python re span_Python-re模块（正则表达式）

01. 正则表达式基础知识

1.1 原子

原子是正则表达式中最基本的组成单位，每个正则表达式中至少要包含一个原子，常见的原子有以下几类：

1)普通字符作为原子

2)非打印字符作为原子

3)通用字符作为原子

4)原子表

1.1.1普通字符作为原子

我们可以使用一些普通的字符，比如数字，大小写字母，下划线等都可以作为原子使用。

import re

pattern ="baidu"

string ="http://www.baidu.com"

result1= re.search(pattern,string)

print(result1)

# 输出：

#

1.1.2非打印字符作为原子

所谓的非打印字符，指的是一些在字符串中用于格式控制的符号，比如换行符等。

符号

含义

\n

用于匹配一个换行符

\t

用于匹配一个制表符

import re

pattern ="\n"

string =""""http://www.baidu.com

baiduyixia

"""

result1= re.search(pattern,string)

print(result1)

# 输出：

#

1.1.3通用字符作为原子

所谓通用字符，即一个原子可以匹配一类字符。

符号

含义

\w

匹配任意一个字母，数字或下划线

\W

匹配除字母，数字和下划线以外的任意一个字符

\d

匹配任意一个十进制数

\D

匹配除十进制数以外的任意一个其他字符

\s

匹配任意一个空白字符

\S

匹配除空白字符以外的任意一个其他字符

import re

pattern ="\w\dpython\w"

string ="abcdfphp345pythony_py"

result1= re.search(pattern,string)

print(result1)

# 输出：

#

1.1.4原子表

使用原子表，可以定义一组地位平等的原子，然后匹配的时候会取该原子表中的任意一个原子进行匹配，在Python中，原子表由[]表示。

类似的，[^]代表的是除了中括号里面的原子均可以匹配。

import re

pattern1 ="\w\dpython[xyz]\w"

pattern2 ="\w\dpython[^xyz]\w"

pattern3 ="\w\dpython[xyz]\W"

string ="abcdfphp345pythony_py"

result1= re.search(pattern1,string)

result2= re.search(pattern2,string)

result3= re.search(pattern3,string)

print(result1)

print(result2)

print(result3)

# 输出：

#

# None

# None

1.2元字符

所谓元字符，就是正则表达式中具有一下特殊含义的字符

符号

含义

.

匹配除换行符以外的任意字符

^

匹配字符串的开始位置

$

匹配字符串的结束位置

*

匹配0次，1次或多次前面的原子

?

匹配0次或1次前面的原子

+

匹配1次或多次前面的原子

{n}

前面的原子恰好出现n次

{n,}

前面的原子至少出现n次

{n,m}

前面的原子至少出现n次，至多出现m次

|

模式选择符

()

模式单元符

元字符可以分为：任意匹配元字符，边界限制元字符，限定符，模式选择符，模式单元等。

1.2.1任意匹配元字符

.匹配除换行符以外的任意字符

import re

pattern =".python..."

string ="abcdfphp345pythony_py"

result1= re.search(pattern,string)

print(result1)

# 输出：

#

1.2.2边界限制元字符

^匹配字符串的开始位置 $匹配字符串的结束位置

import re

pattern1 ="^abd"

pattern2 ="^abc"

pattern3 ="py$"

pattern4 ="ay$"

string ="abcdfphp345pythony_py"

result1= re.search(pattern1,string)

result2= re.search(pattern2,string)

result3= re.search(pattern3,string)

result4= re.search(pattern4,string)

print(result1)

print(result2)

print(result3)

print(result4)

# 输出：

# None

#

#

# None

1.2.3 限定符

常见的限定符包括*，？，+，{n}，{n,}，{n,m}

import re

pattern1 ="py.*n"

pattern2 ="cd{2}"

pattern3 ="cd{3}"

pattern4 ="cd{2,}"

string ="abcdddfphp345pythony_py"

result1= re.search(pattern1,string)

result2= re.search(pattern2,string)

result3= re.search(pattern3,string)

result4= re.search(pattern4,string)

print(result1)

print(result2)

print(result3)

print(result4)

