二十六、re模块(正则表达式)

re模块(正则表达式)

一、re.match函数

•  功能: 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
• re.match(pattern, string, flags=0)
• pattern:匹配的表达式
• 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

import re
print(re.match('hTtL', 'https://mp.csdn.net/console/editor/html/106007626',re.I).span())  # 在起始位置匹配 span()打印匹配的下标 re.I 对大小写不敏感
print(re.match('cons', 'net/console/editor/h'))         # 不在起始位置匹配 返回为None

二、re.search 函数

•  扫描整个字符串并返回第一个成功的匹配
• re.search(pattern, string, flags=0)
• pattern:匹配的表达式
• 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

import re

print(re.search('https', 'https://mp.csdn.net/console/editor/html/106007626').span())  # 只要匹配成功 就不为None
print(re.search('//', 'https://mp.csdn.net/console/editor/html/106007626').span()) # 只要匹配成功 就不为None
print(re.search('111', 'https://mp.csdn.net/console/editor/html/106007626')) # 只要没匹配成功 就返回None

import re


line = "what are you doing?" \
       "dwqdqwd wqdqwdqwd "

searchObj = re.search(r'(.*) are YOU (.*)', line, re.M | re.I)  # 大小写不敏感 多行匹配
print(searchObj.span())
print(searchObj.group())
print(searchObj.group(1))
print(searchObj.group(2))

/usr/local/bin/python3.7 /Users/zhonglinglong/PycharmProjects/whole_world/临时文件.py
(0, 37)
what are you doing?dwqdqwd wqdqwdqwd 
what
doing?dwqdqwd wqdqwdqwd 

Process finished with exit code 0

三、re.sub 函数

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

import re

text = "保留23这些#删除45这些"


a = re.sub(r'#.*', "", text)
print("#号后面的已经被空字符串替换了 : ", a)

# 移除非数字的内容
b = re.sub(r'\D', "", text)
print("只匹配数字 : ", b)


/usr/local/bin/python3.7 /Users/zhonglinglong/PycharmProjects/whole_world/临时文件.py
#号后面的已经被空字符串替换了 :  保留23这些
只匹配数字 :  2345

Process finished with exit code 0



# 被替换的可以是个函数（其实就是函数计算的结果）
# 将匹配的数字乘于3
def demo(match):
    print(match,type(match))
    data = int(match.group('value'))
    return str(data * 3)

s = 'ewf2332f32423'
print(re.sub('(?P<value>\d+)', demo, s))   # ?P<value>\d 命名一个匹配到数字的组value

/usr/local/bin/python3.7 /Users/zhonglinglong/PycharmProjects/whole_world/临时文件.py
<re.Match object; span=(3, 7), match='2332'> <class 're.Match'>
<re.Match object; span=(8, 13), match='32423'> <class 're.Match'>
ewf6996f97269

Process finished with exit code 0

四、compile 函数

 ompile 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。

• 语法re.compile(pattern[, flags])
• pattern : 一个字符串形式的正则表达式
• flags 可选，表示匹配模式，比如忽略大小写，多行模式等

import re

r = re.compile(r'\d+')  # 用于匹配至少一个数字

x = r.match('23让24仿佛ffef3如24放仿佛')  # 查找头部，没有匹配
print(x) # 返回一个 Match 对象

y = r.match('23让24仿佛ffef3如24放仿佛', 3, 10).span()  # 从下标3开始匹配 到下标10结束
print(y)

z = r.match('23让26仿佛f23234fef3如24放仿佛', 4, 20)  # 从'4'的位置开始匹配，正好匹配
print(z.span()) # 返回匹配到的元素位置
print(z.group())  # 返回匹配到分组的值
print(z.start())  # 返回匹配到开始下标
print(z.end())  # 返回匹配到结束下标



r = re.compile(r'([a-z]+) ([a-z]+)', re.I)   #  匹配多个或者一个字母中间空格然后匹配多个或者1个字母 忽略大小写
d = r.match('What Are YOU Doning ?')
print(d.group()) # 获取整个匹配的字符串
print(d.span()) # 获取整个匹配的字符串
print(d.group(1)) # 获取第一个分组匹配到的字符串
print(d.span(1)) # 获取第一个分组匹配到的字符串下标位置
print(d.group(2))
print(d.span(2))
print(d.groups())

五、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。 
• 语法：re.findall(string, pos, endpos)
• 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。

import re

r = re.compile(r'\d+')  # 查找数字
result1 = r.findall('而非ef34f34f非而34323487')
result2 = r.findall('激活34解放34334jij823', 0, 20)

print(result1)
print(result2)



/usr/local/bin/python3.7 /Users/zhonglinglong/PycharmProjects/whole_world/临时文件.py
['34', '34', '34323487']
['34', '34334', '823']

Process finished with exit code 0

六、re.finditer 函数

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。

• re.finditer(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

import re

r = re.finditer(r"\d+", "3fed3344f3334")
for match in r:
    print(match.group())


/usr/local/bin/python3.7 /Users/zhonglinglong/PycharmProjects/whole_world/临时文件.py
3
3344
3334

Process finished with exit code 0

 七、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

• 语法：re.split(pattern, string, maxsplit=0, flags=0)
• pattern:匹配的正则表达式
• string:要匹配的字符串
• maxsplit: 默认分割次数不限等于0 等于1只分割一次
• flags:标志位，用于控制正则表达式的匹配方式

import re

r = re.split('\D+', 'f34f3f32fg457g3432f325tewr34t')
print(r)


/usr/local/bin/python3.7 /Users/zhonglinglong/PycharmProjects/whole_world/临时文件.py
['', '34', '3', '32', '457', '3432', '325', '34', '']

Process finished with exit code 0

八、正则表达式

flags 修饰符

• re.I：使匹配对大小写不敏感 
• re.L:做本地化识别（locale-aware）匹配
• re.M:多行匹配，影响 ^ 和 $
• re.S:使 . 匹配包括换行在内的所有字符
• re.U:根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
• re.X:该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

正则表达式模式

• ^	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}	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,}	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*"。
  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)	匹配括号内的表达式，也表示一个组
  (?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, 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。

      几种常见实际例子如下

• test 匹配 "test"
•  [Zz]sss 匹配 "Zsss" 或 "zsss"
• asd[hm] 匹配 "asdh" 或 "asdm"
• [edeffe] 匹配中括号内的任意一个字母
• [0-9] 匹配任何数字。
• 类似于 [0123456789] [a-z] 匹配任何小写字母
• [A-Z] 匹配任何大写字母
• [a-zA-Z0-9] 匹配任何字母及数字
• [^efzxc] 除了efzxc字母以外的所有字符
• [^0-9] 匹配除了数字外的字符
• 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
• \d 匹配一个数字字符。等价于 [0-9]。
• \D 匹配一个非数字字符。等价于 [^0-9]。
• \s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
• \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
• \w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 \
• W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。