python 正则表达式

最近写了一个python脚本，用来查找文本中的函数并进行替换，用到一些正则表达式的知识，所以记录一下。

内容摘自https://www.cnblogs.com/yyyg/p/5498803.html

一、介绍

正则表达式是一个特殊的字符序列，能帮助我们检查字符串是否与某种模式匹配。

二、常用字符含义

1. 普通字符和11个元字符：

ps. 字符集[]中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]; [^abc]表示取反,即非abc; 用\反斜杠转义恢复特殊字符的特殊含义。

2. 预定义字符集：

3. 特殊分组：

三、re模块常用功能函数

正则表达式使用反斜杠” \ “来代表特殊形式或用作转义字符，这里跟Python的语法冲突，因此，Python用” \\ “表示正则表达式中的” \ “，因为正则表达式中如果要匹配” \ “，需要用\来转义，变成” \ “，而Python语法中又需要对字符串中每一个\进行转义，所以就变成了” \\ “。

上面的写法是不是觉得很麻烦，为了使正则表达式具有更好的可读性，Python特别设计了原始字符串(raw string)，需要提醒你的是，在写文件路径的时候就不要使用raw string了，这里存在陷阱。raw string就是用’r’作为字符串的前缀，如 r”\n”：表示两个字符”\”和”n”，而不是换行符了。Python中写正则表达式时推荐使用这种形式。

1、 re.findall(pattern, string[, flags]):

方法能够以列表的形式返回能匹配的子串。先看简单的例子：

1 2 3 4 5

import  re a  =  'one1two2three3four4' ret  =  re.findall(r '(\d+)' ,a) print (ret) [ '1' ,  '2' ,  '3' ,  '4' ]

从上面的例子可以看出返回的值是个列表，并且返回字符串中所有匹配的字符串。　

2、re.finditer(pattern, string[, flags])

搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。 请看例子：

1 2 3 4 5 6 7 8

import  re    p  =  re. compile (r '\d+' ) for  m  in  p.finditer( 'one1two2three3four4' ):      print  m.group(),   ### output ### # 1 2 3 4

3、re.match和re.search

Python提供了两种不同的原始操作：match和search。match是从字符串的起点开始做匹配，而search（perl默认）是从字符串做任意匹配。看个例子:

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import  re   ret_match =  re.match( "c" , "abcde" );      #从字符串开头匹配，匹配到返回match的对象，匹配不到返回None if (ret_match):      print ( "ret_match:" + ret_match.group()); else :      print ( "ret_match:None" );   ret_search  =  re.search( "c" , "abcde" );  #扫描整个字符串返回第一个匹配到的元素并结束，匹配不到返回None if (ret_search):      print ( "ret_search:" + ret_search.group());   ret_match: None ret_search:c

   re.match对象拥有以下方法：

import re
a = "123abc456"
ret_match= re.match("a","abcde");
print(ret_match.group())  #返回返回被 RE 匹配的字符串
print(ret_match.start())  #返回匹配开始的位置
print(ret_match.end())    #返回匹配结束的位置
print(ret_match.span())   #返回一个元组包含匹配 (开始,结束) 的位置

其中group()方法可以指定组号，如果组号不存在则返回indexError异常看如下例子：

1 2 3 4 5 6

import  re a  =  "123abc456" re.search( "([0-9]*)([a-z]*)([0-9]*)" ,a).group( 0 )    #123abc456,返回整体默认返回group(0) re.search( "([0-9]*)([a-z]*)([0-9]*)" ,a).group( 1 )    #123 re.search( "([0-9]*)([a-z]*)([0-9]*)" ,a).group( 2 )    #abc re.search( "([0-9]*)([a-z]*)([0-9]*)" ,a).group( 3 )    #456

4、re.sub和re.subn

 两种方法都是用来替换匹配成功的字串,值得一提的时，sub不仅仅可以是字符串，也可以是函数。subn函数返回元组，看下面例子:

1 2 3 4 5 6

import   re #sub ret_sub  =  re.sub(r '(one|two|three)' , 'ok' , 'one word two words three words' )  #ok word ok words ok words #subn import   re ret_subn  =  re.subn(r '(one|two|three)' , 'ok' , 'one word two words three words' )  #('ok word ok words ok words', 3) 3,表示替换的次数

　　

5、re.split(pattern, string, maxsplit=0)

通过正则表达式将字符串分离。如果用括号将正则表达式括起来，那么匹配的字符串也会被列入到list中返回。maxsplit是分离的次数，maxsplit=1分离一次，默认为0，不限制次数。看一下例子：

1 2 3 4

import  re ret  =  re.split( '\d+' , 'one1two2three3four4' )  #匹配到1的时候结果为'one'和'two2three3four4'，匹配到2的时候结果为'one', 'two'和'three3four4', 所以结果为： ####output#### [ 'one' ,  'two' ,  'three' ,  'four' , '']

　　

6、re.compile(strPattern[, flag])

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式，取值可以使用按位或运算符’|’表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile(‘pattern’, re.I | re.M)与re.compile(‘(?im)pattern’)是等价的。可选值有：

1 2 3 4 5 6

re.I(IGNORECASE): 忽略大小写（括号内是完整写法，下同） re.M(MULTILINE): 多行模式，改变 '^' 和 '$' 的行为（参见上图） re.S(DOTALL): 点任意匹配模式，改变 '.' 的行为 re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定 re.U( UNICODE ): 使预定字符类 \w \W \b \B \s \S \d \D 取决于 unicode 定义的字符属性 re.X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

请看例子：

1 2 3 4 5 6

import  re text  =  "JGood is a handsome boy, he is cool, clever, and so on..." regex  =  re. compile (r '\w*oo\w*' ) print (regex.findall(text))   [ 'JGood' ,  'cool' ]