Python3 正则表达式

re模块

1、re.match函数

re.match尝试从一个字符串的起始位置匹配，如果无法从起始位置匹配的话，则返回None。

语法：re.match(pattern, string, flags=0)

参数：

pattern --正则表达式

string --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，是一个可选标志。常用的值如下：

多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

返回值：匹配成功则返回匹配对象，否则返回None。

可以是否group(num)或groups()来获取匹配的对象：

匹配对象方法	描述
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。

实例：

import re

strlist = re.match('www', 'www.com.cn', flags=0)

print(strlist)
print(type(strlist))
print(strlist.span())
print(strlist.group(0))
print(strlist.groups())

输出：

<re.Match object; span=(0, 3), match='www'>
<class 're.Match'>
(0, 3)
www
() 

2、re.search函数

扫描字符串，并返回第一个成功匹配的字符串。

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

参数：

pattern --正则表达式

string --匹配的字符串

flags --标志位，与re.match一样

返回值：匹配成功则返回匹配对象，否则返回None。

实例：

import re

#匹配邮箱地址
line="abc test@baidu.com.cn mm"
pattern = r'\b[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,6}\b'
matchobj = re.search(pattern, line, flags=0)
print(type(matchobj))
print(matchobj.group(0))

输出：

<class 're.Match'>
test@baidu.com.cn

3、re.match和re.search的区别：

re.match从字符串的开始进行匹配，如果开始无法匹配则返回None；

re.search则匹配整个字符串，直到找到匹配的字符串。

4、检索和替换

re.sub用于替换字符串中的匹配项

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

参数：

pattern --正则表达式

repl --替换字符串，也可以作为一个函数

string --匹配的字符串

count --模式匹配后替换的最大次数，0则代表匹配的全部替换。可选

flags --标志位，可选

实例：

import re

#替换
phone = "这是个电话号码：1234-556-778 #归属地为xx"
#匹配电话号码
patt1 = r'[0-9]{4}-[0-9]{3}-[0-9]{3}'
phone_no = re.search(patt1, phone, flags=0)
print("电话号码为：",phone_no.group(0))
#替换-
patt2 = r'\D'
phone_num = re.sub(patt2, "", phone_no.group(0), count=0, flags=0)
print(type(phone_num))

输出：

电话号码为： 1234-556-778
<class 'str'>
电话号码： 1234556778

如果repl为函数，实例：

import re

#替换为函数
# 将匹配的数字乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)


s = 'A23G4HFD567'
#?P<value>的意思就是命名一个名字为value的组，匹配规则符合后面的/d+
print(re.sub('(?P<value>\d+)', double, s))

 输出：

A46G8HFD1134

5、re.compile

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法：re.compile(pattern[,flags])

参数：

pattern --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。具体如下：

• • 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

 实例：

>>>import re
>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
>>> m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
>>> print( m )
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配
>>> print( m )
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
>>> print( m )                                        # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0)   # 可省略 0
'12'
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0
5
>>> m.span(0)    # 可省略 0
(3, 5)

在上面，当匹配成功时返回一个 Match 对象，其中：

• group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
• start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
• end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
• span([group]) 方法返回 (start(group), end(group)

另一个例子，示例了不存在时报错：

>>>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')
>>> print( m )                            # 匹配成功，返回一个 Match 对象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0)                            # 返回匹配成功的整个子串
'Hello World'
>>> m.span(0)                             # 返回匹配成功的整个子串的索引
(0, 11)
>>> m.group(1)                            # 返回第一个分组匹配成功的子串
'Hello'
>>> m.span(1)                             # 返回第一个分组匹配成功的子串的索引
(0, 5)
>>> m.group(2)                            # 返回第二个分组匹配成功的子串
'World'
>>> m.span(2)                             # 返回第二个分组匹配成功的子串索引
(6, 11)
>>> m.groups()                            # 等价于 (m.group(1), m.group(2), ...)
('Hello', 'World')
>>> m.group(3)                            # 不存在第三个分组
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: no such group

 6、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。

语法：re.findall(pattern, string, flags=0) 或 pattern,findall(string[, pos[, endpos]])

参数：

pattern --正则表达式

string --匹配的字符串

flags --标志位

pos -- 可选参数，指定字符串的起始位置，默认为 0。

endpos --可选参数，用于指定字符串的结束位置，默认为字符串长度。

实例：

import re
 
result1 = re.findall(r'\d+','runoob 123 google 456')
 
pattern = re.compile(r'\d+')   # 查找数字
result2 = pattern.findall('runoob 123 google 456')
result3 = pattern.findall('run88oob123google456', 0, 10)
 
print(result1)
print(result2)
print(result3)

输出：

['123', '456']
['123', '456']
['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)

输出：

[('width', '20'), ('height', '10')]

 7、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。

格式：re.finditer(pattern, string, flags=0)

参数：

pattern --正则表达式

string --待匹配的字符串

flags --匹配模式，可选

实例：

import re

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

输出：

12
32
43
3

8、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。

语法：re.split(pattern, string[, maxsplit=0, flags=0]) 

参数：

pattern --正则表达式

string --待匹配的字符串

maxsplit --分割次数，maxsplit=1 分割一次，默认为 0，不限制次数

flags --匹配模式，可选

实例：

import re

#split
print(re.split('\W+', 'runoob, runoob, runoob.'))
print( re.split('(\W+)', ' runoob, runoob, runoob.'))
print(re.split('\W+', ' runoob, runoob, runoob.', 1))
print(re.split('a*', 'hello world'))

输出：

['runoob', 'runoob', 'runoob', '']
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
['', 'runoob, runoob, runoob.']
['', 'h', 'e', 'l', 'l', 'o', ' ', 'w', 'o', 'r', 'l', 'd', '']