Python模块re正则表达式 （1）

Python模块(包)-re正则表达式

re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

函数语法：re.match(pattern, string, flags=0)

函数参数说明：

pattern：匹配的正则表达式

string：要匹配的字符串。

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，多行匹配等等。

匹配成功re.match方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法group(num=0):匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

匹配对象方法groups():返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

import re
print(re.match('www', 'www.python-china.com'))  # <_sre.SRE_Match object; span=(0, 3), match='www'>
print(re.match('www', 'www.python-china.com').span())  # (0, 3) 以tuple形式返回范围
print(re.match('com', 'www.python-china.com'))         # None
 
line = "Cats are smarter than dogs"
 
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)
'''
.匹配单个字符，匹配除\n之外的一个任意字符
*匹配至少0次  匹配任意多次 {0，}
?匹配0次或者1次  {0，1}
re.I使匹配对大小写不敏感
re.M多行匹配，影响 ^ 和 $
'''
if matchObj:
   print("matchObj.group() : ", matchObj.group())
   print("matchObj.group(1) : ", matchObj.group(1))
   print("matchObj.group(2) : ", matchObj.group(2))
else:
   print("No match!!")
"""
<re.Match object; span=(0, 3), match='www'>
(0, 3)
None
matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter
"""

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法：re.search(pattern, string, flags=0)

匹配成功re.search方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

import re
print(re.search('www', 'www.python-china.com').span())  #(0, 3) 在起始位置匹配
print(re.search('com', 'www.python-china.com').span())         # (17, 20) 不在起始位置匹配
 
line = "Cats are smarter than dogs"
searchObj = re.search(r'(.*) are (.*?) .*', line, re.M | re.I)
if searchObj:
    print("searchObj.group() : ", searchObj.group()) # searchObj.group() :  Cats are smarter than dogs
    print("searchObj.group(1) : ", searchObj.group(1)) # searchObj.group(1) :  Cats
    print("searchObj.group(2) : ", searchObj.group(2)) # searchObj.group(2) :  smarter
    print("searchObj.group(2) : ", searchObj.group(1,2)) # searchObj.group(2) :  ('Cats', 'smarter')
else:
    print("Nothing found!!")

re.match与re.search的区别:re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

re.sub()检索和替换

Python 的 re 模块提供了re.sub用于替换字符串中的匹配项。

语法：re.sub(pattern, repl, string, count=0, flags=0)

pattern : 正则中的模式字符串。

repl : 替换的字符串，也可为一个函数。

string : 要被查找替换的原始字符串。

count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。\

import re
phone = "2004-959-559 # 这是一个国外电话号码"
# 删除字符串中的 Python注释
num = re.sub(r'#.*$', "", phone)
print("电话号码是: ", num) # 电话号码是:  2004-959-559
 
# 删除非数字(-)的字符串
num2 = re.sub(r'\D', "", phone,2) # \D表示非数字,替换两次
num = re.sub(r'\D', "", phone) # \D表示非数字，全部替换
print("电话号码是 : ", num2) # 电话号码是 :  2004959559 # 这是一个国外电话号码
print("电话号码是 : ", num) # 电话号码是 :  2004959559

# 以下实例中将字符串中的匹配的数字乘以 2：
import re
# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
s = 'A23G4HFD567'
print(re.sub(r'(?P<value>\d+)', double, s)) # A46G8HFD1134
# print(re.sub(r'(?P<value>\d{1})', double, s)) # A46G8HFD101214

re.compile()函数

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法格式为：re.compile(pattern[, flags])

参数：

pattern : 一个字符串形式的正则表达式

flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

1, re.I 忽略大小写

2, re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境

3, re.M 多行模式

4, re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）

5, re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库

6, re.X 为了增加可读性，忽略空格和 # 后面的注释

import re
pattern = re.compile(r'\d+')
print(pattern.match('one12twothree34four')) # None
print(pattern.match('one12twothree34four',2,10)) # None 从'e'的位置开始匹配，没有匹配
print(pattern.match('one12twothree34four',3,10))
# 返回一个 Match 对象<_sre.SRE_Match object; span=(3, 5), match='12'> 说明找到了
print(pattern.match('one12twothree34four',3,10).span()) # (3, 5)
print(pattern.match('one12twothree34four',3,10).group()) # 12
print(pattern.match('one12twothree34four',3,10).start()) # 3
print(pattern.match('one12twothree34four',3,10).end()) # 5

在上面，当匹配成功时返回一个 Match 对象，其中：

group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；

start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；

end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；

span([group]) 方法返回 (start(group), end(group))。

import re
pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)
print(pattern.match('Hello World Wide Web')) # <_sre.SRE_Match object; span=(0, 11), match='Hello World'> 匹配成功
print(pattern.match('Hello World Wide Web').group(0)) # Hello World 返回匹配成功的整个子串
print(pattern.match('Hello World Wide Web').span(0)) # (0, 11) 返回匹配成功的整个子串的索引
print(pattern.match('Hello World Wide Web').group(1)) # Hello 返回第一个分组匹配成功的子串
print(pattern.match('Hello World Wide Web').span(1)) # (0, 5) 返返回第一个分组匹配成功的子串的索引
print(pattern.match('Hello World Wide Web').group(2)) # World 返回第二个分组匹配成功的子串
print(pattern.match('Hello World Wide Web').span(2)) # (6, 11) 返返回第二个分组匹配成功的子串的索引
 
print(pattern.match('Hello World Wide Web').groups()) # ('Hello', 'World') 返回全部匹配的元组
print(pattern.match('Hello World Wide Web').groups()[0]) # 等价于group(1)
print(pattern.match('Hello World Wide Web').groups()[1]) # group(2)
 
print(pattern.match('Hello World Wide Web').group(3)) # 报错IndexError: no such group，不存在第三个分组

re.findall()方法

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

语法格式为：findall(string[, pos[, endpos]])

参数：

string : 待匹配的字符串。

pos : 可选参数，指定字符串的起始位置，默认为 0。

endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

返回值：返回一个列表

import re
pattern = re.compile(r'\d+')  # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(type(result1)) # <class 'list'>
print(result1) # ['123', '456']
print(result2) # ['88', '12']

re.finditer方法

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

语法格式：re.finditer(pattern, string, flags=0)

返回结果：返回一个迭代器

import re
pattern = re.compile(r'\d+')  # 查找数字
result1 = pattern.finditer('runoob 123 google 456')
result2 = pattern.finditer('run88oob123google456', 0, 10)
print(type(result1)) # <class 'callable_iterator'>
print(result1) # <callable_iterator object at 0x7f9133c00e80>
print(result2) # <callable_iterator object at 0x7f9133c00ef0>
for r1 in result1:
    print(r1.group(),end=' ') # 123 456
for r2 in result2:
    print(r2.group(),end=' ') # 88 12

re.split()方法

split 方法按照能够匹配的子串将字符串分割后返回列表

语法格式：re.split(pattern, string[, maxsplit=0, flags=0])

参数：

pattern：匹配的正则表达式

string：要匹配的字符串。

maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

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，多行匹配等等。

返回值：返回一个列表

import re
print(type(re.split('\W+', 'python, python, python.'))) # <class 'list'>
print(re.split('\W+', 'python, python, python.')) # ['python', 'python', 'python', '']
print(re.split('\W+', ' python, python, python.',2)) # ['', 'python', 'python, python.'] 分割两次