正则表达式

 正则表达式简介

概念

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这 些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一 种过滤逻辑（可以用来做检索，截取或者替换操作）。 

作用

1.给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）。

2.可以通过正则表达式，从字符串中获取我们想要的特定部分。

3.还可以对目标字符串进行替换操作。

re模块常用的函数

match(pattern,string,flags=0	根据 pattern 从 string 的头部开始匹配字符串，只返回第 1 次匹配成功的对 象；否则，返回 Non
findall(pattern,string,flags=0)	根据 pattern 在 string 中匹配字符串。如果匹配成功，返回包含匹配结果的 列表；否则，返回空列表。当 pattern 中有分组时，返回包含多个元组的 列表，每个元组对应 1 个分组。flags 表示规则选项，规则选项用于辅助匹 配。
sub(pattern,repl,string,count=0)	根据指定的正则表达式，替换源字符串中的子串。pattern 是一个正则表达 式，repl 是用于替换的字符串，string 是源字符串。如果 count 等于 0，则 返回 string 中匹配的所有结果；如果 count 大于 0，则返回前 count 个匹配
subn(pattern,repl,string,count=0)	作用和 sub()相同，返回一个二元的元组。第 1 个元素是替换结果，第 2 个元素是替换的次数
search(pattern,string,flags=0)	根据 pattern 在 string 中匹配字符串，只返回第 1 次匹配成功的对象。如果 匹配失败，返回 None
compile(pattern,flags=0)	编译正则表达式 pattern，返回 1 个 pattern 的对象
split(pattern,string,maxsplit=0)	根据 pattern 分隔 string，maxsplit 表示最大的分隔
escape(pattern)	匹配字符串中的特殊字符，如*、+、?等

math方法

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。语法格式如下：

import re
s='hello python' pattern='hello' v=re.match(pattern,s)
print(v)
print(v.group())
print(v.span())

match 方法中 flag 可选标志的使用

import re
s = 'hello Python!' m=re.match('hello python',s,re.I) #忽略大小写
if m is not None:
    print('匹配成功结果是：',m.group())
else:
    print('匹配失败')

常用匹配符

正则表达式中常用的字符

符号	描述
.	匹配任意一个字符（除了\n）
[]	匹配列表中的字符
\w	匹配字母、数字、下划线，即 a-z,A-Z,0-9,
\W	匹配不是字母、数字、下划线
\s	匹配空白字符,即空格（\n,\t）
\S	匹配不是空白的字符
\d	匹配数字,即 0-9
\D	匹配非数字的字符

匹配手机号码

import re
print('---------手机号码-----------')
# pattern='\d\d\d\d\d\d\d\d\d\d\d'#匹配手机号
pattern='1[35789]\d\d\d\d\d\d\d\d\d'#匹配手机号
s='13456788789' v=re.match(pattern,s)
print(v)

利用{}可以控制符号重复的次数

print('------*的使用--------')
pattern='\d*' #0 次或多次
s='123abc' s='abc' #这时候不是 None 而是'',因为 abc 前面默认有空
v=re.match(pattern,s)
print(v)
print('-----+的使用---------')
pattern='\d+' #1 次或多次
s='123abc' s='abc' #这时候是 None
v=re.match(pattern,s)
print(v)
print('-----?的使用---------')
pattern='\d?' #0 次或 1 次
# s='123abc' s='abc' #这时候是空
v=re.match(pattern,s)
print(v)
print('-----{m}的使用---------')
pattern='\d{3}' #出现 m 次
pattern='\d{2}' #出现 m 次
pattern='\d{4}' #出现 m 次
s='123abc' v=re.match(pattern,s)
print(v)
print('-----{m,}的使用---------')
# pattern='\d{3,}' #出现大于 m 次 尽可能满足的都返回
pattern='\d{2,4}' #出现 m 到 n 次
s='1234567abc' v=re.match(pattern,s)
print(v)

 原生字符串 在大多数编程语言相同，正则表达式里使用“\”作为转义字符，这就可以能造成反斜 杠困扰。示例如下： 【示例】“\”作为转义字符

s='c:\\a\\b\\c' 
print(s)

假如你需要匹配文本中的字符“\”，那么使用编程语言表示的正则表达式里将需要 4 个反斜杠“\\\\”：前面两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反 斜杠后再在正则表达式里转义成一个反斜杠。】使用 Python 的 r 前缀，原生自符串。例如匹配一个数字的“\\d”可以写成 r“\d”。

import re
s='c:\\a\\b\\c' m=re.match('c:\\a\\b',s)
if m is not None:
    print('匹配的结果 1：',m.group())
    m=re.match('c:\\\\a\\\\b',s)
if m is not None:
    print('匹配的结果 2：',m.group())
    #使用 Python 中的 r 前缀
    m=re.match(r'c:\\a\\b',s)
if m is not None:
    print('使用 Python 中的 r 前缀后匹配的结果：',m.group()

search 方法

match 与 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
#进行文本模式匹配，匹配失败，match 方法返回 None
m=re.match('love','I love you')
if m is not None:
    print(m.group())
print('match 运行结果：',m)
#进行文本模式搜索，
m=re.search('love','I love you')
if m is not None:
    print(m.group())
    print('search 的运行结果：',m)

re 模块中其他常用的函数 sub 和 subn 

import re
phone = "2004-959-559 # 这是一个国外电话号码" # 删除字符串中的 Python 注释
num = re.sub(r'#.*$', "", phone)
print("电话号码是: ", num)
# 删除非数字(-)的字符串
num = re.sub(r'\D', "", phone)
print("电话号码是 : ", num)
#subn 函数的使用
result=re.subn(r'\D', "", phone)
print(result)
print('替换的结果：',result[0])
print('替换的次数：',result[1])

【示例】compile 函数的使

import re
s='first123 line' regex=re.compile(r'\w+') #匹配至少一个字母或数字
m=regex.match(s)
print(m.group())
# s 的开头是 "f", 但正则中限制了开始为 i 所以匹配失败
regex = re.compile("^i\w+")
print(regex.match(s))

findall 函数

pattern=r'\w+' s='first 1 second 2 third 3' o=re.findall(pattern,s)
print(o)

finditer 函数

pattern=r'\w+' s='first 1 second 2 third 3' o=re.finditer(pattern,s)
print(o)
for i in o:

贪婪模式和非贪婪

贪婪模式指 Python 里数量词默认是贪婪的，总是尝试匹配尽可能多的字符。非贪婪模 式与贪婪相反，总是尝试匹配尽可能少的字符，可以使用"*","?","+","{m,n}"后面加上？，使 贪婪变成非贪婪

v = re.match(r'(.+)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print('----------贪婪模式---------')
print(v.group(1))
print(v.group(2))
print('----------非贪婪模式---------')
v = re.match(r'(.+?)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print(v.group(1))
print(v.group(2))