正则表达式学习(python版)

python 正则表达式的使用

re模块的使用

import re

语法：

re.match(pattern, string, flags=0)

pattern	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式，如：是否区分大小写，多行匹配等等。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

规则

匹配单个字符

字符	功能	位置
.	匹配任意1个字符（除了\n）
[ ]	匹配[ ]中列举的字符
\d	匹配数字，即0-9	可以写在字符集[…]中
\D	匹配⾮数字，即不是数字	可以写在字符集[…]中
\s	匹配空⽩，即空格，tab键	可以写在字符集[…]中
\S	匹配⾮空⽩字符	可以写在字符集[…]中
\w	匹配单词字符，即a-z、A-Z、0-9、_	可以写在字符集[…]中
\W	匹配⾮单词字符	可以写在字符集[…]中

[…]字符集，对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，比如[abc]和[a-c]，第一个字符如果是^{表示取反。所有特殊字符（比如"]“”-“”}“）在字符集中都失去原来的含义，如要使用可把”]“”-“放在第一个字符，”^"放在非第一个字符。

匹配多个字符

字符	功能	位置	表达式实例	完整匹配的字符串
*	匹配前⼀个字符出现0次或者⽆限次，即可有可⽆	用在字符或(…)之后	abc*	abccc
+	匹配前⼀个字符出现1次或者⽆限次，即⾄少有1次	用在字符或(…)之后	abc+	abccc
?	匹配前⼀个字符出现1次或者0次，即要么有1次，要么没有	用在字符或(…)之后	abc?	ab,abc
{m}	匹配前⼀个字符出现m次	用在字符或(…)之后	ab{2}c	abbc
{m,n}	匹配前⼀个字符出现从m到n次，若省略m，则匹配0到n次，若省略n，则匹配m到无限次	用在字符或(…)之后	ab{1,2}c	abc,abbc

匹配开头结尾

字符	功能
^	匹配字符串开头
$	匹配字符串结尾

匹配分组

字符	功能
|	匹配左右任意⼀个表达式
(ab)	将括号中字符作为⼀个分组
\num	引⽤分组num匹配到的字符串
(?P)	分组起别名，匹配到的子串组在外部是通过定义的 name 来获取的
(?P=name)	引⽤别名为name分组匹配到的字符串

二、常用函数

re.search函数

re.search 扫描整个字符串并返回第一个成功的匹配，如果没有匹配，就返回一个 None。

re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配

# re.search函数
import re

str = "阅读次数为9999"

ret = re.search(r"\d", str)

print(ret.group()) # '9'

re.findall函数

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。注意**：** match 和 search 是匹配一次 findall 匹配所有。

import re


str = "13517923238"

result = re.findall('3', str)
print(result) # ['3', '3', '3']

re.finditer函数

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回

import re
it = re.finditer(r"\d+", "12a32bc43jf3")
for match in it:
    print(match.group())
#结果如下：   
#9
#12
#32
#43
#3

re.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() 这两个函数使用。

prog = re.compile(pattern)
result = prog.match(string)

# =======等价=================

result = re.match(pattern, string)

re.sub函数

sub是substitute的所写，表示替换，将匹配到的数据进⾏替换。

语法：re.sub(pattern, repl, string, count=0, flags=0)

参数	描述
pattern	必选，表示正则中的模式字符串
repl	必选，就是replacement，要替换的字符串，也可为一个函数
string	必选，被替换的那个string字符串
count	可选参数，count 是要替换的最大次数，必须是非负整数。如果省略这个参数或设为 0，所有的匹配都会被替换
flag	可选参数，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。

import re
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)

re.subn函数

行为与sub()相同，但是返回一个元组 (字符串, 替换次数)。

re.subn(pattern, repl, string[, count])

re.split函数

根据匹配进⾏切割字符串，并返回⼀个列表。

re.split(pattern, string, maxsplit=0, flags=0)

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

三、补充

1.可以通过正则工具箱查询所需要的常用的正则表达式。

2.r的作⽤
与大多数编程语言相同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，Python中字符串前⾯加上 r 表示原⽣字符串。