python re

Posted 2020-11-16 不积跬步，无以至千里

（参考来源：http://funhacks.net/2016/12/27/regular_expression/）

在python中使用正则表达式可以引入re模块。

正则表达式中，使用反斜杠 对特殊字符进行转义，但是当正则表达式本身就出现 时，进行转义往往会梳理不清楚。re模块中有 r 参数，表示原字符串，不需要用户自己转义特殊字符。

一 re模块的一般使用步骤：

1 使用compile函数将正则表达式的字符串形式编译成一个Pattern对象。

2 通过Pattern对象提供的一系列方法对文本进行匹配查找，得到匹配结果Match对象。

3 通过Match对象的属性和方法来获得信息。

二 compile函数

pattern = re.compile(r‘d{3}‘)  编译生成一个pattern对象，匹配文本中的连续的三个数字字符。

三 pattern中的函数

pattern对象有一些方法，可以用来对文本的匹配查找。以下列举一些常用的函数。

1 match(string[, pos[, endpos]])

可以设置post和endpos来限制文本查找的范围。在没有设置时，默认在字符串开始处匹配。它是一次匹配，只要找到了一个匹配结果就返回，不会查找所有匹配的结果。

匹配成功时，返回一个match对象，没有匹配时，返回None。

match.group() or match.group(0)  返回匹配成功的整个子串，tuple类型。

match.groups()  返回分组匹配成功的所有子串，tuple类型。即正则表达式中()匹配的结果。

import re
if __name__ == "__main__":
    pattern = re.compile(r"(d{1,3})aaa")
    match = pattern.match("345aaa888test")
    print(match.group(0))
    print(match.groups())

345aaa
(‘345‘,)

2 search(string[, pos[, endpos]])

search用于查找字符串的任意位置。它是一次匹配，只要找到了一个匹配结果就返回，不会查找所有匹配的结果。如果没有匹配，返回None。

匹配成功时，返回一个match对象，没有匹配时，返回None。

import re
if __name__ == "__main__":
    pattern = re.compile(r"(d{1,3})aaa")
    match = pattern.search("aaa0908aaa98bbb")
    print(match.group())
    print(match.groups())

908aaa
(‘908‘,)

以上实例，如果使用match匹配，将默认从文本开始处匹配，最终会匹配失败，得到的match=None。

3 findall(string[, pos[, endpos]])

match和search都是一次匹配成功后就返回。然而，大多数时候，我们要查找整个字符串文本，获得所有的匹配结果。

findall 以列表形式返回所有能匹配的子串，如果没有匹配，则返回一个空列表。

import re
if __name__ == "__main__":
    pattern = re.compile(r"d{1,3}aaa")
    result = pattern.findall("5aaa0908aaa98bbb")
    print(result)

[‘5aaa‘, ‘908aaa‘]

如果设置了分组捕获，则findall得到的是分组匹配的结果。

import re
if __name__ == "__main__":
    pattern = re.compile(r"(d{1,3})aaa")
    result = pattern.findall("5aaa0908aaa98bbb")
    print(result)

[‘5‘, ‘908‘]

4 finditer(string[, pos[, endpos]])

finditer 与 findall 行为类似，也是搜索整个字符串，返回所有匹配结果。但它返回一个顺序访问每一个匹配结果（Match对象）的迭代器。

import re
if __name__ == "__main__":
    pattern = re.compile(r"(d{1,3})aaa")
    result = pattern.finditer("5aaa0908aaa98bbb")
    print(type(result))
    # 迭代器 第一种遍历方式
    while True:
        try:
            match = next(result)
            print(match.group())
            print(match.groups())
        except Exception as ex:
            break
    # 迭代器 第二种遍历方式
    for match in result:
        print(match.group())
        print(match.groups())

<class ‘callable_iterator‘>
5aaa
(‘5‘,)
908aaa
(‘908‘,)

