Python的字符串处理Re模块

目录

前言

一、re模块简介

二、正则表达式

1.转义字符

2.元字符

3.位置引用

4.匹配分组

三、Re模块常用方法

1. re.match()

2.re.search()

3.re.findall()

4.re.sub()

5.re.split()

6.re.compile()

7.匹配标志

总结

---

前言

Python有自己的字符串的方法和函数，可以很方便地进行字符串的一些处理。不过当需要利用正则表达式进行字符串处理的时候，Python自带的方法和函数就不太够用了，这时我们可以利用re模块进行此类问题的处理。

一、re模块简介

正则表达式（Regular Expression）是按照一定的规则组成的一种字符串的pattern 表达式，我们可以利用正则表达式来进行字符串的匹配，查找以及替换等各种操作。而re模块就是针对正则表达式进行处理的模块，这点从正则表达式的简写和re模块的名称就可以看出来。

二、正则表达式

1.转义字符

在正则表达式中用反斜杠\加特定字母来转换字符本身的含义，此时该字符并不会去匹配它自身，而是去匹配特定的一类字符，如\d不会匹配字母d，而是去匹配数字。常见的转义字符如下表：

转义字符	描述
\s	匹配间隔符，空格或者Tab键，等价[ \t\t\n\f\v]
\S	匹配非间隔符
\d	匹配数字,和[0-9]一样
\D	匹配非数字
\w	匹配字母，数字，等价于[a-zA-z0-9]
\W	匹配非字母数字
\b	匹配单词(字母和数字构成的字符串)的边界
\B	匹配非单词的边界

2.元字符

大部分的字符可以匹配自身，但是元字符是例外，正则表达式赋予它们别的含义。常见元字符列表如下：

元字符	描述
.	匹配除了换行符外的任意字符
*	重复0次及以上
+	重复1次及以上
？	重复0次或者1次，或者非贪婪匹配使能
\	转义字符
^	匹配开头位置
$	匹配结束位置
|	在[]外表示左右两边字符的或，如aa|bb 表示匹配aa或者bb
{exp}	{n}：重复n次；{n，}：重复n次及以上；{n，m}：重复n到m次
[exp]	匹配中括号内的任意字符，如[abc]匹配a，b或者c
[^exp]	不匹配中括号内的任意字符，如[^abc]不匹配a，b和c，主要^代表补集
(exp)	匹配括号内的表达式，同时捕捉匹配到的表达式到分组中

3.位置引用

当需要匹配字符串的特定位置时，可以用到一些位置匹配的字符，如下表

字符	描述
^	匹配字符串起始位置，注意在[]中含义不同
$	匹配字符串结束位置
$A	匹配字符串起始位置
$Z	匹配字符串结束位置
\b	匹配单词边界
\B	匹配非单词边界

4.匹配分组

        我们可以通过小括号(exp)来匹配表达式的内容到一个分组中，并用\num来引用该分组的内容。

字符	描述
(exp)	(abc)匹配abc并将其匹配结果分配到分组中
(?P<name>exp)	更改分组的名称
(?P=name)	分组的引用
(?#exp)	注释为exp，匹配时忽略括号的内容
\num	默认的分组的引用，如\1表达第1个括号的分组信息

三、Re模块常用方法

1. re.match()

re.match()方法可以匹配字符串的起始位置，匹配成功则返回符合规则的对象，匹配失败则返回None。其用法为：

re.match(pattern,string,flags=0)

其中参数定义如下

pattern：正则表达式

string：为要匹配的字符串

flag：为可选标志位，如是否区分大小写re.I，是否多行匹配re.M等

举例如下：

>>> s='abc123abc'   
>>> re.match('abc',s) #匹配字符串s的开头为'abc'，匹配成功返回match数据
<re.Match object; span=(0, 3), match='abc'>
>>> re.match('ABC',s) #匹配字符串s的开头为'ABC'，匹配失败，返回none
>>> re.match('ABC',s,re.I) #匹配字符串s的开头为'ABC'，不区分大小写，匹配成功
<re.Match object; span=(0, 3), match='abc'>

