【python3基础学习】【第5周】正则表达式（re模块）

---

• 更多详情，可参考：
• 1、alex大王第5周博客：https://www.cnblogs.com/alex3714/articles/5161349.html

---

一、最常用匹配语法

• re.match(“正则表达式”, “字符串”) >>> 从头开始匹配
• re.search(“正则表达式”, “字符串”) >>> 匹配包含
• re.findall(“正则表达式”, “字符串”) >>> 把所有匹配到的字符放到列表中，返回列表
• re.split(“正则表达式”, “用来替换的字符串”, “字符串”, “替换次数（从左到右）”) >>> 以匹配到的字符当做列表分隔符
  
• re.sub 匹配字符并替换
  

二、常用正则表达式符号

• ‘\n’：换行符匹配
• ‘\r’：匹配一个回车符
• ‘\v’：垂直制表符匹配（文本竖直时tab）
• ‘\t’：制表符匹配
• ‘\f’：匹配一个换页符
• ’ . '：默认匹配除\n之外的任意一个字符，若指定flag为re.S（DOTALL）,则匹配任意字符，包括换行
• ’ ^ '：匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
• ’ $ '：匹配字符结尾，或e.search(“foo$”,“bfoo\nsdfsf”,flags=re.MULTILINE).group()也可以
• ’ * ’ ：匹配号前的字符0次或多次，re.findall("ab",“cabb3abcbbac”) 结果为[‘abb’, ‘ab’, ‘a’]
• ’ + '：匹配前一个字符1次或多次，re.findall(“ab+”,“ab+cd+abb+bba”) 结果[‘ab’, ‘abb’]
• ‘?’：匹配前一个字符1次或0次
• ‘{n}’：n是非负整数，匹配前一个字符n次
• ‘{n, }’：n是非负整数，匹配n次或多次
• ‘{n,m}’：n/m是非负整数，匹配前一个字符n到m次，re.findall(“ab{1,3}”,“abb abc abbcbbb”) 结果’abb’, ‘ab’, ‘abb’]
• ’ | ‘：匹配|左或|右的字符，re.search(“abc|ABC”,“ABCBabcCD”).group() 结果’ABC’
• ’ (…) '：分组匹配，re.search("(abc){2}a(123|456)c", “abcabca456c”).group() 结果 abcabca456c
• ‘\A’：只从字符开头匹配，re.search("\Aabc",“alexabc”) 是匹配不到的
• ‘\Z’：匹配字符结尾，同$
• ‘\d’：匹配数字0-9
• ‘\D’：匹配非数字
• [a-z]：匹配[a-z]小写字符
• [A-Z]：匹配[A-Z]大写字符
• [a-zA-Z]：匹配[a-zA-Z]大小写字符
• [^xyz]：反向字符集。匹配未包含的任何字符
• [^a-z]：反向范围字符集。匹配不在指定范围内的任意字符
• ‘\w’：匹配[A-Za-z0-9]
• ‘\W’：匹配非[A-Za-z0-9]
• ‘\s’：匹配空白字符、\t、\n、\r , re.search("\s+",“ab\tc1\n3”).group() 结果 ‘\t’
• ‘\S’：匹配任意非空白字符。等价于[^\f\n\r\t\v]
• ‘(?P< name>…)’：分组匹配 re.search("(?P< province>[0-9]{4})(?P< city>[0-9]{2})(?P< birthday>[0-9]{4})",“371481199306143242”).groupdict(“city”) 结果{‘province’: ‘3714’, ‘city’: ‘81’, ‘birthday’: ‘1993’}

1. “^”和“$”作用

• 注意：针对整个字符串需要以" ^ “为开头，以” $ “为结尾，而不是指需要匹配的子串以” ^ “为开头，以” $ "为结尾，看如下例子；

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    name = "Hua123Juan456"

    # search方法, 匹配包含, 正则表达式中包含"^"时, 才会从头开始匹配
    print(re.search("^Juan", name))
    print(re.search("Juan$", name))
    print(re.search("^Hua.+6$", name))

