<_sre.SRE_Match object at 0x00000000060D7D98>
>>> Str=‘Java:Python:C‘
>>> re.search(r‘Python‘,Str) #同样匹配成功
<_sre.SRE_Match object at 0x0000000005C5FCC8>

3、split(pattern,string,maxsplit=0)

  根据pattern分隔string,maxsplit表示最大分隔数。

>>> import re
>>> Str=‘Python:Java:C‘
>>> re.split(r‘:‘,Str) #指定分隔符:
[‘Python‘, ‘Java‘, ‘C‘]
>>> Str=‘Python:Java:C‘
>>> re.split(r‘:‘,Str,1) #指定最大分割次数
[‘Python‘, ‘Java:C‘]
>>> Str = "Python:Java:Shell|C++|Ruby"
>>> re.split(r‘[:|]‘,Str) #指定多种分隔符
[‘Python‘, ‘Java‘, ‘Shell‘, ‘C++‘, ‘Ruby‘]

4、compile(pattern,flags=0)

  编译正则表达式pattern,返回一个pattern对象。

>>> import re
>>> regex = r‘Python‘
>>> Str=‘Python:Java:C‘
>>> p = re.compile(regex)
>>> p.match(Str)
<_sre.SRE_Match object at 0x00000000060D7D98>

  说明：pattern对象方法除了match()，还包括search()、findall()、finditer()。

5、sub(pattern,repl,string,count=0)

  根据指定的正则表达式，替换字符串中的子串。pattern是一个正则表达式，repl是用于替换的字符串,string是源字符串,如果count为0，则返回string中匹配的所有结果。如果count>0,则返回前count个匹配结果。

>>> import re
>>> Str=‘Python:Java:C‘
>>> re.sub(r‘P.*n‘,‘Ruby‘,Str)
‘Ruby:Java:C‘
>>> print Str #不改变原字符串
Python:Java:C

6、subn(pattern,repl,string,count=0)

  作用和sub()相同，返回一个二元元组。第一个元素是替换结果，第2个元素是替换的次数。

>>> import re
>>> Str=‘Python:Java:C‘
>>> re.subn(r‘P.*:‘,‘Ruby:‘,Str) #返回替换次数
(‘Ruby:C‘, 1)
>>> re.subn(r‘P.*?:‘,‘Ruby:‘,Str) #注意匹配中多了个？号，替换内容不同了
(‘Ruby:Java:C‘, 1)
>>>

  说明：匹配条件中‘P.*?:‘有无问号?号是有区别的。不加？号是贪婪匹配。

7、findall(pattern,string,flags=0)

  根据pattern在string中匹配字符串。如果匹配成功，返回包含匹配结果的列表，否则，返回空列表。但pattern中有分组时，返回包含多个元组的列表，每个元组对应一个分组。

>>> import re
>>> regex = r‘\w+‘ #\w表示匹配包括下划线的任何单词字符
>>> Str=‘Python:Java:C‘
>>> p = re.compile(regex)
>>> p.findall(Str)
[‘Python‘, ‘Java‘, ‘C‘]

描述完re模块的主要函数后，这里再强调 函数中的flags参数 和 re.compile() 函数。 

1、re.flags参数

   通过查看re模块函数的原型可以发现，函数参数几乎都有flags参数，该参数用于设置匹配的附加选项。例如，是否忽略大小写、是否支持多行匹配等。常用的re模块规则选项如下所示：

I或IGNORECASE 忽略大小写
L或LOCALE 字符集本地化，用于多语言环境
M或MULTILINE 多行匹配
S或DOTALL 使.匹配包括\n在内的所有字符
X或VERBOSE 忽略正则表达式中的空白、换行，方便添加注释
U或UNICODE \w、\W、\b、\B、\d、\D、\s和\S都将使用Unicode

 通过一个忽略大小写的实例看下用法：

>>> import re
>>> Str=‘Python:Java:C‘
>>> re.match(r‘python‘,Str) #匹配失败
>>> re.match(r‘python‘,Str,re.I) #加re.I，匹配成功
<_sre.SRE_Match object at 0x00000000060D7D98>

2、re.compile() 函数  

  正则表达式的解析非常耗时，如果多次使用findall()的方式匹配字符串搜索效率可能比较低。如果多次使用同一规则匹配字符串，可以使用compile()进行预编译，compile函数返回1个pattern对象。该对象拥有一系列方法用于查找、替换或扩展字符串，从而提供字符串的匹配速度。patter对象的属性和方法如下

pattern #获取当前使用的正则表达式
match(string,flags=0) #同re.match()
search(string,flags=0) #同re.searc()
findall(string,flags=0) #查找所有符合pattern对象匹配条件的结果，返回1个包含匹配结果的列表。
finditer(string,flags=0) #返回一个包含匹配结果的地址

    另外，函数compile()通常与match()、search()、group()一起使用对含有分组的正则表达式进行解析。正则表达式的分组从左往右开始计数，第1个出现的圆括号标记为第1组，依次类推。此外还有0号组，0号组用于存储匹配整个正则表达式的结果。match()和search()将返回一个match对象，match对象提供了一系列的方法和属性来管理匹配的结果。match对象的方法和属性如下：

group(index=0) #某个分组的匹配结果。默认匹配整个正则表达式
groups() #所有分组的匹配结果，每个分组的结果组成1个列表返回

 举例，匹配身份证号码并获取身份证中的年、月、日信息。

>>> regex = r‘[1-9][0-9]{5}(\d{4})(\d{2})(\d{2})[0-9]{3}[0-9X]‘
>>> Str = ‘11010019950807532X‘
>>> p = re.compile(regex)
>>> m = p.match(Str)
>>> m.groups()
(‘1995‘, ‘08‘, ‘07‘)
>>> m.group(1)
‘1995‘
>>> m.group(2)
‘08‘
>>> m.group(3)
‘07‘

 典型实例

  1、多关键字任一匹配查找

>>> import re
>>> regex = r‘Python|Java|C‘
>>> Str1 = ‘Hello Java‘
>>> Str2 = ‘Python Developer‘
>>> p = re.compile(regex)
>>> p.findall(Str1)
[‘Java‘]
>>> p.findall(Str2)
[‘Python‘]