正则表达式复习

根据 菜鸟教程加入极少个人理解整理完成，用来复习知识点，详情参考原链接

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

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；

而re.search匹配整个字符串，直到找到一个匹配。

import re
print(re.match('www','www.baidu.com').span()) # (0, 3)
print(re.match('www','www.baidu.com')) # <re.Match object; span=(0, 3), match='www'>
print(re.match('com','www.baidu.com')) # 不在起始位置匹配不了 None

匹配对象方法 group(num=0) 匹配的整个表达式的字符串，

group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

line = "Cats are smarter than dogs"

matchObject = re.match(r'(.*) are (.*?) .*',line,re.M|re.I)

前面的一个 r 表示字符串为非转义的原始字符串，让编译器忽略反斜杠，也就是忽略转义字符。

但是这个字符串里没有反斜杠，所以这个 r 可有可无。

if matchObject:
    print('matchObject.group():',matchObject.group()) # matchObject.group(): Cats are smarter than dogs
    print('matchObject.group(1):',matchObject.group(1)) # matchObject.group(1): Cats
    print('matchObject.group(2):',matchObject.group(2)) # matchObject.group(2): smarter
    print('matchObject.groups():',matchObject.groups()) # matchObject.groups(): ('Cats', 'smarter')
else:
    print('no match!!')

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

re.search 扫描整个字符串并返回第一个成功的匹配。

print(re.search('www','www.baidu.com').span()) # (0, 3)
print(re.search('www','www.baidu.com')) # <re.Match object; span=(0, 3), match='www'>
print(re.search('com','www.baidu.com').span()) # (10, 13)
print(re.search('com','www.baidu.com')) # <re.Match object; span=(10, 13), match='com'>

line = "Cats are smarter than dogs"

searchObject = re.search(r'(.*) are (.*?) .*',line,re.M|re.I)

if matchObject:
    print('searchObject.group():',searchObject.group()) # searchObject.group(): Cats are smarter than dogs
    print('searchObject.group(1):',searchObject.group(1)) # searchObject.group(1): Cats
    print('searchObject.group(2):',searchObject.group(2)) # searchObject.group(2): smarter
    print('searchObject.groups():',searchObject.groups()) # searchObject.groups(): ('Cats', 'smarter')
else:
    print('nothing found!!')

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

替换字符串中的匹配项

"""
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。
"""

import re
phone = "2004-959-559 # 这是一个国外电话号码"

删除非数字（-）的字符串

num = re.sub(r'\D',"",phone)
print('电话号码是：',num) # 电话号码是： 2004959559

删除字符串中的 Python注释(注意第一种方法电话号码后面有一个空格)

num = re.sub(r'#.*$',"",phone)
print('电话号码是：',num) # 电话号码是： 2004-959-559

num = re.sub(r' #.*$',"",phone)
print('电话号码是：',num) # 电话号码是： 2004-959-559

repl参数是函数的情况

将匹配的数字乘以 2

import re
def double(matched):
    value = int(matched.group('name'))
    return str(value * 2)
s = 'A23G4HFD567'
print(re.sub('(?P<name>\d+)',double,s)) # A46G8HFD1134
# ?P<name>的意思就是命名一个名字为的组，匹配规则符合后面的/d+

4.re.compile #(我的理解：匹配的另外一种形式，先编译正则表达式，再通过match() or search()匹配)

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，

重点：供 match() 和 search() 这两个函数使用。

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，具体参数为：

re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性，忽略空格和 # 后面的注释
"""

import re
pattern = re.compile(r'\d+') # 用于匹配至少一个数字
m = pattern.match('one12twothree34four')

print(m) # None 查找头部没有匹配
m = pattern.match('one12twothree34four',2,10)

print(m) # None 从'e'的位置开始匹配，没有匹配
m = pattern.match('one12twothree34four',3,10)

print(m) # <re.Match object; span=(3, 5), match='12'>
         # 从'1'的位置开始匹配，正好匹配到了

m = pattern.search('one12twothree34four')
print(m) #<re.Match object; span=(3, 5), match='12'>
print(m.group(0),m.start(0),m.end(0),m.span(0)) # 12 3 5 (3, 5) 括号中的0可以省略

#实例2

import re
pattern = re.compile(r'([a-z]+) ([a-z]+)',re.I) # re.I 表示忽略大小写
m = pattern.match('Hello World Wide Web')
m2 = pattern.search('Hello World Wide Web')
print(m) # <re.Match object; span=(0, 11), match='Hello World'>
print(m2) # <re.Match object; span=(0, 11), match='Hello World'>

print(m.group(),m.span(),m.group(1),m.span(1),m.group(2),m.span(2))
# Hello World # (0, 11) # Hello # (0, 5) # World # (6, 11)
print(m.groups()) # ('Hello', 'World')
#print(m.group(3)) # 报错，不存在第三个分组

5.findall

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，

如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

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。
"""

实例

import re
pattern = re.compile(r'\d+') # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)

print(result1) # ['123', '456']
print(result2) # ['88', '12']

多个匹配模式，返回元组列表：

import re
result = re.findall(r'(\w+)=(\d+)','set width=20 and height=10')
print(result) # [('width', '20'), ('height', '10')]

6.re.finditer

和 findall 类似，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。参见：正则表达式修饰符 - 可选标志
"""

import re

it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
    print(match.group())
# 12
# 32
# 43
# 3

7.re.split

split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

"""
re.split(pattern, string[, maxsplit=0, flags=0])
参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
maxsplit	分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
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。参见：正则表达式修饰符 - 可选标志
"""

#实例

import re
s = re.split('\W+','runoob,runoob,runoob.')
print(s) # ['runoob', 'runoob', 'runoob', '']

s = re.split('(\W+)', ' runoob, runoob, runoob.')
print(s) # ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']

s = re.split('\W+', ' runoob, runoob, runoob.', 1)
print(s) # ['', 'runoob, runoob, runoob.']

s = re.split('a*','hello world') # 对于一个找不到匹配的字符串而言，split 不会对其作出分割,放屁，分割了
print(s) # ['', 'h', 'e', 'l', 'l', 'o', ' ', 'w', 'o', 'r', 'l', 'd', '']

re.fullmatch

fullmatch(pattern, string, flags=0) ，是match函数的完全匹配（从字符串开头到结尾）版本

力扣1517.查找拥有有效邮箱的用户

题目链接

select user_id,name,mail
from users
where mail REGEXP'^[a-zA-Z][\\w\.\-]*@leetcode[.]com$'

# \w 等价于 [a-zA-Z0-9\_]
# [] 里转义需要双斜杠'\\'

\w 等价于 [a-zA-Z0-9_]
[] 里转义需要双斜杠’\’