Python基础-正则表达式于模式，re模块，match，search，span，group函数

1.内容简介：

处理文本和数据是计算机的绝活，赋予这项绝活的功能就是编程语言。对于大量的数据，程序通常需要进行数据匹配，搜索，替换...等一系列操作。在python中，可以用正则表达式来批量处理数据。在python中，用re模块来支持正则表达式，re模块是python的标准库。

2. 正则表达式的概念：

可以这样理解，所谓正则表达式，是一些有字符和特殊符号组成的字符串，用于按照规则匹配多个字符串。

正则表达式为文本模式匹配，搜索，替换，抽取等功能提供了基础。

在python中，用re模块来支持正则表达式，re模块是python的标准库。

3. 正则表达式举例1：match，span，group的使用

re.match的功能：

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。

程序举例：从hello python中进行匹配，即使用match

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
 
import re
print(re.match('hello', 'hello python'))  # 在起始位置匹配
print(re.match('python', 'hello python')) # 不在起始位置匹配

运行结果：

<re.Match object; span=(0, 5), match='hello'>

None

我们可以用span函数，取出需要的数据的起始位置，例如：

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
 
import re
res_str = re.match('hello', 'hello python')
span_str = res_str.span()
print(span_str)

print(re.match('python', 'hello python')) # 不在起始位置匹配

运行结果：

(0, 5)

None

如果想取出匹配到的数据，则可以用group函数，例如：

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
 
import re

# 在起始位置匹配
res_str = re.match('hello', 'hello python')
if res_str is not None:
	print(res_str.group())
else:
	print('match hello fail')

# 不在起始位置匹配
res_str = re.match('python', 'hello python')
if res_str is not None:
	print(res_str.group())
else:
	print('match python fail')

运行结果：

hello

match python fail

4. 正则表达式举例2：search的使用

search的功能：

“在任意位置”对给定的正则表达式模式搜索“第一次”出现的匹配情况。

程序举例：从hello python中进行搜索，即使用search

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
 
import re

# 在起始位置匹配
res_str = re.search('python', 'hello python')
if res_str is not None:
	print(res_str.group())
else:
	print('search python fail')

# 不在起始位置匹配
res_str = re.search('th', 'hello python')
if res_str is not None:
	print(res_str.group())
else:
	print('search th fail')

运行结果：

python

th

5. 正则表达式举例3：按照给定的模式进行匹配

#!/usr/bin/python
# -*- coding: UTF-8 -*- 
 
import re

search_mode = '跳远|足球|长跑|篮球|排球'
data_str='今天，进行了足球，篮球的比赛'

# 在起始位置匹配

res_str = re.search(search_mode, data_str)
if res_str is not None:
	print(res_str.group())
else:
	print('search fail')

运行结果：

足球

说明：

search_mode给定的模式，是“或”（｜）的关系，即从data_str中，只要搜索到search_mode中的任意一个，就输出搜索到的字符串。

6. 更多正则表达式模式说明与实例：

模式说明：

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

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。

---

实例：

字符匹配

实例	描述
python	匹配 "python".

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	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
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

特殊字符类

实例	描述
.	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_]'。

---

正则表达式，千变万化的模式