Python re正则模块

问题描述：

对于比较复杂的字符串处理任务，需要依靠正则表达式。

使用流程：

首先需要导入 re 模块

import re

常用的元字符

符号	含义
.	匹配除 “\n” 和 “\r” 之外的任何单个字符。
^	匹配字符串开始位置
$	匹配字符串结束位置
*	前面的元素重复0次，1次或多次
?	前面的元素重复0次或1次
+	前面的元素重复1次或多次
{n}	前面的元素出现了n次
{n, }	前面的元素至少出现n次
{n. m}	前面的元素出现的次数介于n-m之间
( )	进行分组，输出括号中的部分

常用的通用字符

符号	含义
\s	匹配空白字符
\w	匹配任意字母/数字/下划线
\W	匹配任意字母/数字/下划线以外的字符
\d	匹配十进制数字
\D	匹配十进制数字以外的值
[0-9]	匹配一个0~9之间的数字
a-z	匹配小写英文字母
A-Z	匹配大写英文字母

常用的函数

search

search方法能够找出子串第一个匹配位置

import re

s = 'hello world. hello world.'

key_word = 'world'
# 找到后返回re.Match object
r = re.search(key_word, s)
# 返回一个元组包含匹配 (开始,结束) 的位置
r.span()

match

match从原字符串的开始位置匹配（search函数是从任意位置匹配）

finditer

匹配迭代器
返回所有匹配位置的迭代器

返回对象是 re.Match， 可以使用 span() 方法找到它的开始和结束位置

import re

s = 'hello world. hello world.'

key_word = 'world'

r = re.finditer(key_word, s)

for i in r:
    print(i.span())

findall

re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表

re.I

re.I是方法的可选参数，表示忽略大小写。

s = "That"
pat = "t"

r = re.finditer(pat, s, re.I)
for i in r:
	print(i.span())

split

字符串中的split函数只能分割简单的情况

如果字符串的分隔符有 ， ； \t |

words = re.split(r'[,\s;|]+', s)

sub

替换匹配到的字符串

content = "hello world, hello world"

 # 要替换的部分
pattern = re.compile(r'world')

m=pattern.sub("kitty", content)

compile

预编译方法，如果要用同一匹配模式进行多次匹配，可以使用compile预先编译串，可以提升运行效率

贪心捕获与非贪心捕获

(.*) 表示捕获任意多个字符，尽可能多的匹配字符，要找到最后一个匹配的，把中间部分返回，也被称为贪心捕获

(.*?)非贪心捕获，找到第一个匹配后返回，把中间部分返回，称为非贪心捕获

案例

匹配浮点数和整数

import re

s = 's2sss1.02sssss5s'

pattern = r'\d+\.?\d*'

r = re.findall(pattern, s)

匹配正整数

第一个数为大于1-9
第二个为0-9，可以存在或不存在

import re

s = [-16, 1.02, 5, 0, 127, a]

pattern = r"^[1-9]\d*$"

[i for i in s if re.match(pattern, str(i))]

正则表达式的测试网站