前言:
网上有很多关于python正则函数的方法说明,这里尽可能用最简单的demo把所有函数之间的逻辑关系说清楚,供参考。
1.最原始的 re.compile()
这个函数一般是需要和其它函数一起使用的,单独存在没有意义,但是要说明的是,这个函数是对正则表达式进一步的使用有很大帮助。
eg,
测试字符串:
test_str = "I am 18years old,you are 16Years old,so good!"
测试正则表达式:
pattern = r'(\d+)([a-z]+)', 匹配数字小写字母的连接字符串(注:括号里面的匹配可单独获取)
生成正则对象:
p = re.compile(pattern, re.I),re.I 是忽略大小写的意思
def compile(pattern, flags=0):函数flags有默认值,也可以不传这个参数
这里列举几个常用的模式:
re.I(re.IGNORECASE): 忽略大小写
re.M(MULTILINE): 多行模式,改变’^’和’$’的行为
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
2.match,search,findall与re.compile连用
match:
默认是从字符串开始进行匹配,也可以给参数pos传入整数作为开始匹配位置
匹配不到返回None,匹配到第一个就返回匹配对象,用group获取具体字符串
eg,
import re
test_str = "I am 18years old,you are 16Years old,so good!"
pattern = r'(\d+)([a-z]+)'
p = re.compile(pattern, re.I)
text_object = p.match(string=test_str, pos=5)
print text_object.group()
result:
18years
大多时候会把正则放在match函数里面,这样会减少一点代码量
eg,
text_object = re.match(r'(\d+)([a-z]+)', test_str, re.I)
缺点是不能指定开始匹配的位置,默认从开始位置匹配
search:
默认从字符串开始到结束顺序匹配,也可以给参数pos传入整数作为开始匹配位置
匹配不到返回None,匹配到第一个就返回匹配对象,用group获取具体字符串
eg,
import re
test_str = "I am 18years old,you are 16Years old,so good!"
pattern = r'(\d+)([a-z]+)'
p = re.compile(pattern, re.I)
text_object = p.search(string=test_str, pos=20)
print text_object.group()
print text_object.group(1)
print text_object.group(2)
result:
16Years
16
Years
或者
re.search(r'(\d+)([a-z]+)', test_str, re.I)
因为没办法指定开始位置,所以只能匹配到 18years
findall:
默认把字符串所有满足条件的字符子串都找出来,返回是一个str类型的组,
也可以pos指定开始位置,endpos指定结束位置
eg,
import re
test_str = "I am 18years old,you are 16Years old,so good!"
pattern = r'(\d+)([a-z]+)'
p = re.compile(pattern, re.I)
str_arr = p.findall(test_str)
print str_arr
result:
[('18', 'years'), ('16', 'Years')]
因为正则表达式是分组的,所以返回的也是分组的
或者:
re.findall(pattern=r'(/d+)([a-z]+)', string=test_str, flags=re.I)
另:还有一个 find 函数,有时候会搞混,其实和 findall 没一点关系,
find 函数是 str.find(),属于字符串的函数,返回的是字符串的下标。
3.finditer 的特殊性
finditer 返回的是一个匹配对象的迭代器,迭代器的好处是减少内存消耗,处理比较简单的文本用不上,一次返回数据量太多的时候用处很大。
import re
test_str = "I am 18years old,you are 16Years old,so good!"
pattern = r'(\d+)([a-z]+)'
p = re.compile(pattern, re.I)
iter_p = p.finditer(test_str)
for iter_next in iter_p:
print iter_next.group()
result:
18years
16Years
4.字符串替换 sub
import re
test_str = "I am 18years old,you are 16Years old,so good!"
pattern = r'(\d+)([a-z]+)'
p = re.compile(pattern, re.I)
new_string = p.sub('17years', test_str)
print new_string
result:
I am 17years old,you are 17years old,so good!
或者:
re.sub(pattern=r'(\d+)([a-z]+)', repl='17years', string=test_str, count=1, flags=re.I)
count 参数指定替换的个数
result:
I am 17years old,you are 16Years old,so good!
5.字符串分隔 split
import re
test_str = "I am 18years old,you are 16Years old,so good!"
arr = re.split(r'[,\d]', test_str)
print arr
result:
['I am ', '', 'years old', 'you are ', '', 'Years old', 'so good!']