Python中正则表达式（re模块）的使用

1、正则表达式的概述

（1）概述：正则表达式是一些由字符和特殊符号组成的字符串，他们描述了模式的重复或者表示多个字符，正则表达式能按照某种模式匹配一系列有相似特征的字符串。正则表达式是一种小型的、高度的专业化的编程语言，

（2）Python语言中的正则表达式内嵌在Python中通过re模块实现，正则表达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

2、字符匹配

（1）符号匹配

符号

描述

示例

实例说明

literal

匹配文本字符串的字面值literal

root

匹配字符串root

re1|re2

匹配正则表达式re1或者re2

root|admin

匹配字符串root或者admin

.

匹配除换行外的任意字符

a.c

匹配ac中间有任意一个字符的选项

^

匹配字符串的起始部分

^root

匹配以root开头的结果

$

匹配字符串的结束部分

*sh$

匹配以sh结尾的内容

*

匹配0次或多次前面出现的内容的正则表达式

[a-z]*

匹配0次或多次出现小写字母

+

匹配1次或多次前面出现的内容的正则表达式

[A-Z]+

匹配大写字母至少出现一次

？

匹配0次或1次前面出现的正则表达式

goo?

匹配go或者goo

[…]

匹配来自字符集的任一单一字符

a[0-9]c

匹配ac中间出现一个数字

[..x-y..]

匹配x到y范围中的任一单一字符

[a-zA-Z]

匹配字母

[^…]

不匹配此字符集中出现的任何一个字符，包括某一范围字符

[^A-Za-z0-9]

匹配非字母、数字

{n}

匹配n次前面出现的正则表达式

[0-9]{3}

匹配三个数字

{n，m}

匹配n到m此前面出现的正则表表达式

[0-9]{5,7}

匹配数字出现5到7次

（…）

匹配封闭的正则表达式，然后另存为子组

（[0-9]{3}\.）

匹配三个数字+.存为一个组

（2）特殊字符的匹配

符号

描述

示例

\d

匹配任何十进制数字，与[0-9]一致

data\d+.txt

\D

匹配任何非数字

a\D?\.log

\w

匹配任何字母数字字符（\W与之相反）

[A-Za-z]\w+

\s

匹配任何空格字符，与[\n\t\r\v\f]相同，\S功能相反

of\sthe

\b

匹配任何单词边界（\B功能相反）

\bthe\b

\N

匹配以保存的子组N

price：\16

\A（\Z）

匹配字符串的起始（结束）

\ADear

3、python正则表达式的使用（即re模块的使用）

函数/方法

作用

compile（pattern,flags=0）

使用任何可选的标记来编译正则表达式的模式，然后返回一个正则表达式对象

re模块函数和正则表达式对象的方法

match(pattern,string,flags=0)

尝试使用带有可选的标记的正则表达式的模式来匹配字符串，如果匹配成功就返回匹配对象；失败，返回none

search(pattern,string,flags=0)

使用可选标记搜索字符串中第一次出现正则表达式的模式，如果匹配成功则返回匹配对象，失败，返回none

findall(pattern,string[,flags])

查找字符串中所有（非重复）出现的正则表达式模式，如果匹配成功，则返回匹配对象，如果失败，返回none

finditer(patter，string[,flags])

与findall函数相同，但返回的不是一个列表，而是一个迭代器，对于每一次匹配，迭代器都返回一个匹配对象

split(pattern,string,max=0)

根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的列表，分割最多操作max次（默认分割所有）

sub(pattern,repl,string,count=0)

使用repl替换所有正则表达式的模式在字符串中出现的位置，除非定义count,否则，就替换所有出现的位置

purge()

清楚隐式编译的正则表达式

group(num=0)

返回整个匹配对象，或者编号为num的特定子组

groups(default=None)

返回一个包括所有子组的元组，（如果没有匹配成功，则返回一个空元组）

groupdict(default=None)

返回一个包含所有匹配的的命名子组的字典，所有的子组名称作为字典的键（如果没有匹配，则返回空字典）

（1）compile()函数

   1）re.compile(strPattern[,flag])方法概述：

   这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式取值可以使用按位或运算符，‘|’表示同时生效，比如re.I|re.M

   2）作用：可以把经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。如：

import  re
 text = "Jgood  is a handsome boy,he is cool,clever, and so on..."
 regex =  re.compile(r'\w*oo\w*')    #将正则表达式编译成对象
 print(regex.findall(text))

