re 正则表达式 介绍及其使用

本文参考菜鸟教程点我跳转
每个部分都有实例，便于查看

**正则表达式 **

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

1. 量词介绍

^     表示开头
&    表示结尾
.      匹配任意1个字符（除了\n）
\b    匹配单词的开头或结尾
[ ]    匹配[ ]中列举的字符
\s    匹配空格 tab键 [\t\n\r\f]​
\S   匹配非空​白​
\d   表示[0-9]任意数字，等同于[0-9]
\D   匹配非数字，即不是数字
\d*  表示0个或多个数字
.     表示小数点
.?   表示这个点（小数点）最多只能出现一次，即要么不出现，要么只出现一次。?表示出现0次或1次。
\d+   表示多次（1次和1次以上）数字。
\s?   表示最多只能出现一次空白（通常指空格）字符，即要么不出现，要么出现一次。
\w    表示任意字母和下划线。
\w+  表示多次出现字母或下划线。
\W   匹配特殊字符，即非字母、非数字、非汉字、非_ 如￥ %#@等
{ }    匹配次数
\A     匹配字符串开始
\Z     匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z     匹配字符串结束
\G    匹配最后匹配完成的位置。
\b     匹配一个单词边界，也就是指单词和空格间的位置。
\B     匹配非单词边界。
\n, \t,    等。 匹配一个换行符。匹配一个制表符, 等
[…]     用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
[^…]   不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
a| b   匹配a或b
(re) 匹配括号内的表达式，也表示一个组
(?: re)           类似 (…), 但是不表示一个组
(?imx: re)     在括号中使用i, m, 或 x 可选标志
(?-imx: re)    在括号中不使用i, m, 或 x 可选标志
group
group(gid)
#当正则表达式使用了组符号(圆括号)，所以就可以用 group(int gid) 的方法来取。gid＝1时取的第一个分组，即正则表达式第一个括号对应的匹配字符串
#gid＝0时 即正则表达式匹配到的字符全部内容 group(0) 与group()含义相同

2. 用法

3. 贪婪（.*）与非贪婪（*）

贪婪 ：在匹配成功的前提下，总是尝试匹配尽可能多的字符。

import re

content = 'Hello 123 4567 World_This is a Rege Demo'
result = re.search('\d.*', content)
print(result)

out:>>> <_sre.SRE_Match object; span=(6, 40), match='123 4567 World_This is a Rege Demo'>

.* 表示尽可能的匹配更多的字符 所以从文本中字符1就开始匹配 直到最后
输出结果为：123 4567 World_This is a Rege Demo
非贪婪：在匹配成功的前提下，总是尝试匹配尽可能少的字符

content = 'Hello 123 4567 World_This is a Rege Demo'
result = re.match('^He.*(\d*).*Demo$',content)
print(result.group(1))
out:>>> 

* 表示匹配更少的字符 而且*表示匹配0次或多次
输出结果为：‘空

4. re 函数

re.findall( )函数 返回值为list 元组类型
用法

def first_word(text):
    import re
    t = re.findall(r"\b[A-Za-z]+\b",text)
    return t

if __name__ == '__main__':
    text1 = 'Xiao Ming00 favo_rite book is Harry_'
    print(first_word(text1))

out>>> ['Xiao', 'book', 'is']

re.finditer
和 findall ( )功能类似，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。
由于返回值为迭代器 所以需要通过**’.group()'函数输出**
用法

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

out:>>>
12 
32 
43 
3

compile 函数
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。

语法格式为： 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
  用法

>>>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')

re.match与re.search
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（就是指判断字符串开头部分是不是符合正则表达式），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
 
line = "Cats are smarter than dogs"
 
matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
    print ("match --> matchObj.group() : ", matchObj.group())
else:
    print ("No match!!")
    
matchObj = re.search( r'dogs', line, re.M|re.I)
if matchObj:
    print ("search --> matchObj.group() : ", matchObj.group())
else:
    print ("No match!!")


>>>
No match!!
search --> matchObj.group() :  dogs

检索和替换
Python 的re模块提供了re.sub用于替换字符串中的匹配项。
格式：re.sub(pattern, repl, string, count=0, flags=0)
参数

• 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。
• flags : 编译时用的匹配模式，数字形式。

用法举例

import re
 
phone = "2004-959-559 # 这是一个电话号码"
 
# 删除注释
num = re.sub(r'#.*$', "", phone)
print ("电话号码 : ", num)
 
# 移除非数字的内容
num = re.sub(r'\D', "", phone)
print ("电话号码 : ", num)

>>>
电话号码 :  2004-959-559 
电话号码 :  2004959559