python正则表达式与re模块

Posted 2021-02-01 Sakura

python中的re模块常用函数/方法

0.正则表达式对象　　（re.compile(pattern, flags=0)）

将正则表达式编译成正则表达式对象，该对象可调用正则表达式对象方法如:re.match(),re.search(),re.findall等。

prog = re.compile(pattern)
result = prog.match(string)
//上下两种写法意义相同
result = re.match(pattern, string)

1.匹配对象及方法              （Match.group([group1, ...])，  Match.groups()，Match.groupdict()）  (?P<name>）

正则表达式对象成功调用match,search方法时返回的对象。主要有两个方法group()和groups()。(失败时返回None，而None调用这两个方法会出现异常)

group()函数通常用于普通方式显示所有的匹配部分，也可用序号检索各个匹配子组。

groups()函数用于获取一个包含所有匹配子字符串的元组。(在只有一个匹配子组时会返回空元组)

ob = re.compile(r\'(\\w+)-(\\d+)\')　　#()将正则表达式分成了两个子组
m = re.match(ob,\'abc-123\')
m.group()          #完整匹配
\'abc-123\'    
m.group(1)         #匹配子组1
\'abc\'
m.group(2)         #匹配子组2
\'123\'
m.groups()
(\'abc\', \'123\')     #全部子组

(?P<name>)特殊符号可以使用名称标识符来保存匹配而不是数字。此时使用groupdict()方法返回一个字典，key为所给的名称标识符，而value为保存的匹配。

ob = re.compile(r\'(?P<first>\\w+)-(?P<second>\\d+)\')
m = re.match(ob,\'abc-123\')
m.groupdict()
{\'second\': \'123\', \'first\': \'abc\'}

2.匹配字符串      (re.match(pattern, string, flags=0)， re.search())

match()方法从字符串的起始部分对模式进行匹配，如果匹配成功，返回一个匹配对象，失败则返回None。

search()方法从任意位置对正则表达式对象搜索第一次出现的匹配,成功则返回一个匹配对象，失败返回None。

>>> m = re.search(\'tif\',\'beautiful\')        
>>> m.group()       
\'tif\' 　　　　#匹配成功
>>> m.groups()
()           #返回空元组    
>>> m = re.match(\'tif\',\'beautiful\')
>>> m.group()          #返回None,而None没有group()方法
Traceback (most recent call last):
  File "<pyshell#5>", line 1, in <module>
    m.group()
AttributeError: \'NoneType\' object has no attribute \'group\'

3.查找每一次出现的位置  (re.findall(pattern, string, flags=0))      re.finditer()

findall()查询字符串中某个正则表达式模式全部的非重复出现情况。与search()类似，而与之不同的是，findall()方法返回一个列表，如果匹配成功则列表包含所有成功的匹配部分；如果匹配失败则返回空列表。

finditer()与findall类似（包含所有成功匹配），但它返回一个迭代器。

>>> s = \'This and that and the\'
>>> re.findall(r\'(th\\w+)\',s,re.I)　　//findall返回列表
[\'This\', \'that\', \'the\']
>>> it = re.finditer(r\'(th\\w+)\',s,re.I)　　//返回迭代器，用next()方法
>>> g = next(it)　　　　
>>> g.groups()
(\'This\',)>>> g = next(it)
>>> g.group(1)
\'that\'
>>> g = next(it)
>>> g.group(1)
\'the\'
>>> [g.group(1) for g in re.finditer(r\'(th\\w+)\',s,re.I)]　　//列表推导式
[\'This\', \'that\', \'the\']

4.搜索与替换   (re.sub(pattern, repl, string, count=0, flags=0))      re.subn()

将某字符串中的所有匹配正则表达式的部分进行某种形式的替换。sub()与subn()几乎一样，sub()返回值是替换的个数，subn()返回值是元组 ：(替换后的字符串，替换个数)。

>>> re.sub(\'hello\',\'HELLO\',\'hello the hello and world\\n\')　　//将所有hello替换为HELLO
\'HELLO the HELLO and world\\n\'　　
>>> re.subn(\'hello\',\'HELLO\',\'hello the hello and world\\n\')
(\'HELLO the HELLO and world\\n\', 2)
>>> re.sub(\'hello\',\'world\',\'hello the hello and world\\n\',1)　　//替换一个hello,即添加count参数
\'world the hello and world\\n\'
>>> re.subn(\'[ed]\',\'world\',\'hello the hello and world\\n\')　　//将e或d替换为world，替换了5个
(\'hworldllo thworld hworldllo anworld worlworld\\n\', 5)

5.分隔字符串  （re.split(pattern, string, maxsplit=0, flags=0)）　　//类似于字符串的split()用法

6.扩展符号　　（前述方法的flags参数；而括号中为正则表达式的扩展符号,两种相同作用，用一种即可）

re.I/IGNORECASE    （？i）  不区分大小写的匹配

>>> re.findall(r\'(?i)yes\',\'yes Yes YES!!\')    //(?i)不区分大小写，正则表达式层面
[\'yes\', \'Yes\', \'YES\']
>>> re.findall(r\'yes\',\'yes Yes YES!!\',re.I)　　//re.I不区分大小写，python语言层面;下同
[\'yes\', \'Yes\', \'YES\']

re.M/MULTILINE  （？m）   实现跨行搜索

>>> re.findall(r\'(?im)(^th[\\w]+)\',"""
This line is the first
another line
that line is the end""")
[\'This\', \'that\']

re.S/DOTALL　　(?s)        使  .  符号能表示\\n符号

re.X/VERBOSE      （？x）        通过抑制在正则表达式中使用空白符来创建更易读的正则表达式

>>> re.search(r\'\'\'(?x)
\\((\\d{3})\\)　　//区号
[ ]　　//空格
(\\d{3})　　//前缀
-　　//横线
(\\d{4})　　//末尾数字
\'\'\',\'[phone]\').groups()
(\'800\', \'555\', \'1212\')

(?:...)可以对正则表达式分组，但不保存该分组用于后续检索或应用。

>>> re.findall(r\'(?:\\w+\\.)*(\\w+\\.com)\',\'baidu.com www.baidu.com code.baidu.com\')　　//不保存（\\w+\\.）*匹配的分组，因而www,code均不出现在结果中
[\'baidu.com\', \'baidu.com\', \'baidu.com\']

(?=...)和(?!...)可以实现前视匹配。前者正向前视断言，后者负向前视断言。通俗来说：(?=...)仅仅获取...表达式前的字符串，忽略该表达式；(?!...)则获取后面的字符串。

import re
result = re.findall(r\'\\w+(?= van Rossum)\',
"""
    guido van Rossum
    tim peter
    Alex Martelli
    Just van Rossum
    Raymond Hettinger
""")
print(result)

[\'guido\', \'Just\']    //结果，忽略van Rossum而只保存该字符串前面的部分

正则表达式对象的另一种调用方法

Pattern.match(string[, pos[, endpos]])

Pattern.search(string[,pos[,endpos]])

Pattern.findall(string[, pos[, endpos]])

Pattern.finditer(string[, pos[, endpos]])

区别在于可调整pos，endpos参数来调整匹配范围。

import re
ob = re.compile(\'llo\')
m1 = ob.match(\'hello world\')
m2 = ob.match(\'hello world\', 2)
print(m1, m2.group())
None llo            //match从头匹配，m1为空；从第三个开始匹配，则m2匹配成功

 

对正则表达式特殊符号无了解可访问： 正则表达式常用字符及符号