（2）通过match（）方法匹配字符串

   1）作用：从起始位置(开头)开始匹配，匹配成功返回一个对象，未匹配成功返回None

   2）语法：match(pattern, string, flags=0)

       pattern： 正则模型

       string： 要匹配的字符串

       falgs  ： 匹配模式

   3）matchobect对象的方法

      group()：返回被RE匹配的的字符串

      start()：返回匹配开始的位置

      end()：返回匹配结束的位置

      span()：返回一个元组包含匹配（开始，结束）的位置

      group()：返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串

      group(n,m) ：返回组号为n,m所匹配的字符串，如果组号不存在，则返回组号匹配的字符串

      groups()：返回一个包括正则表达式中所有小组字符串的元组，从1到所含的小组号，通常      groups()不需要参数，返回一个元组，元组中元素是正 则表达式中定义的组

import re
origin = "has dfuojqwlm098"
# r = re.match("h\w+", origin)
# r = re.match("h(\w+)", origin)  #在匹配到的数据中再通过\w+去匹配
r = re.match("h(?P<name>\w+)", origin)   #给分组名名
print(r.group())  # 获取匹配到的所有结果
print(r.groups())  # 获取模型中匹配到的分组结果
print(r.groupdict())  # 获取模型中匹配到的分组结果

（3）使用search（）在一个字符串中查找匹配

   1）作用：search（）会用它的字符串参数，在任意位置对给定正则表达式模式搜索第一次出现的匹配情况。如果搜索到成功的匹配，就会返回一个匹配对象；否则，返回None.

   2)用法：同match()

importre
m =re.match('foo','seafood')
if m isnot None:
    print(m.group())    #使用match匹配不到，所以没有打印
 
m =re.search('foo','seafood')
if m isnot None: 
    print(m.group())     #使用search匹配到了foo

origin = "has dayi haha hal dfuojdayi098"

r = re.search("d(\w+).*(?P<name>\d)$", origin)
print(r.group())  # 获取匹配到的所有结果
print(r.groups())  # 获取模型中匹配到的分组结果
print(r.groupdict())  # 获取模型中匹配到的分组中所有执行了key的组

（4）重复、特殊字符及分组匹配

   正则表达式中最常见的情况包括特殊字符的使用，正则表达式模式的重复出现，以及使用圆括号对匹配模式的各部分进行分组和提取操作。

import re
#一个分组多次匹配
# patt = '\w+@(\w+\.)?\w+\.com'     #创建一个匹配规则，要求括号中的内容出现0次或一次
# print(re.match(patt, 'dayi123@126.edu.com is mail').group())

patt = '\w+@(\w+\.)*\w+\.com'     #创建一个匹配规则，匹配括号中的内容出现0次或多次
print(re.match(patt,'dayi123@126.edu.dayi.com is mail').group())

#多个分组分别匹配
m = re.match('(\w\w\w)-(\d\d\d)', 'abc-123')
print(m.group(1))   #打印分组以中的内容
print(m.group(2))  #打印分组2中的内容
print(m.group())  #打印分组中的所有内容

#分组嵌套匹配
n = re.match('(a(b))', 'abcdefgh')
print(n.group(1))   #打印匹配到的分组1,即'(a(b))'
print(n.group(2))   #打印匹配到的分组2即'（b）'
print(n.groups())  #打印匹配到的所有分组，即'(ab)','(b)'

（5）匹配字符串的起始结尾及单词边界

import re

#开头匹配
print(re.search('^dayi123', 'dayi123 is nb').group())
# print(re.search('^dayi', 'her is dayi').group())

#边界匹配
print(re.search(r'\bhello', 'hello world').group())#print(re.search(r'\Bhello','worldhellower').group()) #有边界匹配时会报错
print(re.search(r'\Bhello', 'worldhellower').group())

（6）使用findall和finditer()查找每一次出现的位置

   findall()查询字符串中某个正则表达式模式全部的非重复出现的情况，findall返回的是一个列表，如果没有匹配到则返回一个空列表，如果匹配成功，列表包含所有成功的匹配部分（从左向有按顺序排列）

import re
origin = "has haha hal dfuojqwlm098"

print(re.findall("h\w+", origin))   #找到字符串中所有的匹配到的内容
print(re.findall("h(\w+)", origin))   #打印匹配到的列表
r = re.findall("h(\w+)a(bc)c", origin) #因为匹配不到所有打印一个空列表
print(r)

finditer()函数与findall函数类似，但finditer（）返回的是一个可迭代的对象。

import re
s = 'This and that'
print(re.findall(r'(Th\w+) and (th\w+)', s, re.I))
print(re.finditer(r'(Th\w+) and (th\w+)', s, re.I).__next__().groups()) #调用返回值
print(re.finditer(r'(Th\w+) and (th\w+)', s, re.I).__next__().group(1))
it = re.finditer(r'(Th\w+)', s, re.I)   #生成一个生成器对象
g = it.__next__()   #调用
print(g.groups())   #打印出This,以元组的形式
print(g.group(1))
g = it.__next__()  #再次调用
print(g.groups())  #打印出that
#将匹配到的内容生产一个列表，列表中包含两个元组
print([g.groups(1) for g in re.finditer(r'(Th\w+)', s, re.I)])

