python-正则表达式

正则表达式

一、正则基础

^ ：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。
[] ： 用来表示一组字符,表示范围，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。
* ：匹配0个或多个的表达式。
+： 匹配1个或多个的表达式。
? ：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
{ n} ：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。
{ n,} ：精确匹配n个前面表达式。例如，"o{2,}“不能匹配"Bob"中的"o”，但能匹配"foooood"中的所有o。"o{1,}“等价于"o+”。“o{0,}“则等价于"o*”。
{ 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) ：匹配括号内的表达式，也表示一个分组
\w ：匹配数字字母下划线
\W ：匹配非数字字母下划线
\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,： 匹配一个换行符。匹配一个制表符。

二、re模块

1、查找匹配

（1）re.match
re.match(r’正则表达式’，字符串)：匹配字符串，若匹配成功则返回一个匹配对象，否则返回None。
re.match(pattern, string, flags=0)：flags为标志位，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。

正则表达式中用()表示分组，用()括起部分在匹配成功后可通过group(n)获取对应的值。

import re


def re_demo(email):
    response = re.match(r'^([\d\w\.]*)@([\d\w]*)\.[\w]{2,3}$', email)
    if response:
        print("匹配成功")
        print(response.group(0))
        print(response.group(1))
        print(response.group(2))
    else:
        print("匹配失败")

re_demo('someone@gmail.com')

输出：

匹配成功
someone@gmail.com
someone
gmail

（2）re.search()方法
re.search(pattern, string, flags=0)：扫描整个字符串并返回第一个成功的匹配。

def re_search(search_word):
    response = re.search(r'(.*) are (.*)',search_word)
    if response:
        print(response.group())
        print(response.group(1))
        print(response.group(2))
    else:
        print("没找到啦")
re_search('hhh are ju')

输出：

hhh are ju
hhh
ju

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。

2.替换

re.sub(pattern, repl, string, count=0, flags=0)，返回替换后的字符串

pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
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。
flags : 编译时用的匹配模式，数字形式。

def re_sub(word):
    response = re.sub(r'\d','',word)
    print(response)
re_sub('1234hanqing3%#$@qing')

输出：

hanqing%#$@qing

3.预编译

re.compile()方法

python中使用正则时，re模块内部会处理两件事：

（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串。
为了减少编译花费的时间，可以先采取预编译。

#编译
response = re.compile(r'正则表达式')
#使用
response.match(字符串)

4.切分字符串

re.split(r’正则表达式’,字符串)，返回内容为一个切分后的字符串列表

def re_split(word):
    print(re.split(r'[, ]+', word))
re_split('han,ew ew er,e')

输出：

['han', 'ew', 'ew', 'er', 'e']

5.查找全部

re.findall(string[, pos[, endpos]])：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。
re.findall(pattern, string, flags=0)
说明：
string 待匹配的字符串。
pos 可选参数，指定字符串的起始位置，默认为 0。
endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

注意：match 和 search 是匹配一次 findall 匹配所有。

def re_findall(word):
    print(re.findall(r'[\d\w]+', word))
re_findall('453yehfjd@2$dk%^&*fd')

输出：

['453yehfjd', '2', 'dk', 'fd']

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