python常用模块-re模块

正则表达式

正则表达式（Regular Expression，简写为RE，regex）是一种小型的、高度专业化的编程语言，在python中由内嵌的re模块实现。正则表达式模式被编译成一系列的字节码，然后由C编写的匹配引擎执行。

元字符

字符匹配

• .字符：匹配任意单个字符
• []：匹配指定范围内的任意单个字符
• [^]：匹配指定范围外的任意单个字符

匹配次数

• *字符：匹配前面的字符任意次数
• ?：匹配其前面的字符0或1次
• +：匹配前面的字符至少1次
• {m,n}:匹配前面的字符至少m次，至多n次

位置锚定

• ^：行首锚定，用于模式的最左侧
• $：行尾锚定，用于模式的最右侧

分组

• ()：表示将多个字符捆绑在一起作为一个整体来进行处理

特殊分组用法

• \<number>：引用编号为的分组匹配到字符串，默认会采取此分组方法

import re
x = re.search("([a-z]+)(\d+)","aaa333b444").group(1)
y = re.search("([a-z]+)(\d+)","aaa333b444").group(2)
z = re.findall("([a-z]+)(\d+)","aaa333b444")
print(x)
print(y)
#
aaa
333
[('aaa', '333'), ('b', '444')] #分组后返回的值会被包含在列表中

• (?P<name>)：分组，除了原有的编号外再指定一个额外的别名，使用(?P=name)，可以引用分组内容。

import re
x = re.search("(?P<alp>[a-z]+)(\d+)","aaa333b444").group("alp")
# 将第一个分组的名字定为“alp”
print(x)
#
aaa

选择、转义

• |：表示匹配管道符左右两侧任意一侧
• \: 表示将后面的字符转化为普通字符或者特殊意义字符

关于转义字符在python中的注意的点：比如’\b’这个字符串在python中本来的意思为退格，而需要使用re元字符的意义,匹配模式需要加一层转义，‘\\b’；而如果’\b’作为一个普通字符串进行匹配的时候需要这么搜索，re.findall(’\\\\b’,‘xxx\bx’)。

Perl式元字符

• \d：表示匹配任一数字，相当于[0-9]
• \D：表示匹配任一非数字，相当于[^0-9]
• \s：表示匹配任一空白字符，相当于[\t\n\r\f\v]
• \S：表示匹配任一非空白字符，相当于[^\t\n\r\f\v]
• \w：表示匹配任何字母数字字符
• \W：表示匹配任何非字母数字字符
• \b：匹配一个特殊字符边界，比如空格，&，#等

re模块常用方法

匹配模式标志位

• 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 . 匹配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

方法

• re.findall('pattern','string')
  此方法会找出所有匹配的字符串，并返回一个列表（若有分组，一匹配项中的组会以元祖的形式包裹）

import re
x = re.findall("[a-z]+\d+","aaa333b444")
y = re.findall("([a-z]+)(\d+)","aaa333b444")
print(x)
print(y)
#
['aaa333', 'b444']
[('aaa', '333'), ('b', '444')] #分组后返回的值会被包含在元祖中

import re
x = re.findall("www\.(baidu|163)\.com","kasjwww.baidu.comasdsd")
y = re.findall("www\.(?:baidu|163)\.com","kasjwww.baidu.comasdsd")
print(x)
print(y)
#结果
['baidu'] #findall会优先返回分组中的内容
['www.baidu.com'] # ?:会取消分组的优先级

• re.finditer('pattern','string')
  和 findall 类似，在字符串中找到正则表达式所匹配的所有子串对象，并把它们作为一个迭代器返回

import re
x = re.finditer("[a-z]+\d+","aaa333b444")
print(next(x).group())
#结果
# aaa333

• re.search('pattern','string',flags=0)
  search,浏览全部字符串，匹配第一符合规则的字符串，匹配成功会返回一个匹配对象，匹配到的值储存在group，groups，groupdict，三个对象的方法中，后两者会匹配有分组的匹配中，未匹配成功返回None，flags表示匹配模式标志位，具体参考上文。

import re
x = re. search("[a-z]+\d+","aaa333b444")
x1 = x.group()
print(x)
print(x1)
#结果
<_sre.SRE_Match object; span=(0, 6), match='aaa333'>
aaa333
#只会匹配到第1个满足pattern的字符串

import re
y = re.search("(?P<name>[a-z]+)(\d+)","aaa333b444")
a1 = y.groups()
a2 = y.groupdict() #会返回字典 格式{"分组名":"str"}
print(a1)
print(a2)
#结果
('aaa', '333')
{'name': 'aaa'}

• re.match('pattern','string',flags=0)
  功能和search基本相同，不同的是match是从字符开头开始匹配，如果不是起始位置匹配成功的话，match()就返回none。

import re
x = re.match("([a-z]+)(\d+)","aaa333b444")
y = re.match("([a-z]+)(\d+)","1aaa333b444")
print(x)
print(y)
#结果
<_sre.SRE_Match object; span=(0, 6), match='aaa333'>
None

• re.split(pattern, string[, maxsplit=0, flags=0])
  根据正则匹配的字符串进行分割，返回分割后的列表

import re
origin = "hello alex bcd alex lge alex acd 19"
r = re.split("a", origin) #根据字符a分割字符串
print(r)
#输出结果 ['hello ', 'lex bcd ', 'lex lge ', 'lex ', 'cd 19']

import re
origin = "hello alex bcd alex lge alex acd 19"
r = re.split("a", origin) #根据字符a分割字符串
print(r)
#输出结果 ['hello ', 'lex bcd ', 'lex lge ', 'lex ', 'cd 19']

import re
origin = "hello alex bcd alex lge alex 2acd 19"
r = re.split("a\w+", origin) #根据“a开头的字符串”正则匹配分割字符串
print(r)
#输出结果 ['hello ', ' bcd ', ' lge ', ' 2', ' 19']
#将匹配到的字符串作为分割标准进行分割

• re.sub(pattern, repl, string, count=0, flags=0)
  用于替换字符串中的匹配项,count表示替换次数，等于0表示全部替换，repl可以是一个函数

import re
origin = "hello alex bcd alex lge alex acd 19"
r = re.sub("a","替换",origin) #替换匹配成功的指定位置字符串
print(r)
#输出结果
# hello 替换lex bcd 替换lex lge 替换lex 替换cd 19

• re.subn(pattern, repl, string, count=0, flags=0)
  替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受

• re.compile(pattern[, flags])
  compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供用于匹配字符串,将pattern变为一个对象，对批量进行匹配很有好处。

import re
origin = "hello alex bcd alex lge alex acd 19"
pattern = re.compile("a(\w+)")
r = pattern.search(origin)
print(r.group())
# 结果
# alex