python正则表达式match方法_Python match()函数：匹配正则表达式

在 Python 程序中，函数 match() 的功能是在字符串中匹配正则表达式，如果匹配成功，则返回 MatchObject 对象实例。

使用函数 match() 的语法格式如下所示：

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

各参数的具体说明如下：

参数pattern：匹配的正则表达式。

参数string：要匹配的字符串。

参数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、匹配多行等。参数 flags 的选项如表 3 所示。

表 3：参数 flags 的选项

参数

意义

re.I

忽略大小写

re.L

根据本地设置而更改\w、\W、\b、\B、\s 以及 \S 的匹配内容

re.M

多行匹配模式

re.S

如果使“.”元字符，也匹配换行符

re.U

匹配 Unicode 字符

re.X

忽略模式中的空格，并且可以使用塔“#”注释

注意：在 Python 中有多个内置模块，在每个内置模块中都会有很多内置函数。在平常描述时通常会直接使用函数名，而不会用模块前缀的方式。但是在程序中，必须使用函数的完整形式。例如，在上面的内容中，函数 match() 是内置模块 re. 的成员，所以在平常可以直接使用函数名的形式。但是在编写程序时，必须用完整的形式，即 re.match。

匹配成功后，函数 re.match() 会返回一个匹配的对象，否则返回 None。可以使用函数 group(num) 或函数 groups() 来获取匹配的表达式，如表 4 所示。

表 4：使用函数 group(num) 或函数 groups() 获取匹配的表达式

匹配对象方法

描述

group(num=0)

匹配整个表达式的字符串，可以一次向 group() 输入多个组号，这种情况下它将返回一个包含那些组所对应值的元组

groups()

返回一个包含所有组中字符串的元组

下面是如何运用 match()(以及 group())的一个示例。

>>> m = re.match('foo', 'foo') #模式匹配字符串

>>> if m is not None: #如果匹配成功，就输出匹配内容

... m.group()

... '

foo'

模式“foo”完全匹配字符串“foo”，也能够确认 m 是交互式解释器中匹配对象的实例。

>>> m #确认返回的匹配对象

下面是一个失败的匹配示例，它会返回 None。

>>> m = re.match('foo', 'bar')  #模式并不能匹配字符串

>>> if m is not None: m.group()  #单行版本的 if 语句

...

>>>

因为上面的匹配失败，所以 m 被赋值为 None，而且以此方法构建的 if 语句没有指明任何操作。对于剩余的示例，为了简洁起见，可省去 if 语句块。但是在实际操作中，最好不要省去，以避免 AttributeError 异常(None 是返回的错误值，该值并没有 group() 属性[方法])。

只要模式从字符串的起始部分开始匹配，即使字符串比模式长，匹配也能够成功。例如，模式“foo”将在字符串“food on the table”中找到一个匹配，因为它是从字符串的起始部分进行匹配的。

>>> m = re.match('foo', 'food on the table') # 匹配成功

>>>m.group()

'foo'

此时可以看到，尽管字符串比模式要长，但从字符串的起始部分开始匹配就会成功。

子串“foo”是从那个比较长的字符串中抽取出来的匹配部分，甚至可以充分利用 Python 原生的面向对象特性，忽略保存中间过程产生的结果。

>>>re.match('foo', 'food on the table').group()

'foo'

注意：在上述演示实例中，如果匹配失败，将会抛出 AttributeError 异常。

下面的实例文件 sou.py 演示了使用函数 match() 进行匹配的过程。

import re #导入模块

re

print(re.match('www', 'www.example.com').span()) #在起始位置匹配

print(re.match('net', 'www.example.com')) #不在起始位置匹配

执行后会输出：

(0, 3)

None

在正则表达式应用中，经常会看到关于电子邮件地址格式的正则表达式\w+@\w+.com，通常用于匹配这个正则表达式所允许的更多邮件地址。为了支持在域名前添加主机名称，如 www.example.com，仅允许 example.com 作为整个域名，必须修改现有的正则表达式。

为了表示主机名是可选的，需要创建一个模式来匹配主机名(后面跟着一个句点)，使用问号?操作符来表示该模式出现零次或一次，然后按照如下实例文件 duoge.py 所示的方式将可选的正则表达式插入之前的正则表达式\w+@(\w+\.)?\w+\.com中。

import re

patt = '\w+@(\w+\.)?\w+\.com'

print(re.match(patt, 'guan@example.com').group())

print(re.match(patt, 'guan@www.example.com').group())

patt = '\w+@(\w+\.)*\w+\.com'

print(re.match(patt, 'guan@www.xxx.yyy.zzz.com').group())

从上述实例代码可以看出，表达式\w+@(\w+\.)?\w+\.com允许在.com前面有一个或者两个名称。第 5 行代码允许任意数量的中间子域名存在，读者需要注意这里的细节变化，此处将前面的?形式修改为\w+@(\w+\.)*\w+.com。这样仅使用字母数字字符的方式，并不能匹配组成电子邮件地址的全部可能字符。上面的正则表达式不能匹配诸如.com的域名，或者使用非单词\W字符组成的域名。

下面的实例文件 tiqu.py 演示了使用函数 group() 提取字母和数字字符的过程。

import re

m = re.match('(\w\w\w)-(\d\d\d)', 'abc-123')

print(m.group()) #完整匹配

print(m.group(1)) #子组1

print(m.group(2)) #子组2

print(m.groups()) #全部子组

在上述代码中，使用正则表达式能够提取字母、数字字符串和数字，方法是使用函数 group() 访问每个独立的子组，以及使用函数 groups() 获取一个包含所有匹配子组的元组。

执行后会输出：

abc-123

abc

123

('abc', '123')