python--模块之re正则表达式

Posted 2021-01-24 ◕ᴗ◕｡2018,砥砺前行，天道酬勤

简介：

正则表达式本身是一个小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，我们可以通过直接调用来实现正则匹配。

正则表达式基础知识：

--普通字符
匹配自身 abc ----abc

--元字符

. :匹配任何字符( )换行符除外
例：a.a -----aba

:转义字符
例：a b ---a b

* :匹配前一个字符0或多次
例：a*b ----aaaab；b

+ :匹配前一个字符1次或多次
例：a+b ----aaaab;ab

? :匹配一个字符0次或1次
例：a?b ---b;ab

^ :匹配字符串开头，多行匹配每一行开头
例：^ab ---ab

$ :匹配字符串末尾，多行匹配每一行末尾
例：ab$ ---ab;cb

reg1 | reg2 :匹配正则表达式reg1或reg2
例：foo | bar ---foo;bar

{} : a{m}匹配字符m次，a{m,n}匹配字符m至n次，若省略n，则匹配m至无限次
例：a{1,2}b ---aab

[] :字符集，对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[^abc]表示取反，即非abc.
注：所有特殊字符在字符集中都失去其原有的特殊含义。用反斜杠转义恢复特殊含义。
例：a[bcd]e ---abcde

() :最基本的组是由一对圆括号括起来的正则式。
例：(abc){2}a(2|4)d ---abcabca4d

--特殊字符

d ：数字1~9
例：adb ---a1b

D:非数字[^d]
例：aDc ----abc

s:匹配任意空白字符[ fv]
例：asb ---a b

S:非空白字符[^s]
例：aSb ---abc

w:匹配包括下划线在内的任意字符[A-Za-z0-9_]
例：awc ---abc

W:匹配非单词字符[^A-Za-z0-9_]
例：aWb ---a b

A:仅匹配字符串开头，同^
例:Aabc ---abc

:仅匹配字符串末尾，同$
例：abc ----abc

B:匹配w和W之间，即匹配单词边界匹配一个单词边界，也就是指单词和空格间的位置。
例：’er‘ 可以匹配’never‘ 中的’er‘,但不能匹配’verb‘中的’er‘

B:[^]
例：aBbc ---abc

 

正则表达式的常用函数：

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
可以一次输入多个组号，对应组号匹配的 字符串

start():返回匹配开始的位置
end():返回匹配结束的位置
spend():返回一个元组包含匹配（开始，结束）的位置

1、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。
flags:编译标志位，用于修正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：

re.S(DOTALL):使‘.’特殊字符匹配任何字符，包括换行；如果没有此标志，‘.’将匹配任何内容除换行符。

re.I(IGNORECASE):使匹配对大小写不敏感。

re.L(LOCALE):做本地化识别（locale-aware）匹配

re.M(MULTILINE):多行匹配，影响^和$

re.X(VERBOSE):该标志通过给予更灵活的格式以便将正则表达式写的更易于理解

re.U:根据Unicode字符集解析字符，这个标识影响w,W,,B

2、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‘$’
格式：re.match(pattern,string,flags=0)

例：
print(re.match(‘com‘,‘comwww.runcomoob‘).group())
print(re.match(‘com‘,‘Comwww.runcomoob‘,re.I).group())

>>com
>>Com

3、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
格式：re.search(pattern,string,flags=0)

例：
print(re.search(‘dcom‘,‘4com5com‘).group())

>>4com

4,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。
格式：
re.findall(pattern,string,flags=0)
例1：
p=re.compile(r‘d+‘)
print(p.findall(‘h32h3jh2uhr23‘))

>>[‘32‘, ‘3‘, ‘2‘, ‘23‘]

5、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匹配的所有字符串，并把它们作为一个迭代器返回。
格式：
re.finditer(pattern,string,flags=0)
例：
iter=re.finditer(r‘d+‘,‘12gjh232jkg34‘)
for i in iter:
print(i)
print(i.group())
print(i.span())
#返回迭代器对象;匹配数值；位置
>><_sre.SRE_Match object; span=(0, 2), match=‘12‘>
12
(0, 2)
>><_sre.SRE_Match object; span=(5, 8), match=‘232‘>
232
(5, 8)
>><_sre.SRE_Match object; span=(11, 13), match=‘34‘>
34
(11, 13)

6、split()
按照能够匹配的字符串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列表。
格式：
re.split(pattern,string,maxsplit=0,flags=0)
例：
print(re.split(‘d+‘,‘ont1two2three3four4five5‘,3))
>>[‘ont‘, ‘two‘, ‘three‘, ‘four4five5‘]

7、sub()
使用re替换string中每个匹配的字符串返回后的值。
格式：
re.sub(pattern,repl,string,count)
例：
text=‘ont1two2three3four4five5‘
print(re.sub(r‘d+‘,‘ ‘,text))
>>ont two three four five

8、subn()
返回替换次数
格式：
subn(pattern,repl,string,count=0,flags=0)
例：
print(re.subn(r‘d‘,‘ ‘,‘ont1two2three3four4five5‘))
>>(‘ont two three four five ‘, 5)