python里的正则表达式

1. 匹配字符

import re
s = 'adawdafA@#!#@!1231cad'
print(re.findall('[a-z]',s))  # 匹配小写英文字母
print(re.findall('[0-9]',s))  # 匹配数字
print(re.findall('[A-Z]',s))  # 匹配大写英文字母
print(re.findall('[a-zA-Z0-9]',s))  # 匹配英文字母加数字
print(re.findall('[^a-zA-Z0-9]',s))  # 匹配（过滤（英文字母加数字））
print(len(re.findall("[a-zA-Z\u4e00-\u9fa5]",s))) #\u4e00-\u9fa5 匹配中文

输出结果：

['a', 'd', 'a', 'w', 'd', 'a', 'f', 'c', 'a', 'd']
['1', '2', '3', '1']
['A']
['a', 'd', 'a', 'w', 'd', 'a', 'f', 'A', '1', '2', '3', '1', 'c', 'a', 'd']
['@', '#', '!', '#', '@', '!']

忽略大小写
提供re.IGNORECASE标志参数

text = 'UPPER PYTHON, lower python, Mixed Python'
>>> re.findall('python', text, flags=re.IGNORECASE)
['PYTHON', 'python', 'Python']

2. 切分字符串

拆空格

>>> import re
>>> str1 = "a b c   d"
>>> re.split('\s+',str1)
['a', 'b', 'c', 'd']

拆空格+逗号

>>> str2 = "a,b, d, c, dw"
>>> re.split(r'[\s,]+',str2)
['a', 'b', 'd', 'c', 'dw']

拆空格+逗号+分号

>>> str3 = "a,b, d,;; dd"
>>> re.split(r'[\s,;]+',str3)
['a', 'b', 'd', 'dd']

3. 分组

括号括起来的称为捕获分组。

>>> m = re.match(r'(\d{3})-(\d{3,8})$','010-12345')
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
>>> m.groups()
('010', '12345')

不捕获使用?:

m = re.match(r'(\d{3})-(?:\d{3,8})$','010-12345')
print(m.group(2))
============
IndexError: no such group

4. 预编译，提高代码效率

当我们在Python中使用正则表达式时，re模块内部会干两件事情：
1.编译正则表达式，如果正则表达式的字符串本身不合法，会报错；
2.用编译后的正则表达式去匹配字符出。

如果一个正则表达式要重复使用几千次，处于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配。

# 编译
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用
>>> re_telephone.match('010-12345').groups()
('010','12345')

5. 处理多行文本

import re
a = "a123b\na456b"
# re.S表示单行匹配,re.M表示多行匹配
# ret = re.findall(r'a(\d+)b.+a(\d+)b', a, re.S)  # [('123', '456')]
ret = re.findall(r'^a(\d+)b', a, re.M)  # ['123', '456']

6. 替换

11/27/2012改成2012-11-27
反斜杠数字比如\3表示前面模式第三个捕获组号。

import re


text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'

ret = re.sub(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', text)
print(ret)  # Today is 2012-11-27. PyCon starts 2013-3-13.