Python 正则表达式

正则表达式：字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等

Python中使用正则表达式需导入模块，import re

>>> import re
>>> str=r'abcdefadabcd'
>>> s=r'abc'
>>> re.findall(s,str)
['abc', 'abc']

正则表达式规则：

• [ ]

常用来指定一个字符集，如 [abc]、[a-z]

元字符[ . ^ $ * + ? {} [] / | () ] 在字符集中不起作用，如  [abc$]

补集匹配不在字符集中的字符，如 [^5]

• ^

用于匹配行首。在multiline模式中，也可以直接匹配字符串中的直接换行

注："[^5]"表示非5的字符，"^5"表示以5为行首的字符

• $

用于匹配行尾

• \

用于元字符的转义符，或代表特定模式:

\d  匹配任何十进制数，相当于类[0-9]

\D  匹配任何非数字字符，相当于类[^0-9]

\s  匹配任何空白字符，相当于类[\t\n\r\f\v]

\S  匹配任何非空白字符，相当于类[^\t\n\r\f\v]

\w  匹配任何字母数字字符，相当于类[a-zA-Z0-9]

\W  匹配任何非字母数字字符，相当于类[^a-zA-Z0-9]

• *

前一个字符可以被匹配0次或多次

-- a[bcd]*d--"abcbd"

• +

匹配1或更多次，至少1次

• ？

匹配1或0次

• +？

按最小次数返回

• {m,n}

字符可重复，至少m次，至多n次

>>> r=r'^010-?\d{7}'
>>> re.findall(r,'010-4617333')
['010-4617333']
>>> re.findall(r,'0104617333')
['0104617333']

re模块的函数：

re.compile(r)  对字符串进行编译，速度更快

re.I 不限定大小写

tel=re.comfile(r,re.I) 

match()  决定RE是否在字符串刚开始的位置匹配。 匹配成功，返回Match对象，失败则返回None，若要完全匹配，pattern要以$结尾。

>>> re.match(r'abc',r'ababcbcdf')
>>> re.match(r'abc',r'abcabcbcdf')
<_sre.SRE_Match object at 0x105c0aed0>

search()   扫描字符串，找到这个RE匹配的位置。 若string中包含pattern子串，则返回Match对象，否则返回None，如果string中存在多个pattern子串， 只返回第一个 。

>>> test=re.search(r'abc',r'abcabcbcdf')
>>> test.group()       ## 返回匹配的字符串
'abc'
>>> test.start()       ## 返回匹配开始的位置
0
>>> test.end()    ## 返回匹配结束的位置
3
>>> test.span()     ## 以元组形式，返回匹配开始和结束的位置
(0, 3)

sub()   替换字符串

>>> re.sub(r'r..t','python','rest rst riut rout')
'python rst python python'

split()   切割字符串

>>> test=r"abc aa;bb,cc | dd(xx).xxx 12.12'    xxxx"

>>> re.split(r'[ ]*',test)
['abc', 'aa;bb,cc', '|', 'dd(xx).xxx', "12.12'", 'xxxx']
>>> re.split(r' *',test)
['abc', 'aa;bb,cc', '|', 'dd(xx).xxx', "12.12'", 'xxxx']

re.split 比 str.split 更适合非特定字符数量的规则

findall()   找到RE匹配的所有子串，并把它们作为一个列表返回

finditer()   找到RE匹配的所有子串，并把它们作为一个迭代器返回