re模块正则表达式

Posted 2021-12-30 kevin-kong

　　什么是正则表达式？

　　正则表达式是一个特殊的字符序列，它能够帮助你方便的检查一个字符串是否能够与某种模式匹配。

　　re的匹配语法有以下几种

　　1、re.match 从头开始匹配 注：只有第一个字符匹配才会返回值，如果第一个字符不匹配则返回None

　　2、re.search 匹配包含(全局匹配) 注：当存在多个匹配到的字符时，只返回第一个。例如:s = ‘ad1jkn3nj‘   re.search(‘[0-9]‘, s) 返回<re.Match object; span=(2, 3), match=‘1‘>

　　3、re.findall 把所有匹配到的字符放到以列表中的元素返回

　　4、re.split     以匹配到的字符当作列表分隔符，（注：maxsplit为替换次数）

1 import re
2 s = ‘31-213*312/1321+1321‘
3 print(re.split("[-*/+]", s, maxsplit=2)) # 以-*/+分割数字；[]是包含的意思 结果 [‘31‘, ‘213‘, ‘312/1321+1321‘]

　　5、re.sub      匹配字符并替换（注：count为替换次数）

1 import re
2 s = ‘dsa\dsakl1321aa|d21321darewr$d1321afds‘
3 print(re.sub(‘\d+‘, "=", s, count=2))  # 把数字替换成"=" 结果 dsa\dsakl=aa|d=darewr$d1321afds

　　6、re.fullmatch 全部匹配；整个字符串全部匹配成功就返回re object，否则返回None 例如：re.fullmatch(‘ads‘, ‘asd‘)  返回re object

　　7、re.compile  与re.fullmatch 类似。速度相对re.fullmatch 快一点。（先存储到内存里然后直接调用，re.fullmatch的话每次都要匹配，影响效率）

1 import re
2 pattern = re.compile("\\[email protected]\\w+\\.(com|cn|edu)")
3 result = pattern.fullmatch(‘[email protected]‘)
4 print(result)print(result)   # 结果<re.Match object; span=(0, 17), match=‘[email protected]‘>

　　常用的表达式规则

　　‘.‘　　　　默认匹配除\n之外的任何一个字符，例如：re.search(‘.‘, ‘abca‘) 结果 <re.Match object; span=(0, 1), match=‘a‘> 注：当‘..‘时，返回ab，若指定flag DOTALL，则匹配任意字符，包括换行。

　　‘^‘　　　   匹配字符开头,例如：re.search(‘^ab‘, ‘abca‘) 结果 <re.Match object; span=(0, 1), match=‘ab‘> ，若指定flags MULTILINE，这种也可以匹配上（r‘‘^a‘‘, ‘‘\nabc\neee‘‘, flags=re.MULTILINE）

　　‘$‘　　　   匹配字符结尾,例如：re.search(‘b$‘, ‘ab‘) 结果 <re.Match object; span=(0, 1), match=‘b‘> ，若指定flags MULTILINE,re.search(‘foo.$‘, ‘foo1\nfoo2\n‘, re.MULTILINE).group() 会匹配到foo1

　　‘*‘　　　　匹配*号前的字符0次或多次，re.search(‘a*‘ , ‘aaabhdjhbas‘)  结果‘aaa‘

　　‘+‘　　　   匹配前一个字符1次或多次，re.findall(‘ab+‘, ‘ab+cd+abb+bba‘) 结果[‘ab‘, ‘abb‘]

　　‘?‘　　　   匹配前一个字符1次或0次，re.search(‘b?‘, ‘bkevinb‘).group() 匹配到第一个b，当第一个字符不是b时匹配为0次

　　‘m‘          匹配前一个字符m次（注：匹配的字符必须连在一起），re.search(‘b3‘, ‘kevinbbbb6‘).group() 匹配到 ‘bbb‘

　　‘n, m‘ 　 匹配前一个字符n到m次，re.findall(‘ab1,3‘, "abb abcabbcbbb") 结果[‘abb‘, ‘ab‘, ‘abb‘]

　　‘|‘　　　　匹配|左或|右的字符（注：当两个都存在时，现匹配到那个输出那个），re.search("abc|ABC", "ABCBabcADSA").group() 结果 ABC。re.search("[a|A]BC", "aBCADSA").group() 结果 aBC

　　‘(...)‘　　  分组匹配，re.search("(abc)2a(123|45)", "abcabca123qeq").groups() 结果(‘abc‘, ‘123‘)，例如：re.search("([a-z]+)([0-9]+)", "kevin1231").groups())  结果 (‘kevin‘, ‘1231‘)

　　‘\A‘　　    只从字符开头匹配，re.search("\Aabc", "kevinabc") 返回None是匹配不到的　　同‘^‘

　　‘[]’　　　  匹配范围（从开头开始匹配），re.search("([a-z]+)([0-9]+)", "kevin1231").groups()  结果 (‘kevin‘, ‘1231‘)

　　‘\Z‘　　    匹配字符结尾，同$

　　‘\d‘　　    匹配数字0-9

　　‘\D‘　　   匹配非数字

　　‘\w‘　　   匹配[A-Za-z0-9]

　　‘\W‘　　  匹配非[A-Za-z0-9]

　　‘s‘　　    匹配空白字符、\t、\n、\r，re.findall(‘\s+‘, "ab\tdsa\nsdsa\r") 结果[‘\t‘, ‘\n‘, ‘\r‘]

 　　‘(?P<name>...)‘    分组匹配s = ‘1366597199609090054‘  方法一：re.search("(?P<province>\d3)(?P<city>\d3)(?P<year>\d4)", s) .groups() 结果(‘136‘, ‘659‘, ‘7199‘)

　　　　　　　　　　　　　　　　　　　方法二：res = re.search("(?P<province>\d3)(?P<city>\d3)(?P<year>\d4)", s) 

　　　　　　　　　　　　　　　　　　　　　　　res.groupdict()　　结果‘province‘: ‘136‘, ‘city‘: ‘659‘, ‘year‘: ‘7199‘　　

　　转义

　　当要以‘|‘分割时要转义写为‘\|" 当s中存在"\"时，系统会自动生成"\\"所以转义时要写成"\\\"

import re
s = ‘dsa\dsakl1321aa|ddarewr$d1321afds‘
print(re.split("\\\|\d+|\||\$", s))

　　结果 [‘dsa‘, ‘dsakl‘, ‘aa‘, ‘ddarewr‘, ‘d‘, ‘afds‘]

　　Flags标志符

　　1、re.I(re.IGNORECASE):忽略大小写（括号内是完整写法，下同）例如: re.search(‘k‘, ‘Kevin‘, re.I)  结果 <re.Match object; span=(0, 1), match=‘K‘>

　　2、M(MULTILINE): 多行模式，改变‘^‘和‘$‘，的行为 例如：re.search(‘foo.$‘, ‘foo1\nfoo2\n‘, re.MULTILINE).group() 会匹配到foo1

　　3、S(DOTALL): 改变‘.‘的行为   例如：re.search(‘.‘, ‘\n‘, re.S) 结果 \n      如果不re.S的话则显示None

　　4、X(re.VERBOSE) 可以给你的表达式写注释，使其更可读。

　　例如：

import re
s = ‘31-213*312/1321+1321‘
print(re.split("[-*/+] # test", s,re.X,))