# 输出：

#

#

#

#

1.2.4模式选择符

模式选择符|,可以设置多个模式，匹配时，可以从中选择任意一个模式匹配

import re

pattern1 ="python|php"

string ="abcdfphp345pythony_py"

result1= re.search(pattern1,string)

print(result1)

# 输出：

#

1.2.5模式单元

使用模式单元()将一些原子组合成一个大原子使用，小括号括起来的部分会被当做一个整体去使用。

import re

pattern1 ="(cd){1,}"

pattern2 ="cd{1,}"

string ="abcdcdcdcdfphp345pythony_py"

result1= re.search(pattern1,string)

result2= re.search(pattern2,string)

print(result1)

print(result2)

# 输出：

#

#

1.3模式修正

所谓模式修正符，即可以在不改变正则表达式的情况下，通过模式修正符改变正则表达式的含义，从而实现一些匹配结果的调整等功能。

符号

含义

I

匹配时忽略大小写

M

多行匹配

L

做本地化识别匹配

U

根据Unicode字符及解析字符

S

让.匹配包括换行符，即用了该模式修正后，.匹配就可以匹配任意的字符

import re

pattern1 ="python"

pattern2 ="python"

string ="abcdfphp345Pythony_py"

result1= re.search(pattern1,string)

result2= re.search(pattern2,string,re.I)

print(result1)

print(result2)

# 输出：

# None

#

1.4 贪婪模式与懒惰模式

贪婪模式的核心点就是尽可能多低匹配

懒惰模式的核心点就是尽可能少低匹配

通常情况下，如果想在某些字符间匹配任意字符，像p.*y这样写没有任何的语法错误，这个时候默认是使用贪婪模式的，如果要转化为懒惰模式， 需要在对应的.*后面加上?,方可转化为懒惰模式。

import re

pattern1 ="p.*y" # 贪婪模式

pattern2 ="p.*?y" # 懒惰模式

string ="abcdfphp345Pythony_py"

result1= re.search(pattern1,string)

result2= re.search(pattern2,string,re.I)

print(result1)

print(result2)

# 输出：

#

#

02 正则表达式常见函数

常见的正则表达式函数有re.match()，re.search()，全局匹配函数，re.sub()。

2.1 re.match()函数

如果想要从源字符串的起始位置匹配一个模式，可以使用 re.match()函数。

re.match(pattern,string,flag)

第一个参数代表对应的正则表达式；

第二个参数代表对应的源字符；

第三个参数是可选参数，代表对应的标志位，可以放模式修正符等信息。

import re

pattern =".python."

string ="apythonhellomypythonhispythonourpythonend"

result= re.match(pattern,string)

result2= re.match(pattern,string).span()

print(result)

print(result2)

# 输出：

#

# (0, 8)

2.2 re.search()函数

使用re.search()函数进行匹配，会扫描整个字符串并进行对应的匹配。

import re

pattern =".python."

string ="hellomypythonhispythonourpythonend"

result= re.match(pattern,string)

result2= re.search(pattern,string)

print(result)

print(result2)

# 输出：

# None

#

2.3 全局匹配函数

全局匹配函数会将符合模式的内容全部都匹配出来。

1)使用re.compile()对正则表达式进行预编译；

2)编译后，使用findall()根据正则表达式从源字符串中将匹配的结果全部找出。

import re

string ="hellomypythonhispythonourpythonend"

pattern = re.compile(".python.") # 预编译

result= pattern.findall(string) # 找出符合模式的所有结果

print(result)

# 输出：

# ['ypythonh', 'spythono', 'rpythone']

2.4 re.sub()函数

re.sub()函数可以根据正则表达式来实现替换某些字符串的功能。

re.sub(pattern, rep,string,max)

第一个参数为对应的正则表达式；

第二个参数为要替换成的字符串；

第三个参数为源字符串；

第四个参数为可选项，代表最多替换的次数，默认全部替换。

import re

string ="hellomypythonhispythonourpythonend"

pattern ="python."

result1 = re.sub(pattern,"php",string) # 全部替换

result2 = re.sub(pattern,"php",string,2) # 最多替换俩次

print(result1)

print(result2)

# 输出：

# hellomyphpisphpurphpnd

# hellomyphpisphpurpythonend