【Python3学习笔记】之【Python高级——正则表达式方法】

正则表达式

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。返回match对象

语法：

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

参数说明：

参数	说明
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。

匹配成功re.match方法返回一个匹配的对象，否则返回None。

import re

print(re.match('www', 'www.baidu.com'))
print(re.match('com', 'www.baidu.com'))

<re.Match object; span=(0, 3), match='www'>
None

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

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。

import re

string = 'www.baidu.com'
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
match_str = re.match(r'(.*)baidu(.*)', string)
print(match_str.group(0))
print(match_str.group(1))
print(match_str.group(2))

match_str.group(0) www.baidu.com
match_str.group(1) www.
match_str.group(2) .com

re.search

re.search 扫描整个字符串并返回第一个成功的匹配。返回match对象。

用法和re.match一样。

import re

string = 'This is a test'
# 通过(?P<name>)给组命名
match_str = re.search(r'(.*) is (?P<a>.*) .*', string)
print('match_str.group(0)', match_str.group(0))
print('match_str.group(1)', match_str.group(1))
print('match_str.group(2)', match_str.group('a'))

match_str.group(0) This is a test
match_str.group(1) This
match_str.group(2) a

re.match和re.search的区别

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

string = '网址是：www.google.com www.baidu.com'
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
match_str1 = re.match(r'www\..*\.com', string)
print('match_str1：', match_str1)
match_str2 = re.search(r'www\..*\.com', string)
print('match_str2：', match_str2)

match_str1： None
match_str2： <re.Match object; span=(4, 32), match='www.google.com www.baidu.com'>

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。

语法：

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

参数：

参数	说明
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。

前三个为必选参数，后两个为可选参数。

import re

string = '百度的网址是：https://www.baidu.com'
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
# 将“：”以前的内容替换为空内容，即删除
sub_str1 = re.sub(r'.*：', '', string)
print(sub_str1)
# 将https替换为http
sub_str2 = re.sub(r'https', 'http', sub_str1)
print(sub_str2)

https://www.baidu.com
http://www.baidu.com

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，即正则表达式规则。

语法格式为：

re.compile(pattern[, flags])

参数：

• 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

rule = re.compile(r'w\..*\.c')
string = '百度的网址是：https://www.baidu.com'
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符

search_str = rule.search(string)
search_str2 = rule.search(string, 2, 20)
print(search_str)
print('group：', search_str.group())
print(search_str.start())
print(search_str.end())
print(search_str.span())
print(search_str2)

<re.Match object; span=(17, 26), match='w.baidu.c'>
group： w.baidu.c
17
26
(17, 26)
None

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))。

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，如果没有找到匹配的，则返回空列表。返回的是一个列表。

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

语法：

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

参数：

• pattern 匹配模式。
• 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。

import re

string = '百度的网址是：www.baidu.com' \
         '谷歌的网址是：www.google.com'

rule = re.compile(r'www\.[a-z]+\.com')
findall_str = rule.findall(string)
print(findall_str)

['www.baidu.com', 'www.google.com']

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。返回的是一个match对象。

import re

string = '百度的网址是：www.baidu.com' \
         '谷歌的网址是：www.google.com'

rule = re.compile(r'www\.[a-z]+\.com')
finditer_str = rule.finditer(string)
for i in finditer_str:
    print(i.group())

www.baidu.com
www.google.com

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])

其中maxsplit表示分割次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

import re

string = '百度的网址是：www.baidu.com' \
         '谷歌的网址是：www.google.com'

rule = re.compile(r'\w\w的网址是：')
find_str = rule.split(string)
print(find_str)

['', 'www.baidu.com', 'www.google.com']