正则表达式

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

1、re.match方法

re.match是尝试从字符串的起始位置匹配，如果在起始位置匹配成功的话，返回一个匹配对象；失败的话，match()就会返回none。

语法：re.match(pattern,string,flags=0)

其中：pattern--------->要匹配的正则表达式

            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法，如：是否区分大小写，多行匹配等。

注：标志修饰符：可控制匹配模式，多个标志可通过OR(|)来指定，如re.I|re.M被设置成I和M标志。

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

匹配成功时，可以使用group(num)或groups()匹配对象函数来获取匹配表达式。

其中num为分组的组号。

如：(\w(\w)(\w)((\w)\w)\w)其组号分配如图所示：

例如：

import re
pattern = re.compile(r'(([a-z]+) ([a-z]+) ([a-z]+)) ([a-z]+)', re.I)   # re.I 表示忽略大小写
m = pattern.match('Hello World Wide Web')
print(m)                    #匹配对象
print(m.group(0))           #整个匹配
print(m.span(0))            #起始及终止位置
print(m.group(1))
print(m.group(2))
print(m.group(3))
print(m.group(4))
print(m.groups())

输出结果：

<_sre.SRE_Match object; span=(0, 20), match='Hello World Wide Web'>
Hello World Wide Web
(0, 20)
Hello World Wide
Hello
World
Wide
('Hello World Wide', 'Hello', 'World', 'Wide', 'Web')

2、re.search方法

re.search方法可以扫描整个字符串，并返回第一个成功匹配对象。

函数语法：re.search(pattern,string,flags=0);其三个参数与match方法解释一致。

整个字符串如果成功匹配，则返回一个匹配的对象，否则返回none。

同样可以使用group()来获取匹配表达式。分组方式与match相同。

例如：

import re
 
print(re.search('www', 'www.baidu.com').span())         # 在起始位置匹配
print(re.search('com', 'www.baidu.com').span())         # 不在起始位置匹配

输出结果：

(0, 3)
(10, 13)

注：match与search的区别在于，match方法是从字符串开始位置进行匹配，而search方法是匹配整个字符串。

3、compile函数

compile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()两个函数使用。

语法：re.compile(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：

re.I 忽略大小写

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境

re.M 多行模式

re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）

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

re.X 为了增加可读性，忽略空格和' # '后面的注释

其中：\w、\d等为正则表达式模式，具体如下：

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	匹配n个前面表达式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。
re{ n,}	精确匹配n个前面表达式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	G匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re)	匹配的独立模式，省去回溯。
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f]。
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]。
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等。	匹配一个换行符。匹配一个制表符, 等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

例如：

import re
pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
print(m)
m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
print(m)                                        # 返回一个 Match 对象
print(m.group(0))       # 可省略 0
print(m.start(0))       # 可省略 0    起始位置
print(m.end(0))         # 可省略 0    终止位置
print(m.span(0))        # 可省略 0    区间
s = pattern.search('one12twothree34four')
print(s.group(0))

输出结果：

None
<_sre.SRE_Match object; span=(3, 5), match='12'>
12
3
5
(3, 5)
12

4、findall函数

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

注：match和search都只匹配一次，findall匹配所有。

语法：findall(string[,pos[,endpos]])

例如：

s='aabababababababaaaaba  bab'
a=re.match('a.*b',s)         # search、match只能匹配一个  .*表示匹配以a开始，以b结尾的最长的符合匹配对象
b=re.match('a.*?b',s)        #.*?表示匹配以a开始以b结尾的最短的符合匹配对象
c=re.findall('a.*?b',s)
print(a.group(0))
print(b.group(0))
print(c)

输出结果：

aabababababababaaaaba  bab
aab
['aab', 'ab', 'ab', 'ab', 'ab', 'ab', 'ab', 'aaaab', 'a  b', 'ab']

5、re.split方法

定义：按照匹配的子串将字符串分割后返回列表。

语法：re.split(pattern,string[,maxsplit=0,flag=0])

参数：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
maxsplit	分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
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，多行匹配等等。

例如：

import re
print(re.split('\W+','runoob, runoob, runoob.'))
print(re.split('(\W+)', ' runoob, runoob, runoob.'))
print(re.split('\W+', ' runoob, runoob, runoob.', 1))
print(re.split('h+', 'hello world'))     # 对于一个找不到匹配的字符串而言，split不会对其作出分割，即h?和h*运行后都会进行提醒

输出结果：

['runoob', 'runoob', 'runoob', '']
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
['', 'runoob, runoob, runoob.']
['', 'ello world']

p.s.:本文仅对正则表达式在python中的简单应用进行了简单的介绍，如欲更深层次学习正则表达式请移步他处。