python 正则表达式

一、边界匹配

import re
string = '123456789'
result = re.findall('\d{4,8}',string)
print(result) # 输出['12345678']

在匹配项最前面加上^，最后面加上$，则为边界匹配。此时会匹配完整的字符串，不会像上面那一种情况，匹配到一部分就输出。

这里的^ 和 $ 的意义分别代表：

^ ：从字符串开始的位置进行匹配。

$ ：从字符串结束的位置进行匹配

import re
string = '123456789'
result = re.findall('^\d{4,8}$',string)
print(result) #输出[]

demo (理解^ 和 $):

import re
string = '100000001'
result = re.findall('000',string)
print(result) 
#会输出 ['000', '000']

import re
string = '100000001'
result = re.findall('^000',string)
print(result)
#此时会输出[],为什么会输出这个结果呢?
#因为，字符串开始字符为1，不是0，所以根本匹配不到

import re
string = '100000001'
result = re.findall('000$',string)
print(result)
#同理，这样也会输出[]，也会匹配不到任何集合

二、sub、seaech、match

def sub(pattern: Pattern[AnyStr],
        repl: (Match[AnyStr]) -> AnyStr,
        string: AnyStr,
        count: int = ...,
        flags: int | RegexFlag = ...) -> AnyStr

参数 count 默认为0，代表全部匹配。

count =1 ：代表只匹配到第一个

count =2 ：代表匹配前2个，

count=3 : 代表匹配前3个

import re
string = 'Pythonc#JavaC#PHPC#'
result = re.sub('c#','Go',string,2,re.I)
print(result)

import re
string = 'Pythonc#JavaC#PHPC#'
result = re.sub('c#','Go',string,2,re.I)
print(result)
lanuage = string.replace('c#','Go')
print(lanuage)

sub 强大的地方在于，其第二个参数，repl: (Match[AnyStr]) -> AnyStr 可以是函数。

可以定制化进行字符串替换操作。

import re
string = 'Pythonc#JavaC#PHPC#'

def convert(value):
    print(value)
    matched = value.group()
    print(matched)

    return '!!' + matched + '!!'  # 这样写，实现功能更灵活

result = re.sub('c#',convert,string,0,re.I)
print(result)

demo：把函数作为参数传递

需要：将字符串 string = 'ABC3721D86'，中的数字，大于6，替换为9，小于6的替换为0。

import re
string = 'ABC3721D86'

def convert(value):
    matched = value.group()
    if matched >= '6':
        return '9'
    else:
        return '0'

result = re.sub('\d',convert,string)
print(result)

re.findall 、re.match、re.search 的区别

1.re.match(...) 从字符串第一个字符开始匹配，如果第一个字符没有匹配到，则返回None。

2.re.search(...) 是从前往后搜索整个字符串，一旦找到对应的匹配字符，就立即返回对应的匹配字符。

3.re.match(...) 和 re.search(...) 返回是一个对象，而 re.findall(...)返回的是一个列表。

4.re.match(...) 和 re.search(...) 返回是一个对象，用group()方法，得到匹配的字符串，span()得到匹配字符串在源字符串起始的位置。

5.re.match(...) 和 re.search(...) 是非贪婪匹配，一旦匹配成功，就会立马返回结果；而re.findall(...)是贪婪匹配，会匹配所有的结果。

import re
string = 'A83C72D1D8E67'

result = re.match('\d',string)
print(result) #None
result = re.search('\d',string)
print(result)
print(result.group())
print(result.span())

三、group 分组

需求：提取出 string = 'life is short,i use python'，string中的 is short,i use

goup(0) 是正则表达式完整匹配的结果。如果想得到中间的匹配的结果，则需要从1开始。即为：group(1),group(2)等等。

demo1：

import re
string = 'life is short,i use python'
result = re.search('(life)(.*)(python)',string)
print(result.group(2).strip())

demo2 写法和 demo1 写法等价。

import re
string = 'life is short,i use python'
result = re.search('life(.*)python',string)
print(result.group(1).strip())

当然，如果改为re.findall(...) 的写法，则代码如下所示：

import re
string = 'life is short,i use python'
result = re.findall('life(.*)python',string)
print(result)

分组也可以有多个，demo 代码如下：

需要：在上面一个需要的前提下，string = 'life is short,i use python,i love python'，还要找出字符串string后面2个python 中间的内容，即：is short,i use ,i love

import re
string = 'life is short,i use python,i love python'
result = re.findall('life(.*)python(.*)python',string)
print(result)
print(result[0])
print(result[0][0])
print(result[0][1])

import re
string = 'life is short,i use python,i love python'
result = re.search('life(.*)python(.*)python',string)
print(result)
print(result.group(0,1,2))
print(result.group(0))
print(result.group(1))
print(result.group(2))
#groups() 返回所有的匹配结果，放在一个元组中
print(result.groups())