Re库的基本使用
Re库介绍
Re库是Python的标准库,主要用于字符串匹配
调用方式:
import re
正则表达式的表示类型
raw string类型(原生字符串类型)
re库采用raw string类型表示正则表达式,表示为:r'text'
例如: r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
原生字符串类型和字符串类型不同的是,需要在字符串前面加一个小写的r
raw string是不包含对转义符再次转义的字符串
re库也可以采用string类型表示正则表达式,但更繁琐
例如:
'[1‐9]\\d{5}'
'\\d{3}‐\\d{8}|\\d{4}‐\\d{7}'
建议:当正则表达式包含转义符时,使用raw string
Re库主要的功能函数
函数 | 说明
|
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
re.match() | 从一个字符串的开始位置起匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
re.finditer() | 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
1.re.search(pattern, string, flags=0)
在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string : 待匹配字符串
∙ flags : 正则表达式使用时的控制标记
常用标记 | 说明 |
re.I re.IGNORECASE | 忽略正则表达式的大小写,[A‐Z]能够匹配小写字符 |
re.M re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
re.S re.DOTALL | 正则表达式中的.操作符能够匹配所有字符,默认匹配除换行外的所有字符 |
import re
match = re.search(r'[1-9]\d{5}','BIT 100081')
if match:
print(match.group(0))
10081
2.re.match(pattern, string, flags=0)
从一个字符串的开始位置起匹配正则表达式,返回match对象
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string : 待匹配字符串
∙ flags : 正则表达式使用时的控制标记
import re
match = re.match(r'[1-9]\d{5}','100081 BIT')
if match:
print(match.group(0))
10081
match = re.match(r'[1-9]\d{5}','BIT 10081')
print(match.group(0))
AttributeError: 'NoneType' object has no attribute 'group'
说明现在re.match返回的这个match并没有一个属性叫做group,是空的
因为我们现在的字符串的起始位置并不是一个邮政编码,所以它没有匹配结果
所以我们要对一个匹配的结果进行使用的时候,一定要加if语句判断它是不是空的,如果是空的,要把这种情况排除掉.不能用空的函数去调用后面的方法,否则系统会报错
3.re.findall(pattern, string, flags=0)
搜索字符串,以列表类型返回全部能匹配的子串
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string : 待匹配字符串
∙ flags : 正则表达式使用时的控制标记
import re
ls = re.findall(r'[1-9]\d{5}', 'BIT100081 TSU100084')
print(ls)
['100081', '100084']
4.re.split(pattern, string, maxsplit=0, flags=0)
将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string : 待匹配字符串
∙ maxsplit: 最大分割数,剩余部分作为最后一个元素输出
∙ flags : 正则表达式使用时的控制标记
print(re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084'))
['BIT', ' TSU', '']
print(re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084',maxsplit=1))
['BIT', ' TSU100084']
5.re.finditer(pattern, string, flags=0)
搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string : 待匹配字符串
∙ flags : 正则表达式使用时的控制标记
for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
if m:
print(m.group(0))
100081
100084
6.re.sub(pattern, repl, string, count=0, flags=0)
在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ repl : 替换匹配字符串的字符串
∙ string : 待匹配字符串
∙ count : 匹配的最大替换次数
∙ flags : 正则表达式使用时的控制标记
print(re.sub(r'[1-9]\d{5}','zipcode', 'BIT100081 TSU100084'))
BITzipcode TSUzipcode
Re库的另一种等价用法
>>> rst = re.search(r'[1‐9]\d{5}', 'BIT 100081')
函数式用法:一次性操作
>>> pat = re.compile(r'[1‐9]\d{5}')
>>> rst = pat.search('BIT 100081')
面向对象用法:编译后的多次操作
regex = re.compile(pattern, flags=0)
将正则表达式的字符串形式编译成正则表达式对象
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ flags : 正则表达式使用时的控制标记
>>> regex = re.compile(r'[1‐9]\d{5}')
字符串或者原生字符串表示并不是一个正则表达式,它只是一种表示
我们如果通过compile生成一个对象regex,这个regex才是一个正则表达式,它代表了一组字符串
函数 说明
regex.search() 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
regex.match() 从一个字符串的开始位置起匹配正则表达式,返回match对象
regex.findall() 搜索字符串,以列表类型返回全部能匹配的子串
regex.split() 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
regex.finditer() 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
regex.sub() 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
我们将正则表达式对象去掉,只需要需要匹配的字符串对象就行了
Re库的Match对象
Match对象是一次匹配的结果,包含匹配的很多信息
import re
match = re.search(r'[1-9]\d{5}', 'BIT100081 TSU100084')
if match:
print(match.group(0))
print(type(match))
100081
<class '_sre.SRE_Match'>
Match对象的属性
属性 说明
.string 待匹配的文本
.re 匹配时使用的patter对象(正则表达式)
.pos 正则表达式搜索文本的开始位置
.endpos 正则表达式搜索文本的结束位置
Match对象的方法
方法 说明
.group(0) 获得匹配后的字符串
.start() 匹配字符串在原始字符串的开始位置
.end() 匹配字符串在原始字符串的结束位置
.span() 返回(.start(), .end())
match = re.search(r'[1-9]\d{5}', 'BIT100081 TSU100084')
print(match.string)
print(match.re, match.pos, match.endpos)
print(match.group(0))
print(match.start(),match.end(),match.span())
BIT100081 TSU100084
re.compile('[1-9]\\d{5}') 0 19
100081
3 9 (3, 9)
Re库的贪婪匹配与最小匹配
实例:
>>> match = re.search(r'PY.*N', 'PYANBNCNDN')
>>> match.group(0)
同时匹配长短不同的多项,返回哪一个呢?
'PYANBNCNDN'
Re库默认采用贪婪匹配,即输出匹配最长的子串
如何输出最短的子串呢?
>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')
>>> match.group(0)
'PYAN'
最小匹配
操作符 说明
*? 前一个字符0次或无限次扩展,最小匹配
+? 前一个字符1次或无限次扩展,最小匹配
?? 前一个字符0次或1次扩展,最小匹配
{m,n}? 扩展前一个字符m至n次(含n),最小匹配
只要长度输出可能不同的,都可以通过在操作符后增加?变成最小匹配