2020.11-python正则表达式学习

这些怎么理解，没有太理解意思，需要进一步尝试，从以下几个示例看起来，.group(0)用来返回整个字符串（是否是匹配到的整个），groups()用来返回匹配中正则表达式要求()中的一个包含多个的列表，看起来默认使用span就可以了，另外区别于re.find()，re.match()必须是从头开始匹配

如果需要定位的话使用matchObj中的span()方法

>>> import re
>>> strr = 'www.baidu.com'
>>> matchObj = re.match('www', 'www.baidu.com')

>>> print(matchObj)
<re.Match object; span=(0, 3), match='www'>

>>> print(matchObj.span())
(0, 3)

>>> print(matchObj.span()[0])
0

>>> print(matchObj.span()[1])
3

>>> print(re.match('com', 'www.runoob.com'))
None

>>> import re
>>> strr = 'Cats are smarter than dogs'

>>> matchObj = re.match(r'(.*) are (.*?) .*', strr, re.M|re.I)
 
>>> print(matchObj.groups())
('Cats', 'smarter')

>>> print(matchObj.group())
Cats are smarter than dogs

>>> print(matchObj.group(1))
Cats

>>> print(matchObj.group(2))
smarter

>>> print(matchObj.group(3))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: no such group

>>> matchObj = re.match(r'(.*) are (.*?) (.*)', strr, re.M|re.I)

>>> print(matchObj.groups())
('Cats', 'smarter', 'than dogs')

>>> print(matchObj.group())
Cats are smarter than dogs

>>> print(matchObj.group(1))
Cats

>>> print(matchObj.group(2))
smarter

>>> print(matchObj.group(3))
than dogs

re.search()函数

re.search()扫描整个字符串（而不仅仅只是必须从头开始），并返回第一个成功的匹配。

函数语法：

re.search(pattern, string, flags=0)

函数参数说明：

pattern：匹配的正则表达式

string：要匹配的字符串

flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等。

匹配成功re.search()方法返回一个匹配的对象，否则返回None

我们可以使用group(num) 或 groups()匹配对象函数来获取匹配表达式（获取匹配到的字符是哪些），这里的group和groups匹配对象方法和之前一样

实例如下：

>>> import re
>>> line = 'www.baidu.com'

>>> print(re.match('com', line).span())
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'span'

>>> print(re.search('com', line).span())
(10, 13)

re.match()和re.search()的区别

re.match()只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search()匹配整个字符串，直到找到一个匹配。

检索和替换-re.sub()函数

python的re模块提供了re.sub()用于替换字符串中的匹配项。

语法：

re.sub(pattern, repl, string, count=0, flags=0)

参数：

pattern：正则中的模式字符串

repl：替换的字符串，也可为一个函数

string：要被查找替换的原始字符串

count：模式匹配后替换的最大次数，默认为0表示替换所有的匹配

注：这个函数不会改变原有的字符串，而会return会进行改变后的字符串

注：下边示例中的\d代表匹配所有数字字符，\D相当于是其反过来，匹配所有非数字字符

>>> import re
>>> phone = '4008-517-517 #  这是麦当劳外卖的电话号码'

>>> temp1 = re.sub('#.*$', '', phone)
>>> print(temp1)
4008-517-517 
>>> print(phone)
4008-517-517 # 这是麦当劳外卖的电话号码

>>> temp2 = re.sub(r'\D', '', phone)
>>> print(temp2)
4008517517

>>> temp3 = re.sub(r'\d', '', phone)
>>> print(temp3)
-- # 这是麦当劳外卖的电话号码

语法中的repl参数(replace)是一个函数，用于对匹配到的字符串进行该对应函数的处理，这里也可以不放函数，就是单纯的放一个字符串也可以（但是感觉对于group，groups的理解还不是很到位）

>>> phone
'4008-517-517 # 这是麦当劳外卖的电话号码'

>>> temptemp = re.sub('(?P<num>\d+)', lambda x:str(int(x.group('num'))+2), phone)

>>> print(temptemp)
4010-519-519 # 这是麦当劳外卖的电话号码

编译正则表达式-re.compile()函数

.compile()函数英语编译正则表达式，生成一个正则表达式的Pattern对象，供match()和search()这两个函数使用，语法格式为

re.compile(pattern, flags)

参数及解释：

pattern：一个字符串形式的正则表达式

flags：可选参数，表示匹配模式，比如忽略大小写，多行模式等，具体参数如下

>>> import re 
>>> pattern = re.compile(r'\d+')

>>> temp1 = pattern.match('one1two2threefour34')
>>> print(temp1)
None

>>> temp2 = pattern.findall('one1two2threefour34')
>>> print(temp2)
['1', '2', '34']

>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I忽略大小写
>>> temp2 = pattern.findall("Hello World this is a TEST CASe")
>>> print(temp2)
[('Hello', 'World'), ('this', 'is'), ('a', 'TEST')]

注：从上例中可以看出如果是以这种形式匹配，不会进行重复，而是一句话顺着扫，重复指的是匹配不到“World this”

找到所有匹配并返回列表-findall()函数

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

语法格式

pattern.findall(string, pos, endpos)

参数说明解释：

string：待匹配的字符串

pos：可选参数，指定字符串的起始位置，默认0

endpos：可选参数，指定字符串的结束为止，默认为字符串的长度

找到所有匹配并返回迭代器-finditer()函数

和findall类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回，另外注明finditer从re开始调用，findall貌似是从pattern对象开始调用的

re.finditer(pattern, string, flags=0)

>>> import re
>>> 
>>> it = re.finditer(r"\d+","12a32bc43jf3")
>>> for item in it:
...     print(item)
... 
<re.Match object; span=(0, 2), match='12'>
<re.Match object; span=(3, 5), match='32'>
<re.Match object; span=(7, 9), match='43'>
<re.Match object; span=(11, 12), match='3'>

其中每个item这个对返回值对象可以通过span() group()等方法进行调用