python中的re模块（正则表达式）

re模块是python中特有的，但是正则表达式是通用的。

正则表达式介绍

re模块常用函数

---

正则表达式介绍

(1)特殊符号处理常用逻辑

符号	含义	正则表达式	可以匹配的例子	不可能匹配的例子
.	匹配任一字符	"a.c"	"abc",''amc"	"addc","addds"
^	匹配以某个字符开始的字符串	"^a"	"accc"	"vccc"
$	匹配以某个字符结尾的字符串	"a$"	"csada"	"ssum"
[]	匹配多个字符,可以将[]看作字典查找匹配	"[abcd]"	"ab"	"mn"
[^...]	匹配非字符组中的字符	"[^abc]"	"ssds"	"abc"
a|b	匹配a或者b	"root|cat"	"root"	"big"
()	匹配括号内的表达式	"(k|d)ing"	"ding"	"crying"

       重复型的匹配符号

符号	含义	正则表达式	可以匹配的例子
+	匹配一次或多次	"(a|c)+d$"	"ad","caccd"
*	匹配零次或多次	"(a|c)*d$"	"d","aaad"
?	匹配零次或一次	"(a|c)?d$"	"ad","cd","d"
{n}	匹配确定的 n次(n为正整数)	"[0-9]{2}"	"21","26"
{n,}	至少匹配n次	"[0-9]{3,}"	"001","003003"
{n,m}	最少匹配 n次且最多匹配 m 次	"[0-9]{2,4}"	"23","231","6551"

关于[]一些常用的匹配：

字符	含义
[0-9]	匹配0-9这10个数字
[a-z]	匹配a-z这26个小写字母
[A-Z]	匹配A-Z这26个大写字母
[a-f0-7F-M]	匹配a-f小写字母，匹配0-7数字，匹配F-M大写字母

转义字符 : \

在[]中有一些表达需要看作特殊符号，因此需要用到"\"。如果想要匹配某段文字中的一个"\"，则需要4个反斜杠"\\\\"(在正则中需要4个)。解释：前两个反斜杠出来一个"\"，后两个反斜杠也出来一个"\"，这两个被送进正则表达中，由于"\"在正则中，有转义的作用，因此"\\"被翻译成一个普通的斜杠。

这时，可以利用原声字符串来解决这个问题，上面的这个可以写成 r"\\"，即"\\"不转义直接送到正则表达式中，因此正则表达式读取后就是"\"。

在正则表达式中，转义字符加一些字母有一些特殊的意思，如下表所示。

字符	说明	正则表达式	可以匹配的例子	不可以匹配的例子
\d	匹配一个数字	"aca\d"	"aca2"	"acas"
\s	匹配任意空白符	"a\sb"	"a b" (一个空格)	"abb"
\t	匹配一个制表符	"\t"
\n	匹配一个换行符	"\nA"
\w	匹配字母、数字、下划线	"a\wc"	"a_c"	"a$c"
\f	匹配一个换页符
\b	匹配一个单词边界

re模块常用函数

(1) re.match(regex, string, flags=0)

从字符串的起始位置匹配，匹配成功返回一个match对象，否则返回None

import re

regex = "a.c"
string = "abc"
print(re.match(regex,string))

output:
<_sre.SRE_Match object; span=(0, 3), match='abc'>

#含义：begin position：0 ;end position:3;match string is "abc"

(2) re.search(regex,string) 

扫描整个字符串并返回第一个成功的匹配的，如果没有就返回None

import re

regex = r"\d.\\c"
string = "1A\c2\sc"
print(re.search(regex,string))

output:
<_sre.SRE_Match object; span=(0, 4), match='1A\\c'>

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

替换字符串中的匹配项, regex 正则中的模式字符串，repl替换的字符串

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

flags是一个标志位，不怎么用不写了。

import re
regex = r'#.*$'
string = "2004-959-559 # 这是一个国外电话号码"
print(re.sub(regex,"",string))

output：
2004-959-559 

(4)re.compile(regex)

生成一个带有regex正则表达式的对象，供其他函数split，match，search使用。例子看(5)。

(5)re.split(regex, string,maxsplit)

按照能够匹配的子串将字符串分割后返回列表

import re
regex = "[a|b]+c"
pattern = re.compile("[a|b]+c")
string = "acbcbdcksnfcvscdbcacccbc"
print(re.split(regex,string,maxsplit=3)) #最大分隔3次
print(pattern.split(string))

output:
['', '', 'bdcksnfcvscd', 'acccbc']
['', '', 'bdcksnfcvscd', '', 'cc', '']

(6)re.findall(string,begin,end)

从字符串中找到匹配的所有子串，作为列表返回；如果没有找到匹配的，则返回空列表。

import re
pattern = re.compile("[a|b]+c")
string = "acbcbdcksnfcvscdbcacccbc"
print(pattern.findall(string))
print(pattern.findall(string,5,len(string))) 
### 从5位置开始匹配直到结尾

output：
['ac', 'bc', 'bc', 'ac', 'bc']
['bc', 'ac', 'bc']

(7)re.finditer(string)

与re.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
pattern = re.compile("[a|b]+c")
string = "acbcbdcksnfcvscdbcacccbc"
match = []
for i in pattern.finditer(string):
    match.append(i.group(0))
print(match)

output：
['ac', 'bc', 'bc', 'ac', 'bc']

 

参考：

https://www.runoob.com/python/python-reg-expressions.html