python正则表达式示例

python正则表达式示例

正则表达式是一个特殊的字符序列，可以方便检查一个字符串是否与某种模式匹配。re模块是python语言拥有全部的正则表达式功能。

1. re.match函数

re.match尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

（1）函数语法

re.match(pattern, string, flags=0)，匹配成功返回一个匹配的对象，否则返回None。我们可以使用group(num)或groups()匹配对象函数来获取匹配表达式。

参数	描述
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

匹配对象方法	描述
group(num=0)	匹配的整个表达式的字符串，group()可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从1到所含的小组号。

（2）示例

import re

line = "Cats are smarter than dogs"
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)
searchObj = re.search(r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
    print('matchObj.group():', matchObj.group())
    print('matchObj.group(2):', matchObj.group(2))
    print(matchObj.groups())
else:
    print('No match!!')
if searchObj:
    print('searchObj.group():', searchObj.group())
    print('searchObj.group(1):', searchObj.group(1))
    print('searchObj.group(2):', searchObj.group(2))

matchObj.group(): Cats are smarter than dogs
matchObj.group(2): smarter
(‘Cats’, ‘smarter’)
searchObj.group(): Cats are smarter than dogs
searchObj.group(1): Cats
searchObj.group(2): smarter

2. re.search方法

re.search扫描整个字符串并返回第一个成功的匹配。

（1）函数语法

re.search(pattern, string, flags=0)，匹配成功返回一个匹配的对象，否则返回None。

（2）示例

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

(10, 13)

3. 检索和替换

re.sub用于替换字符串中的匹配项。

（1）函数语法

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

参数	描述
pattern	正则表达式中的模式字符串
repl	替换的字符串，也可以是一个函数
string	要被查找替换的原始字符串
count	模式匹配后替换的最大次数，默认0表示替换所有的匹配

（2）示例1

# -*- coding: UTF-8 -*-
import re

phone = '2023-06-30 # 这是一个电话号码'
# 删除字符串中的python注释
num = re.sub(r'#.*$', "", phone)
print('电话号码：', num)
# 删除非数字的字符串
num = re.sub(r'\D', "", phone)
print('电话号码:', num)

电话号码: 2023-06-30
电话号码: 20230630

（3）示例2

import re

def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

A46G8HFD1134

4. 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对象。

（1）语法

re.compile(pattern[, flags])，flags表示匹配模式。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.并且包含换行符在内的任意字符；re.U表示特殊字符集\w，\W，\b，\B，\s，\S，\D，\d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。

（2）示例

import re
pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) 
m = pattern.match('Hello World Wide Web') # 匹配成功返回一个Match对象
# <re.Match object; span=(0, 11), match='Hello World'>
print(m)
# 'Hello World'
m.group(0) #返回匹配成功的整个子串
# (0, 11)
m.span(0)  # 返回匹配成功的整个子串的索引
# 'Hello'
m.group(1) # 返回第一个分组匹配成功的子串 
# (0, 5)
m.span(1)  # 返回第一个分组匹配成功的子串的索引
# ('Hello', 'World')
m.groups() # 等价于 (m.group(1), m.group(2), ...)

5. 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，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。match和search是匹配一次，findall匹配所有。

（1）语法

findall(string[, pos[, endpos]])

参数	描述
string	待匹配的字符串
pos	指定字符串的起始位置，默认为0
endpos	指定字符串的结束为止，默认为字符串的长度

（2）查找字符串中所有数字示例

import re

pattern = re.compile(r'\d+')
res = pattern.findall('lucky 123 dog 456')
# ['123', '456']
print(res)
# 多个匹配模式返回元组列表
res = re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10') 
[('width', '20'), ('height', '10')]
print(res)

6. re.finditer函数

在字符串中找到正则表达式匹配的所有子串并把它们作为一个迭代器返回。

（1）语法

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

（2）示例

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

7. re.split函数

split方法按照能够匹配的子串将字符串分割后返回列表。

（1）语法

re.split(pattern, string[, maxsplit=0, flags=0])， maxsplit是分割次数，默认为0，即不限制次数。

（2）示例

import re
# ['google', 'google', '']
re.split('\W+', 'google, google.')
# ['hello world']
re.split('a*', '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

8. 正则表达式模式

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}	精确匹配 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,}	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)	对正则表达式分组并记住匹配的文本
(?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	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\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。