Python3正则表达式和re模块

1. 正则表达式

1.1 正则表达式符号

2. re模块

2.1 re.compile(pattern[, flags])

2.2 re.findall(pattern, string, flags=0)

2.3 re.finditer(pattern, string, flags=0)

2.4 re.match(pattern, string, flags=0)

2.5 re.serach(pattern, string, flags=0)

2.6 re.split(pattern, string[, maxsplit=0, flags=0])

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

---

1. 正则表达式

• 就其本质而言，正则表达式（或RE）是一种小型的、高度专业化的编程语言，它内嵌再Python中，并通过re模块实现。正则表达式模式被编译成一系列的字节码，然后由C编写的匹配引擎执行。
• 正则表达式用来匹配字符串,用来进行模糊匹配。
• 字符串提供的方法是完全匹配。
• * 、+、?都为贪婪匹配，也就是尽可能匹配，后面加?号使其编程惰性匹配

1.1 正则表达式符号

[ ]可以取消元字符的特殊功能，元字符仅仅为其本身（\ ^  -例外）

正则表达式符号	描述
'.'	通配符，默认匹配除'\n'之外的任意一个字符
'^'	匹配字符开头
'$'	匹配字符结尾
'*'	贪婪匹配。匹配前面的子表达式0或多次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。等价于{0, +∞}
'+'	匹配前面的子表达式1或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”等价于{1, +∞}
'?'	匹配前面的子表达式0或1次。等价于{0, 1}
'.*'	匹配除'\n'之外的任意一个字符0或多次
'{m}'	匹配前一个字符m次
'{n, m}'	贪婪匹配。匹配前一个字符至少n次
'{n, m}'	贪婪匹配。匹配前一个字符n到m次
'[abc]'	匹配所包含的任意一个字符
'[a-z]'	匹配指定范围内的任意字符
'[^a-z]'	匹配任何不在指定范围内的任意字符
'|'	匹配|左或|右的字符
a|b	匹配a或b
'\'	反斜杠后边跟元字符去除特殊功能，反斜杠后边跟部分普通字符实现特殊功能
'(re)'	分组匹配，匹配括号内的表达式
'\A'	匹配字符串开始
'\b'	匹配一个单词的边界，也就是指单词和空格间的位置，需加r（原始字符串）
'\B'	匹配非单词边界。
'\d'	匹配任何十进制数。等价于[0-9]
'\D'	匹配任何非数字字符。等价于[^0-9]
'\G'	匹配最后匹配完成的位置
'\n'	匹配一个换行符
'\s'	匹配任何不可见字符。等价于[ \f\n\r\t\v]。
'\S'	匹配任何可见字符。等价于[^ \f\n\r\t\v]。
'\t'	匹配一个制表符
'\w'	匹配不包括下划线的任何字母数字字符或中文。类似但不等价于“[A-Za-z0-9_]
'\W'	匹配任何非单词字符。等价于[^A-Za-z0-9_]
'\z'	匹配字符串结束
'\Z'	匹配字符串结束。如果存在换行，只匹配到换行前的结束字符串

2. re模块

方法	描述
re.compile(pattern[, flags])	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。
re.findall(pattern, string, flags=0)	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
re.finditer(pattern, string, flags=0)	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
re.match(pattern, string, flags=0)	返回只在字符串开始匹配的对象。可以使用group() 或 groups() 匹配对象函数来获取匹配表达式
re.serach(pattern, string, flags=0)	返回匹配到的第一个对象。可以使用group() 或 groups() 匹配对象函数来获取匹配表达式
re.split(pattern, string[, maxsplit=0, flags=0])	按照能够匹配的子串将字符串分割后返回列表
re.sub(pattern, repl, string, count=0, flags=0)	替换字符串中的匹配项

flags参数	说明
re.l	使匹配对大小写不敏感
re.L	做本地化识别匹配（locale-aware）
re.M	多行匹配，影响^和$
re.S	使.匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响\w,\W,\b,\B
re.X	该标志通过给予更灵活的格式以便你将正则表达式写得更容易理解

2.1 re.compile(pattern[, flags])

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。

>>> import re
>>> a = re.compile('\.com')
>>> a.findall('www.baidu.com')
['.com']

2.2 re.findall(pattern, string, flags=0)

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

>>> import re
>>> re.findall('.*', 'hello')
['hello', '']
>>> re.findall('www.(\w+).com', 'www.baidu.com')
['baidu']
>>> re.findall('www.(?:\w+).com', 'www.baidu.com')
['www.baidu.com']
>>> re.findall('\\\\', 'abc\de')
['\\']
>>> re.findall(r'\\', 'abc\de')
['\\']

>>> re.findall('<a>(.*?)</a>',li)
['这个是内容', '这个是内容']
>>> li = '<div><ul><li><a>这个是内容</a></闪电></ul><ul><li><a>这个是内容</a></闪电></ul></div>'
>>> re.findall('<a>(.*)</a>',li)                  #贪婪匹配
['这个是内容</a></闪电></ul><ul><li><a>这个是内容']
>>> re.findall('<a>(.*?)</a>',li)                 #惰性匹配
['这个是内容', '这个是内容']

 

 

 

 

2.3 re.finditer(pattern, string, flags=0)

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

>>> import re
>>> a = re.finditer('\d', 'adf12345afds')
>>> print(next(a).group())
1
>>> print(next(a).group())
2
>>> print(next(a).group())
3
>>> print(next(a).group())
4
>>> print(next(a).group())
5

2.4 re.match(pattern, string, flags=0)

 

返回只在字符串开始匹配的对象。可以使用group() 或 groups() 匹配对象函数来获取匹配表达式

>>> import re
>>> html = "<a>这是一个超链接！</a>"
>>> re.match('<(\w+)>.*</(\w+)>',html)
<re.Match object; span=(0, 15), match='<a>这是一个超链接！</a>'>
>>> re.findall('<a>(.*)</a>',html)
['这是一个超链接！']

>>> ret = re.match('<a>(.*)</a>', html)           #分组匹配
>>> ret.group()
'<a>这是一个超链接！</a>'
>>> ret.group(1)
'这是一个超链接！'

2.5 re.serach(pattern, string, flags=0)

返回匹配到的第一个对象。可以使用group() 或 groups() 匹配对象函数来获取匹配表达式

>>> import re
>>> ret = re.search('(?P<id>\d{3})/(?P<name>\w{3})', 'weeew34ttt123/ooo')
>>> ret.group()
'123/ooo'
>>> ret.group('id')
'123'
>>> ret.group('name')
'ooo'

2.6 re.split(pattern, string[, maxsplit=0, flags=0])

按照能够匹配的子串将字符串分割后返回列表

>>> import re
>>> re.split('[b]', 'abcdabcdabcd')
['a', 'cda', 'cda', 'cd']
>>> re.split('[bd]', 'abcdabcdabcd')
['a', 'c', 'a', 'c', 'a', 'c', '']
>>> re.split('[ab]', 'abcdabcdabcd')
['', '', 'cd', '', 'cd', '', 'cd']

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

替换字符串中的匹配项

>>> import re
>>> re.sub('p.*n', 'world', 'hello,python')
'hello,world'
>>> re.sub('\d', 'abc', 'p1p2p3')
'pabcpabcpabc'