# 输出：
None
None
<re.Match object; span=(0, 13), match='Hua123Juan456'>

2. 匹配时，只匹配首次匹配到的字符串就返回匹配位置信息，左闭右开区间

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    name = "Hua123Juan456"

    # search方法, 匹配包含, 正则表达式中包含"^"时, 才会从头开始匹配
    print(re.search("^J[a-z]+]", name))
    print(re.search("J[a-z]+$", name))
    print(re.search("J[a-z]+", "Hua123JuanJuan456"))

# 输出：
None
None
<re.Match object; span=(6, 10), match='Juan'>

3. "?"匹配字符串时，？只作用于“与其相邻的字符”，匹配时遵循贪心算法

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    # search方法, 匹配包含, 正则表达式中包含"^"时, 才会从头开始匹配
    print(re.search("aa?", "lexaaa"))
    print(re.search("aa?", "alexaaa"))
    print(re.search("aa?", "aalexaaa"))
    print(re.search("aa?", "aaalexaaa"))

# 输出：
<re.Match object; span=(3, 5), match='aa'>
<re.Match object; span=(0, 1), match='a'>
<re.Match object; span=(0, 2), match='aa'>
<re.Match object; span=(0, 2), match='aa'>

4. ‘{m}’ 匹配前一个字符m次/’{n,m}’ 匹配前一个字符n到m次

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    name = "1Ma2s3on4567"
    # search方法, 匹配包含, 正则表达式中包含"^"时, 才会从头开始匹配
    print(re.search("[0-9]{3}", name))
    print(re.search("[0-9]{1,3}", name))
    print(re.findall("[0-9]{3}", name))
    print(re.findall("[0-9]{1,3}", name))

# 输出：
<re.Match object; span=(8, 11), match='456'>
<re.Match object; span=(0, 1), match='1'>
['456']
['1', '2', '3', '456', '7']

5. ’ | ’ 匹配|左或|右的字符

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    name = "ABC12abc456"

    print(re.search("abc|ABC", name).group())
    print(re.findall("abc|ABC", name))

# 输出：
ABC
['ABC', 'abc']

6. ’ (…) ’ 分组匹配

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    name = "ABC12abccabcabc456"

    print(re.search("(abc){2}", name))
    print(re.search("abc{2}", name))

# 输出：
<re.Match object; span=(9, 15), match='abcabc'>
<re.Match object; span=(5, 9), match='abcc'>

7. 正则技巧（重要）

>>> re.search("(?P<id>[0-9]+)", "abc123dfg456").group("id")
'123'
>>> re.search("(?P<id>[0-9]+)", "abc123dfg456").groupdict()
{'id': '123'}
>>> re.search("(?P<id>[0-9]+)", "abc123dfg456").groupdict()["id"]
'123'
>>>

8. 正则匹配反斜杠时

• 反斜杠的困扰
  与大多数编程语言相同，正则表达式里使用"\“作为转义字符，这就可能造成反斜杠困扰。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。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\“表示。同样，匹配一个数字的”\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    name = "Mason\\"

    print(re.search("\\\\", name))
    print(re.search("\\\\", name).group())
    print(re.findall("\\\\", name))
    
    print(re.search(r"\\", name))
    print(re.search(r"\\", name).group())
    print(re.findall(r"\\", name))

# 输出：
<re.Match object; span=(5, 6), match='\\'>
\
['\\']
<re.Match object; span=(5, 6), match='\\'>
\
['\\']

9. 其他几个匹配模式

• re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
  
• re.M(MULTILINE): 多行模式，改变’^‘和’$'的行为（参见上图）
  
• S(DOTALL): 点任意匹配模式，改变’.'的行为
  

10. match和search区别

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Mason
import re


if __name__ == '__main__':
    name = "Hua123Juan456"

    # match方法, 从头开始匹配, 正则表达式中不论包不包含"^", 都会从头开始匹配
    print(re.match("Juan", name))
    print(re.match("^Juan", name))

    # search方法, 匹配包含, 正则表达式中包含"^"时, 才会从头开始匹配
    print(re.search("Juan", name))
    print(re.search("^Juan", name))

# 输出：
None
None
<re.Match object; span=(6, 10), match='Juan'>
None