2.re.search()

re.match()只能匹配字符串的开头，想要在任意位置匹配，则可以用re.seach()。re.search()会从头到尾去匹配字符串，匹配成功返回第1次匹配的结果，匹配失败则返回None。用法如下：

re.search(pattern,string,flags=0)

下面举个例子说明：

>>> s='abc123abc'
>>> re.search('123',s) #用re.search()，匹配成功返回匹配的对象
<re.Match object; span=(3, 6), match='123'>
>>> re.match('123',s) #用re.match()，匹配失败
>>> re.search('\d+',s)  #匹配数字       
<re.Match object; span=(3, 6), match='123'>
>>> re.search('\d+',s).group() #group()返回匹配的字符
'123'
>>> re.search('\d+',s).span()  #span()返回匹配的字符的下标
(3, 6)

3.re.findall()

re.findall()会对字符串进行多次匹配，返回匹配的列表，如果匹配失败则返回空列表。用法为：

re.findall(pattern,string,flags=0)

举例如下：

>>> s='12abc345def123gh12'   
>>> re.findall('\d+',s) #匹配成功，返回匹配的列表
['12', '345', '123', '12']
>>> re.findall('1234',s) #匹配失败，返回空列表
[]

4.re.sub()

re.sub()可以将字符串中的pattern替换成给定字符，如果匹配成功则将匹配pattern替换掉并返回新的字符串，如果匹配失败则返回原字符串。其用法为：

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

其中参数定义如下

pattern：正则表达式

repl：替换字符串

string：匹配对象

count: 可选参数，最大替换次数，默认为0表示全部匹配都替换

flag：为可选标志位，如是否区分大小写re.I，是否多行匹配re.M等

举例如下:

>>> s='abc123abc'
>>> re.sub('\d+','abc',s) #匹配数字并替换为'abc'
'abcabcabc'
>>> re.sub('[^0-9]+','123',s)  #匹配非数字并替换为'123'
'123123123'
>>> re.sub('abcd','123',s)    #匹配失败，返回原字符串 
'abc123abc'

5.re.split()

re.split()可以将字符串根据分隔符进行分割，并返回分割后的列表，用法如下：

re.split(pattern,string,count=0,maxsplit=0)

其中参数定义如下

pattern：正则表达式

string：匹配对象

maxsplit: 可选参数，最大分割次数，为0表示尽可能全部分割

举例如下：

>>> s='abc123def456ghi'
>>> re.split('123',s) #用字符串'123'进行分割
['abc', 'def456ghi']
>>> re.split('1234',s) #用字符串'123'进行分割，匹配失败返回原字符串的列表           
['abc123def456ghi']
>>> re.split('\d+',s) #用数字进行分割
['abc', 'def', 'ghi']
>>> re.split('\d+',s,maxsplit=1) #用数字进行分割,最大分割一次
['abc', 'def456ghi']

6.re.compile()

re.compile()将1个pattern编译成1个对象，并可以赋值给1个变量，这样可以省去每次写pattern的时间，用法为：

re.compile(pattern,flags=0)

举例如下：

>>> s='abc123def'  
>>> pattern=re.compile('[a-z]+\d+')
>>> re.match(pattern,s)
<re.Match object; span=(0, 6), match='abc123'>

7.匹配标志

re模块常用的匹配标志如下表所示：

标志	描述
re.I	不区分大小写
re.M	多行匹配，影响^和$,同时匹配字符串首尾以及行的首尾
re.S	'.'匹配所有字符包括换行符
re.L	做本地化识别匹配,影响\w,\W,\b,\B
re.U	根据Unicode字符集解析字符
re.X	用更灵活方式解析正则表达式

---

总结

以上就是本文分享的re模块以及正则表达式的相关信息和用法，正则表达式是非常强大的字符串处理工具，也是学习脚本语言的基础必备技能。如果本文分享的信息能够帮助到大家，希望多多点赞收藏。