正则表达式续

1. re模块中常用到的函数

1.1  search：执行正则表达式搜索并且在搜索结束后返回所匹配到的串，只返回第一次匹配到的结果

.group()是_sre.SRE_Match的属性，也就是说只有_sre.SRE_Match才能调用group( )

a = re.search("\d+", "呵呵哈哈8786你干什么")
print(a)
print(a.group())

运行结果：

<_sre.SRE_Match object; span=(4, 8), match='8786'>
8786

1.2  findall：匹配所有的对象，返回一个列表。

a = re.findall("\d", "123654789")
print(a)

运行结果

['1', '2', '3', '6', '5', '4', '7', '8', '9']

1.3  sub：实现替换

a = re.sub("共产党", "****", "中国共产党万岁")
print(a)

运行结果

中国****万岁

1.4  split：分割字符串，返回解过列表

a = re.split("\.", "www.qq.com")
print(a)

运行结果

['www', 'qq', 'com']

1.5  finditer：匹配所有对象返回一个迭代器

a = re.finditer("\d{3}", "asd654a645f6s543f")
for i in a:
    print(i)

运行结果

<_sre.SRE_Match object; span=(3, 6), match='654'>
<_sre.SRE_Match object; span=(7, 10), match='645'>
<_sre.SRE_Match object; span=(13, 16), match='543'>

1.6  compile：compile用来编译正则表达式模式字符串，并生成Regular Expression Objects

t = "Lixiaolong"
p = re.compile("li.*", re.I)
print(p.match(t))

运行结果

<_sre.SRE_Match object; span=(0, 10), match='Lixiaolong'>

2. 分组

如果想把区号从匹配的电话号码中分离，可以添加括号在正则表达式中创建分组，再使用group()方法，从一个分组中获取匹配的文本。正则表达式字符串中，第一个括号是第一组，第二个括号是第二组。向group()方法传入参数1或2，可以获得匹配文本中的不同部分，传入0或者不传参数，将返回整个匹配的文本。

2.1 比如说获得一个电话号码的区号

r = re.search("(\d{4})-(\d{8})", "我的电话号码是0371-56678888")
print(r)
print(type(r))
print(r.group())
print(type(r.group()))

运行结果是

<_sre.SRE_Match object; span=(7, 20), match='0371-56678888'>
<class '_sre.SRE_Match'>
0371-56678888
<class 'str'>

使用groups()方法可以返回包含所有分组的元组

r = re.search("(\d{4})-(\d{8})", "我的电话号码是0371-56678888")
print(r.groups())
print(type(r.groups()))
print(r.group(1))
print(r.group(2))

运行结果

('0371', '56678888')
<class 'tuple'>
0371
56678888

3. 捕获性括号( )和非捕获性括号(?: )

注意下面这些例子都是出现在有或( | )的时候。

首先看下面这个例子，我们想匹配"452168"和"452183"，先用match函数

t1 = "452183"
t2 = "452168"
r1 = re.match("\d+(183|168)", t1)
r2 = re.match("\d+(183|168)", t2)
print(r1)
print(r2)

运行结果

<_sre.SRE_Match object; span=(0, 6), match='452183'>
<_sre.SRE_Match object; span=(0, 6), match='452168'>

再用findall函数

t1 = "452183"
t2 = "452168"
r1 = re.findall("\d+(183|168)", t1)
r2 = re.findall("\d+(183|168)", t2)
print(r1)
print(r2)

发现运行结果如下

['183']
['168']

明显没有达到预期结果

修改一下

t1 = "452183"
t2 = "452168"
r1 = re.findall("\d+(?:183|168)", t1)
r2 = re.findall("\d+(?:183|168)", t2)
print(r1)
print(r2)

发现结果如下

['452183']
['452168']

这是为什么呢？

下面来看一个例子

print(re.findall("\d+(183)\d+", "123183123"))

print(re.findall("\d+(183)\d+(168)\d+", "123183123168123"))

运行结果如下

['183']
[('183', '168')]

大家再下面这个程序

print(re.findall("\d+(?:183)\d+(?:168)\d+", "123183123168123"))

运行结果如下

['123183123168123']

因为在正则表达式里，( )的内容会被捕获，其他的内容不会被捕获，而(?: )带有这样的括号内容都会被捕获。

4. 正则的贪婪和懒惰

在python中正则表达式默认是贪婪模式，贪婪模式的正则表达式总会尽可能多的匹配更多的字符

这是贪婪模式的正则表达式

print(re.match("this.*", "this a desk"))

运行结果

<_sre.SRE_Match object; span=(0, 11), match='this a desk'>

下面我们用?关闭贪婪模式，开启懒惰模式

print(re.match("this.*?", "this a desk"))

程序运行结果如下

<_sre.SRE_Match object; span=(0, 4), match='this'>