Python正则表达式

了解接触正则表达式已经很长时间了，但是近期通过查阅资料、网站等才对于python正则有了一个系统学习，并写了这篇学习总结。关于写东西总结归纳这个过程，个人觉得有利于提升自身各能力，对知识也有一个更深入的认识，是一个很有意义的过程。希望22年可以静下心来不断学习知识，提升自己。

正则表达式（Regular Expression）简称RE，是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

先来看一张导图，熟悉大概的知识点：

下面将根据 xmind 图所示，介绍 re 模块中常用常量、方法以及常用字符：

一、re模块(re是内置模块，所以不需要再下载，使用时直接引入即可)

1、常量（re模块中有9个常量，一般常用的有5个）
（1）re.IGNORE或re.I 忽略大小写匹配

text = "今天是yuandan"
pattern = r'今天是YUANDAN'
pattern_obj_1 = re.compile(pattern)
pattern_obj_2 = re.compile(pattern, re.I)
print(pattern_obj_1.findall(text))
print('IGNORE:', pattern_obj_2.findall(text))
		
>>>['今天是']
>>> ['今天是yuandan']

（2）re.ASCII或re.I 只匹配ASCII码

# 未加re.A
text = 'a今b天c是d元3_4旦56  '
pattern = r'\w+'
pattern_obj_1 = re.compile(pattern)
pattern_obj_2 = re.compile(pattern, re.A)
print(pattern_obj_1.findall(text))
print('ASCII:', pattern_obj_2.findall(text))

>>>['a今b天c是d元3_4旦56']
>>>ASCII:['a', 'b', 'c', 'd', '3_4', '56']

（3）re.DOTALL abbreviation：re.S 匹配所以包括\n(换行符)

text = 'a今b天\nc是d元3_4\n旦5 6'
pattern = r'.+'
pattern_obj_1 = re.compile(pattern)
pattern_obj_2 = re.compile(pattern, re.S)

print(pattern_obj_1.findall(text))
print('DOTALL:', pattern_obj_2.findall(text))

>>>['a今b天c是d元3_4旦5 6']
>>>DOTALL:['a今b天\nc是d元3_4\n旦5 6']

（4）re.MULTLINE abbreviation：re.M 多行模式，当某字符串中有换行符\n，默认模式下是不支持换行符特性的，比如：行开头 和 行结尾，而多行模式下是支持匹配行开头的

text = '今天是\n元旦'
pattern = r'^元旦$'
pattern_obj_1 = re.compile(pattern)
pattern_obj_2 = re.compile(pattern, re.M)
print(pattern_obj_1.findall(text))
print('MULTLINE:', pattern_obj_2.findall(text))

>>>[]
>>>MULTLINE:['元旦']

（5）re.VERBOSS abbreviation：re.X 详细模式，可以在正则表达式中添加注释

text = '今天是元旦'
pattern = r'''
            今天是         # 时间
            元旦          # 节日
            '''
pattern_obj_1 = re.compile(pattern)
pattern_obj_2 = re.compile(pattern, re.X)
print(pattern_obj_1.findall(text))
print('VERBOSS:', pattern_obj_2.findall(text))

>>>[]
>>>VERBOSS:['今天是元旦']

2、方法（9个常用方法）
（1）re.compile(pattern, flags=0) 编译正则对象
‘’’
在re的正则表达式模块里，可以通过模块的方式来访问正则表达式，但是如果重复多次地使用正则表达式，最好是使用compile函数把正则表达式编译成对象RegexObject，这样会大大地提高搜索的效率，因为基于非编译方式访问时，是使用模块里的一小块缓冲来进行的。
‘’’
建议先进行预编译，在进行匹配；
(2）搜索返回一个匹配结果（search、match、fullmatch）

re.search(pattern, string, flags=0) 查找任意位置匹配项
pattern：匹配规则
string：查找对象
flags：常量 例如：re.I

text = '今天是周日,明天是周一,'
pattern = r'是'
print(re.search(pattern, text, flags=0).group())

# 预编译
pattern_obj = re.compile(pattern)
print(pattern_obj.search(text).group())
# group()会在后面介绍到
>>>是
>>>是

re.match(pattern, string, flags=0) 从字符串开头开始匹配

text_1 = 'a今天是周日,明天是周一'
text_2 = '今天是周日,明天是周一'
pattern = r'今天是周日'
print(re.match(pattern, text_1, flags=0))
print(re.match(pattern, text_2, flags=0).group())

