python中的正则表达式

正则表达式

正则表达式是对字符串操作的⼀种逻辑公式，就是⽤事先定义好的⼀些特定字符、及这些特定字符的组合，组成⼀个“规则字符串”，这个“规则字符串”⽤来表达对字符串的⼀种过滤逻辑。

正则的缺点是效率低下，所以能用字符串方法完成尽量使用字符串方法。优点是编码简单。

在python中使用正则，要先导入系统内置模块re。

1.正则表达式的组成

原子是组成正则表达式的最小单位，任何单一字符都可以是正则表达式的一个原子。

除了原子，正则表达式中还有表示特殊含义的特殊原子。下面我不加解释的给与正则表达式中会使用的特殊原子，

除了原子，正则表达式中还有表示个数的量词，我们常用的量词如下，

正则中还有对于正则匹配模式的模式修正符，常用的模式修正符如下，

注意，模式字符串⼀定要使⽤原⽣字符串，也就是⽤r开头的字符串。正则匹配要严格区分⼤写。如果正则表达式中有{，}，[,],-,?,*,|^,$,.等做普通字符，则要将其转义。

我们来举一个例子，⽤户名匹配，用户名应由数字、⼤⼩写字⺟、下划线_和中横线-组成，⻓度为4到14位，并且不能以数字开头，

res = re.match(r"[^\d]([a-zA-Z0-9_-]{3,13})", "Forseti_Re")
print(res)

执行结果如下，

<re.Match object; span=(0, 10), match='Forseti_Re'>

2.正则常用方法

2.1.re.match()

re.match()
"""
原型：re.match(pattern, string, flags=0)
功能：从字符串起始位置匹配⼀个模式，如果不是从起始位置匹配则返回None
参数： 
      patter模式
      string要匹配的字符串
      flag模式修正符
返回值：匹配成功返回⼀个Match object，失败返回None
"""

例如，

print(re.match(r"Across", "Across the Great Wall"))
print(re.match(r"Across", "Cross the Great Wall"))
print(re.match(r"We", "Across the Great Wall\nWe can reach every corner in the world", re.M))  # 使用多行模式进行匹配
print(re.match(r"^We", "Across the Great Wall\nWe can reach every corner in the world", re.M))  # 使用多行模式进行匹配行首词

执行结果如下，

<re.Match object; span=(0, 6), match='Across'>
None
None
None

我们看到只有第一个匹配成功。最后两个尽管我们使用了\n换行符，但是依然不是字符串的开头。

2.2.re.search()

re.search()
"""
原型：re.search(pattern, string, flags=0)
功能：顺序扫描字符串，找到第⼀个匹配项结束
参数：
     patter模式
     string要匹配的字符串
     flag模式修正符
返回值：匹配成功，返回match object，否则返回None
"""

例如，

print(re.search(r"Great", "Across the Great Wall\nWe can reach every corner in the world"))
res = re.search(r"(\s([a-zA-Z]{6,})\s)", "Across the Great Wall\nWe can reach every corner in the world")  # 匹配前后有空格且有六个字母的英文单词
print(res)

执行结果如下，

<re.Match object; span=(11, 16), match='Great'>
<re.Match object; span=(40, 48), match=' corner '>

2.3.re.findall()

re.findall()
"""
原型：findall(pattern, string, flags=0)
功能：扫描整个字符串，并返回结果列表
参数：
     patter:匹配的正则表达式
     string:要匹配的字符串
     flags:模式修正符
返回值：如果匹配成功返回⼀个列表，包含了所有匹配项，失败返回空列表
"""

例如，

print(re.findall(r"a", "Across the Great Wall\nWe can reach every corner in the world"), re.I)  # 匹配字符串中所有的a，不区分大小写
res = re.findall(r"\b(\w{4,5})\b", "Across the Great Wall\nWe can reach every corner in the world")  # 匹配字符串中所有的4个到5个字母的单词
print(res)

执行结果如下，

['a', 'a', 'a', 'a'] RegexFlag.IGNORECASE
['Great', 'Wall', 'reach', 'every', 'world']

2.4.re.split()

re.split()
"""
原型：split(pattern, string,maxsplit=0,, flags=0)
功能：⽤模式串做分隔符，将字符串分隔，返回分隔列表，如果模式加上括号，则分隔符会被保留
参数：
     patter:匹配的正则表达式
     string:要匹配的字符串
     maxsplit匹配次数，0不限制次数
     flags:模式修正符
返回值：成功返回⼦串列表，否则返回空列表
"""

例如，

num = input("请输入三个整数，用逗号或者空格分割：")  # 输入整数
res = re.split(r"[,，  ]+", num)  # 用出现一次或者多次的单个",， (英文空格) (中文空格)"作为分割符，进行字符串分割
res = [int(value) for value in res]  # 将列表中的元素转换为int类型
print(sum(res))  # 列表元素求和

注意，这里我们在各个整数之间无论输入多少空格或者逗号，无论是英文还是中文，系统都会进行分割。

2.5.re.sub()

re.sub()
"""
sub(pattern, repl, string, count=0)
功能：在⽬标字符串中以正则表达式的规则匹配字符串，再把他们替换成指定的字符串。可以指定替换的次数,如果不指定，替换所有的匹配字符串
参数：
    pattern:正则表达式(规则)
    repl:指定的⽤来替换的字符串
    string:⽬标字符串
    count:最多替换次数
区别：前者返回⼀个替换后的字符串，后者返回⼀个元组，第⼀个元素替换后的字符串，第⼆个元素表示被替换的次数
"""

例如，我们把下划线命名（也叫蛇形命名，所有单词都是⼩写，中间通过下划线连接），转化为⼩驼峰命名法（第⼀个单词⼩写，其余所有单词⾸字⺟⼤写）。例如’go_to_next_page’，转化后改写为’goToNextPage’，

def replace(obj):
    # obj.groups(0)[0]  # 获取正则表达式截取元组中的下标为0的元素
    # obj.groups(0)[1].upper()  # 获取正则表达式截取元组中的下标为1的元素并改为大写
    return obj.groups(0)[1].upper()  # 返回替换字符串


str1 = "go_to_next_page"
res = re.sub(r"([_]{1})(\w)", replace, str1)
print(res)

执行结果如下，

goToNextPage

2.6.re.group()和re.groups()

re.group()和re.groups()⽤于提取⼦元素，模式中⼀个括号就是⼀个⼦元素，group和groups只能在match和search⽅法⾥使⽤，通过返回的match object获取⼦元素。在模式串和sub和subn中的替换字符串中可以使⽤\1，\2，\3…来引⽤⼦元素。

例如，

res = re.search(r"(\d{3,4})-(\d{8})", "010-12345678")
print(res.groups())
print(res.group(1))
print(res.group(2))

执行结果如下，

('010', '12345678')
010
12345678

2.7.re.compile()

re.compile()
"""
原型：re.compile(pattern, flags=0)
功能：将正则表达式模式编译成正则表达式对象，其match()和search()⽅法可⽤于匹配
参数：
    pattern模式
    flags模式修饰符
"""

当我们使⽤正则表达式时，re模块会⼲两件事：
1.编译正则表达式，如果正则表达式本身不合法，会报错；
2.⽤编译后的正则表达式去匹配对象。
编译正则表达式使⽤compile。

例如，

re_tele = re.compile(r"^1(([3578]\d)|(47))\d{8}$")  # 编译正则模式块
print(re_tele.match("13900000000"))~

执行结果如下，

<re.Match object; span=(0, 11), match='13900000000'>