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