（7）使用sub()和subn()搜索替换

sub()只替换搜索到的内容，subn()不但替换搜索到的内容，并返回替换的次数。

import re
print(re.sub("g.t","have",'I get A, I got B,I gut C'))  #对匹配到的单词替换
print(re.subn("g.t","have",'I get A, I got B,I gut C')) #对匹配到的单词替换，并返回替换次数
print(re.sub('[bd]','Y','abcdef'))
print(re.subn('[bd]','Y','abcdef'))    #对字符串替换，并打印替换的字符串的的次数

分组和替换的综合应用（替换日期的表示方法）：

import re
import time,datetime
day1 = str(datetime.date.today())
print(day1)
#将月/日/年的时间格式转化成“日/月/年”，将r加在左引号之前，主要目的是为了避免转义特殊字符串字符
print(re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})', r'\2/\1/\3', '05/06/2017'))
print(re.sub(r"(\d{2}|\d{4})-(\d{1,2})-(\d{1,2})", r"\3/\2/\1", day1))

（8）使用split分割字符串

import re
print(re.split('\d+','one1two2three3,for4')) #以匹配到的数字对字符串以“,”进行分割

4、正则表达式的应用

（1）对Linux系统who命令输出内容进行处理

将Linux系统who命令输出结果保存到whodata.txt中：

[root@dayi123 ~]# cat whodata.txt

liu2    :0           2017-04-17 22:10 (:0)

liu2    pts/0        2017-04-17 22:11 (:0)

root    pts/1        2017-05-05 03:51(172.16.252.112)

root    pts/2        2017-05-05 03:51(172.16.252.112)

root    pts/3        2017-05-05 03:52 (172.16.252.112)

对who命令输出的内容进行处理：

import re
f = open('whodata.txt','r')
for line in f:    
    #对匹配到的行的内容以逗号分隔，将每一行的内容分别存到一个列表中
    print(re.split(r'\s\s+',line.rstrip())) 
f.close()

使用findall()函数处理win下tasklist命令：

import os
import re
f = os.popen('tasklist /nh', 'r')
for line in f:
    print(re.findall(r'([\w.]+(?:[\w]+)*)\s\s+(\d+) \w+\s\s+\d+\s\s+([\d,]+ K)', line.rstrip())) 
    #读取每一行中自己需要的数据

f.close()

（2）生成用于正则表达式练习的数据

#!/usr/bin/env python
from random import randrange,choice
from stringimport ascii_letters as lc
from sys import maxsize
from time import ctime

tlds = ('com','deu','net','org','gov')
for i in range(randrange(5,11)):
    dtint = randrange(maxsize)        #生成一个随机数字组
    #在属组中取一个6到十位的随机数作为时间戳生成一个日期
    dtstr = ctime(int(str(dtint)[0:randrange(6,10)])) 
    llen = randrange(4,8)   #生成一个4-8的随机数字
    login = ''.join(choice(lc) for j in range(llen)) #生成邮箱@符号前的字符
    dlen = randrange(llen,13)
    dom = ''.join(choice(lc) for j in range(dlen))  #生成@后的字符，长度有dlen来决定
    #choice(tlds)为在tlds总随机选择一个域名后缀
    print('%s::%s@%s.%s::%d-%d-%d' % (dtstr,login,dom,choice(tlds),dtint,llen,dlen))

将上面生成的数据保存到一个文件中用于后面练习：

#!/usr/bin/env python
import re
with open('gendata.txt','r') as f:
    for line in f:
        patt = '.+(\d+-\d+-\d+)' #为贪婪匹配，匹配前面为任意字符，后面组中为如“5-7-10”的数据
        print(re.match(patt, line).group(1))        
        '''"?"要求正则表达式引擎匹配尽可能少的字符，在"+","*","？"后使用可达到预期效果'''
        patt1= '.+?(\d+-\d+-\d+)' #通过"?",匹配到了符合分组中的所有字符串
        print(re.match(patt1, line).group(1))