python 正则表达式

python 正则表达式

正则表达式是一个特许的字符串序列，它能帮助你方便的检查一个字符串与某种模式匹配。

re 模块使 python 拥有正则表达式功能。

complie 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一只的函数，这些函数使用一个模式字符串作为它们的第一个参数。

下面看看 re 自带的函数使用：

re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功，match() 就返回 none

使用：re.match(pattern, string, flags=0)

• 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：是否区分带小写，多行匹配等

匹配成功 re.match 方法返回一个匹配对象(元组)

import re
print(re.match('www', 'www.baidu.com').span())

>>>(0, 3)

re.search 方法

扫描整个字符串并返回第一个成功的匹配

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

匹配成功 re.match() 返回一个匹配对象，否则返回None

import re
print(re.match('www', 'www.baidu.com').span())

>>>(0, 3)

re.match() 与 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，返回 None

• re.search() 匹配整个字符串，知道找到一个匹配

检索和替换

python 中 re 模块提供了 re.sub 用于替换字符串中的匹配项

语法：re.sub(patter, repl, string, count=0, flogs=0)

参数：

• patten：正则中的模式zi fu c
• repl：替换的字符串，也可以为一个函数
• 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 0 表示替换所有的匹配
• flogs：标志位

import re
 
phone = "2020-09-03 $ 今天是个好日子"
res = re.sub(r'$.*$', '', phone)
print(res)
>>> 2020-09-03 

res = re.sub(r'\D', '', phone)
print(res)
>>> 20200903 

re.compile 函数

complie 函数用于编译正则表达式，生成一个正则表达式（pattern）对象，供 match() 和 search() 使用

用法：re.complie(pattern, [, flags])

参数：

• pattern : 一个字符串形式的正则表达式
• flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
  1. re.I 忽略大小写
  2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  3. re.M 多行模式
  4. re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
  5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
  6. re.X 为了增加可读性，忽略空格和 # 后面的注释

当匹配成功时返回一个 Match 对象，其中：

• group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
• start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
• end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
• span([group]) 方法返回 (start(group), end(group))。

findAll

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

⚠️：match 和 search 只匹配一次匹配到就返回， findAll 匹配所有

语法：findAll(string, [, pos[, endpos]])

参数：

• string : 待匹配的字符串。
• pos : 可选参数，指定字符串的起始位置，默认为 0。
• endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

import re
 
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('test 123 google 456')
result2 = pattern.findall('test88bui123google789', 0, 10)
 
print(result1)
print(result2)

>>> ['123', '456']
>>> ['88', '12']

re.finditer

和 findAll 类似，在字符串中找到正则表达式匹配的所有子串，并作为一个迭代器返回。

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

import re
 
it = re.finditer(r"\d+","123test4567aa89") 
for match in it: 
    print (match.group())

>>> 123
		4567
    89

re.split

split 方法按照能够匹配的字符串分割后返回列表。

用法：re.split(pattern, string[, maxsplit=0, flags=0])

参数：

• pattern 匹配的正则表达式
• string
• maxsplit
• flags

正则表达式对象

re.RegexObject

re.compile() 返回 RegexObject 对象。

re.MatchObject

group() 返回被 RE 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
• span() 返回一个元组包含匹配 (开始,结束) 的位置

正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r’\t’，等价于 ‘\t’)匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

特殊字符类