# 预编译
pattern_obj = re.compile(pattern)
print(pattern_obj.match(text_2).group())

>>>None
>>>今天是周日
>>>今天是周日

re.fullmatch(pattern, string, flags=0) 完全匹配字符串

pattern_1 = r'今天是周日'
pattern_2 = r'今天是周日,明天是周一'
print(re.fullmatch(pattern_1, text, flags=0))
print(re.fullmatch(pattern_2, text, flags=0).group())

>>>None
>>>今天是周日,明天是周一

（3）搜索返回多个匹配结果(findall，finditer)
re.findall(pattern, string, flags=0) 从字符串任意位置查找，返回一个列表

text = '今天是周日,明天是周一'
pattern = r'天'
print(re.findall(pattern, text, flags=0))

>>>['天', '天']

re.finditer(pattern, string, flags=0) 从字符串任意位置查找，返回一个迭代器

text = '今天是周日,明天是周一'
pattern = r'天'
print(re.finditer(pattern, text))
print(list(re.finditer(pattern, text)))
print(list(re.finditer(pattern, text))[0])
print(list(re.finditer(pattern, text))[0].group())

>>> <callable_iterator object at 0x02C535F0>
>>>[<_sre.SRE_Match object; span=(1, 2), match='天'>, <_sre.SRE_Match object; span=(7, 8), match='天'>]
>>>_sre.SRE_Match object; span=(1, 2), match='天'>
>>>天

（4）分割
re.split(pattern, string, maxsplit=0, flags=0) 分割字符串，与str.split( )作用一致
pattern：匹配规则
string：查找对象
maxsplit：最多进行分割次数，默认全部
flags：常量 例如：re.A
re.split()与str.split()区别
str.split函数功能简单，不支持正则分割，而re.split支持正则。
数据量越大re.split()运行速度越大于str.split()，数据量较小情况下建议使用str.split()，数据量上千次或越大使用re.split()

text = '今天是周日0明天是周一0马上要收假了'
pattern = '0'
print(re.split(pattern, text))

text_2 = '今天是周日0明天是周一0马上要收假了'
print(text_2.split('0'))

>>>['今天是周日', '明天是周一', '马上要收假了']
>>>['今天是周日', '明天是周一', '马上要收假了']

（5）替换
re.sub(pattern, repl, string, count=0, flags=0) repl替换掉string中被pattern匹配的字符

text = '今天是周日0明天是周一0马上要收假了'
pattern = '0'
print(re.sub(pattern, ',', text))

>>>今天是周日,明天是周一,马上要收假了

（6）清理缓存
re.purge() 清理正则表达式缓存

二、group

1、正则表达式中的三组括号把匹配结果分成三组
group() 同 group(0) 匹配正则表达式整体结果
group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。
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。
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。
2、没有匹配成功的，re.search（）返回None。
3、正则表达式中没有括号，group(1) 报错：IndexError: no such group。

三、常用字符

1、一般字符

字符	用途
.	匹配任意一个字符（除了\n），在DOTALL模式中可以匹配到\n
\	转义字符，如果字符串中有字符要匹配，可使用*或[]
[ ]	匹配[]中列举的字符，在[]中要使用] 、- 或 ^，可以在前面加\ 把] 、-放在第一个字符，^放在非第一个字符

2、常用元字符

字符	用途
\d	匹配数字，即0-9
\D	匹配非数字，即[^0-9]
\s	匹配空白字符，即空格、tab键
\S	匹配非空白字符
\w	匹配数字、字母、下划线、汉字，即0-9、a-z、A-Z、_、汉字
\W	匹配非数字、非字母、非下划线、非汉字

3、常用限定符

字符	用途
*	匹配前一个字符0或无限次，匹配不一致列表中显示””
+	匹配前一个字符1或无限次
？	匹配前一个字符0或1次
{m}	匹配前一个字符m次
{m,n}	匹配前一个字符m到n次

4、限定字符

字符	用途
^	匹配字符串开头，在多行模式中匹配每一行开头，[^]代表不在[]中的字符
$	匹配字符串的末尾，在多行模式中匹配每一行的末尾
\A	匹配字符串的开头
\Z	匹配字符串的末尾
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。

四、贪婪与非贪婪

贪婪模式：python中默认贪婪模式，总是尝试匹配尽可能多的字符
非贪婪模式：总是尝试匹配尽可能少的字符
在python中默认采用的是贪婪模式，使用非贪婪模式的话，只需要在量词后面直接加上一个问号”?”

text = 'abbbskfk babdj '
pattern_1 = r'ab+'
pattern_2 = r'ab+?'
print(re.findall(pattern_1, text))
print(re.findall(pattern_2, text))

>>>['abbb', 'ab']
>>>['ab', 'ab']