5 split(string[, maxsplit])

maxsplit 将指定最大分割次数，若不指定，将全部分割。以列表的形式返回分割后的结果。匹配到的子串将被当作分隔符（搜素整个字符串，查找所有匹配），用来分割字符串。

实例一

import re
if __name__ == "__main__":
    pattern = re.compile(r"aaa")
    result = pattern.split("5aaa0908aaa98bbb")
    if result is not None:
        print(result)

[‘5‘, ‘0908‘, ‘98bbb‘]

实例二

import re
if __name__ == "__main__":
    pattern = re.compile(r"[s,;]+")
    result = pattern.split("我, 你;; 他  他们")
    if result is not None:
        print(result)

[‘我‘, ‘你‘, ‘他‘, ‘他们‘]

6 sub(repl, string[,count])

sub方法用于替换。其中，repl可以是一个字符串，也可以是函数。

如果repl是一个字符串，则将pattern匹配到的每一个子串都用repl替换后，返回结果。

如果repl是一个函数，这个函数应当只接受一个参数，即Match对象，且返回一个字符串用于替换（返回的字符串中不能再引用分组）。

实例一： 使用字符串"aaa"替换"aaa989739383aaa8bbb"中正则匹配的子串"aaa989" 和 "aaa8"，最终得到替换后的字符串为 aaa739383aaabbb。

import re
if __name__ == "__main__":
    pattern = re.compile(r"aaad{1,3}")
    newstr = pattern.sub("aaa", "aaa989739383aaa8bbb")
    print(newstr)

aaa739383aaabbb

实例二：pattern匹配字符串"aaa989739383 aaa8bbb"得到的子串有两个：aaa987和aaa8，并且对每一个子串进行了分组捕获数字987和8。函数repSome通过每一个Match对象返回新的字符串，用来替换。

def repSome(m):
    return "after " + m.group(1)

import re
if __name__ == "__main__":
    pattern = re.compile(r"aaa(d{1,3})")
    newstr = pattern.sub(repSome, "aaa989739383 aaa8bbb")
    print(newstr)

after 989739383 after 8bbb

7 subn(repl, string[,count])

subn与sub类似，也用于替换。它返回一个元组，元组有两个元素，第一个元素是sub替换后的结果，第一个元素是替换次数。

(sub(repl, string[,count]), count)

def repSome(m):
    return "after " + m.group(1)

import re
if __name__ == "__main__":
    pattern = re.compile(r"aaa(d{1,3})")
    newstr = pattern.subn(repSome, "aaa989739383 aaa8bbb")
    print(newstr)

(‘after 989739383 after 8bbb‘, 2)

四 re的其它函数

上述compile函数生成的pattern对象的一系列方法同re模块的大部分方法类似。不过，compile生成的pattern对象的方法不能指定搜索区间。

比如：pattern.match(string[, post[, endpos]])，相对应的re的方法为 re.match(pattern, string[, flags])。

举例：pattern的方法与re的方法对比

1 re的match匹配

import re
if __name__ == "__main__":
    patternstr = r"aaa(d{1,3})"
    result = re.match(patternstr, "aaa989739383 aaa8bbb")
    print(result.group())
    print(result.groups())

aaa989
(‘989‘,)

2 改进的re.match匹配。如果patternstr在多处匹配时，最好先将正则表达式编译好之后再使用，不然每次使用时都要重新编译，效率会降低。

import re
if __name__ == "__main__":
    pattern = re.compile(r"aaa(d{1,3})")
    result = re.match(pattern, "aaa989739383 aaa8bbb")
    print(result.group())
    print(result.groups())

aaa989
(‘989‘,)

3 pattern的match匹配

import re
if __name__ == "__main__":
    pattern = re.compile(r"aaa(d{1,3})")
    result = pattern.match("aaa989739383 aaa8bbb")
    print(result.group())
    print(result.groups())

aaa989
(‘989‘,)