Python 的正则匹配

国庆7天，没有追逐诗和远方， 在公司把python的前置知识理了一下。其中，正则 匹配这块忘记的差不多了，就重新学习了一下。

1. 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字符、以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”，简单来说，就是提取字符串中的特定的内容。

常见的正则语法：

语法	说明	表达式实例
一般字符	匹配自身	abc
.	匹配换行符以外的字符	a.c
[..]	匹配中括号中的字符	a[ bdc]e
\	转义字符
\d	匹配数字	a\dc
\w	字母数字下划线
*	匹配0次或者无限次	abc*
+	匹配1次或者无限多次	abc+
？	匹配0次或者1次	abc？
{m}	匹配前一个字符m次	ab{2}c
{m,n}	匹配m次到n次	ab{2,4}c
^	匹配开头	^abc
|	|	或的意思

2. 正则模块的使用

2.1  正则模块 

import re

# compile 创建模式
pattern = re.compile('\w?')  # 匹配一个数字0次或者1次
# match 方法 从头开始匹配，匹配成功就返回一个对象，返回失败就返回None, 只返回一个对象
re.match('[abc]\d', 'a1fdsadf3').group()
# search匹配一次
re.search('[abc]{1}', '123a1b2c3').group()

# findall 遍历匹配
pa = re.compile('[a-zA-Z]{1}')
strs = '123abc456'
print(re.findall(pa, strs))
print(pa.findall(strs))

2.2 常见的正则函数

函数	说明
match	zip匹配一次，且从头开始匹配
search	从任何地方开始匹配，职匹配一次
findall	迭代匹配字符串，返回一个列表（缺点：只返回了分组的结果）
finditer	可以遍历出所有的对象
split	按照给定格式进行分割
sub/subn	按照给定的格式进行替换

pattern = re.compile('(\d+) [a-z]+')
strs = '123 abc,456 efg'
print(pattern.findall(strs))   # 只返回了分组的结果

pattern1 = re.compile('\d+ [a-z]+')
pattern1.findall(strs)

#  输出
['123', '456']
['123 abc', '456 efg']

# -------------------------------------------
for i in pattern.finditer(strs):
    print(i.group(0))  # 0返回所有的对象
    print('----')
    print(i.group(1))  # 只返回分组的结果
# 输出
123 abc
----
123
456 efg
----
456
# --------------------------------------------
# split 分割字符串
re.split('\d', 'a1b2c3')

# 输出
['a', 'b', 'c', '']

# --------------------------------------------
# 替换
re.sub('\d+', '***', 'a1b2c3')
#输出
'a***b***c***'

2.2.1 引用分组

# 引用分组
pattern = re.compile('(\d+) ([a-z]+)')
strs = '123 abc,456 efg'
for item in pattern.finditer(strs):
    print('all-group', item.group())
    print('1th-group', item.group(1))
    print('2nd-group', item.group(2))
    print('---')
pattern.sub(r'\2 \1', strs) # r为转义字符

# 输出
all-group 123 abc
1th-group 123
2nd-group abc
---
all-group 456 efg
1th-group 456
2nd-group efg
---
'abc 123,efg 456'

3. 贪婪模式与非贪婪模式

• 贪婪模式： 在整个表达式匹配成功的前提下，尽可能多的匹配
• 非贪婪模式： 在整个表达式匹配成功的前提下，尽可能少的匹配

# 贪婪模式，尽可能多的匹配
strs = 'aaa<p>hello</p>bbb<p>world</p>ccc'
pattern = re.compile('<p>.*</p>')
print(pattern.findall(strs))

# 非贪婪模式，尽可能少的匹配
pattern2 = re.compile('<p>.*?</p>')
print(pattern2.findall(strs))

# 输出
['<p>hello</p>bbb<p>world</p>']
['<p>hello</p>', '<p>world</p>']

 

4. 匹配中文

# 匹配中文字符
pattern = re.compile('[\u4e00-\u9fa5]+')

strs = '你好，hello， 帅哥'
print(pattern.findall(strs))

# 输出
['你好', '帅哥']

# -----------------------------------------------
strs = '你好hello， 帅哥'
pattern3 = re.compile('\w+')
pattern3.findall(strs)
# 输出
['你好hello', '帅哥']