python正则表达式与re模块

转载自：
https://www.cnblogs.com/lht-record/p/10223030.html
https://www.cnblogs.com/tsql/p/6381367.html

有修改

python中的re模块常用函数/方法

1.正则表达式对象　　（re.compile(pattern, flags=0)）

将正则表达式编译成正则表达式对象，该对象可调用正则表达式对象方法如:re.match(),re.search(),re.findall等。

prog = re.compile(pattern)
result = prog.match(string)
//上下两种写法意义相同
result = re.match(pattern, string)

2.匹配对象及方法 （Match.group([group1, …])， Match.groups()，Match.groupdict()） (?P）

正则表达式对象成功调用match,search方法时返回的对象。主要有两个方法group()和groups()。(失败时返回None，而None调用这两个方法会出现异常)

group()函数通常用于普通方式显示所有的匹配部分，也可用序号检索各个匹配子组。

groups()函数用于获取一个包含所有匹配子字符串的元组。(在只有一个匹配子组时会返回空元组)

ob = re.compile(r'(\w+)-(\d+)')　　#()将正则表达式分成了两个子组
m = re.match(ob,'abc-123')
m.group()          #完整匹配
'abc-123'    
m.group(1)         #匹配子组1
'abc'
m.group(2)         #匹配子组2
'123'
m.groups()
('abc', '123')     #全部子组

(?P<name>)特殊符号可以使用名称标识符来保存匹配而不是数字。此时使用groupdict()方法返回一个字典，key为所给的名称标识符，而value为保存的匹配。

ob = re.compile(r'(?P<first>\w+)-(?P<second>\d+)')
m = re.match(ob,'abc-123')
m.groupdict()
{'second': '123', 'first': 'abc'}

3.匹配字符串 (re.match(pattern, string, flags=0)， re.search())

match()方法从字符串的起始部分对模式进行匹配，如果匹配成功，返回一个匹配对象，失败则返回None。

search()方法从任意位置对正则表达式对象搜索第一次出现的匹配,成功则返回一个匹配对象，失败返回None。

#PythonConsole中运行
>>> m = re.search('tif','beautiful')        
>>> m.group()       
'tif' 　　　　#匹配成功
>>> m.groups()
()           #返回空元组    
>>> m = re.match('tif','beautiful')
>>> m.group()          #返回None,而None没有group()方法
Traceback (most recent call last):
  File "<pyshell#5>", line 1, in <module>
    m.group()
AttributeError: 'NoneType' object has no attribute 'group'

4.查找每一次出现的位置 (re.findall(pattern, string, flags=0)) re.finditer()

findall()查询字符串中某个正则表达式模式全部的非重复出现情况。与search()类似，而与之不同的是，findall()方法返回一个列表，如果匹配成功则列表包含所有成功的匹配部分；如果匹配失败则返回空列表。

finditer()与findall类似（包含所有成功匹配），但它返回一个迭代器。

>>> s = 'This and that and the'
>>> re.findall(r'(th\w+)',s,re.I)　　//findall返回列表['This', 'that', 'the']>>> it = re.finditer(r'(th\w+)',s,re.I)　　//返回迭代器，用next()方法
>>> g = next(it)　　　　
>>> g.groups()
('This',)>>> g = next(it)
>>> g.group(1)
'that'
>>> g = next(it)
>>> g.group(1)
'the'
>>> [g.group(1) for g in re.finditer(r'(th\w+)',s,re.I)]　　//列表推导式
['This', 'that', 'the']

5.搜索与替换 (re.sub(pattern, repl, string, count=0, flags=0)) re.subn()

将某字符串中的所有匹配正则表达式的部分进行某种形式的替换。sub()与subn()几乎一样，sub()返回值是替换的个数，subn()返回值是元组 ：(替换后的字符串，替换个数)。

>>> re.sub('hello','HELLO','hello the hello and world\n')　　//将所有hello替换为HELLO
'HELLO the HELLO and world\n'　　
>>> re.subn('hello','HELLO','hello the hello and world\n')
('HELLO the HELLO and world\n', 2)
>>> re.sub('hello','world','hello the hello and world\n',1)　　//替换一个hello,即添加count参数
'world the hello and world\n'
>>> re.subn('[ed]','world','hello the hello and world\n')　　//将e或d替换为world，替换了5个
('hworldllo thworld hworldllo anworld worlworld\n', 5)

6.分隔字符串 （re.split(pattern, string, maxsplit=0, flags=0)）　　//类似于字符串的split()用法

拓展

正则前面的 (?i) (?s) (?m) (?is) (?im)

(?i) 表示所在位置右侧的表达式开启忽略大小写模式

(?s) 表示所在位置右侧的表达式开启单行模式

(?m) 表示所在位置右侧的表示式开启指定多行模式

(?is) 更改句点字符 (.) 的含义，以使它与每个字符（而不是除 \n 之外的所有字符）匹配

(?im) 更改 ^ 和 $ 的含义，以使它们分别与任何行的开头和结尾匹配,而不只是与整个字符串的开头和结尾匹配

注意：(?s)通常在匹配有换行的文本时使用

注意：(?m)只有在正则表达式中涉及到多行的“^”和“$”的匹配时，才使用Multiline模式,上面的匹配模式可以组合使用，比如(?is),(?im)

另外，还可以用(?i:exp)或者(?i)exp(?-i)来指定匹配的有效范围

具体实例看下文

7.扩展符号　　（前述方法的flags参数；而括号中为正则表达式的扩展符号,两种相同作用，用一种即可）

re.I/IGNORECASE （？i） 不区分大小写的匹配

>>> re.findall(r'(?i)yes','yes Yes YES!!')    //(?i)不区分大小写，正则表达式层面
['yes', 'Yes', 'YES']
>>> re.findall(r'yes','yes Yes YES!!',re.I)　　//re.I不区分大小写，python语言层面;下同
['yes', 'Yes', 'YES']

re.M/MULTILINE （？m） 实现跨行搜索

>>> re.findall(r'(?im)(^th[\w]+)',"""
This line is the first
another line
that line is the end""")
['This', 'that']

re.S/DOTALL　　(?s) 使 . 符号能表示\n符号
re.X/VERBOSE （？x） 通过抑制在正则表达式中使用空白符来创建更易读的正则表达式

>>> re.search(r'''(?x)
\((\d{3})\)　　//区号
[ ]　　//空格
(\d{3})　　//前缀
-　　//横线
(\d{4})　　//末尾数字
''','(800) 555-1212').groups()
('800', '555', '1212')

(?:...)可以对正则表达式分组，但不保存该分组用于后续检索或应用。

>>> re.findall(r'(?:\w+\.)*(\w+\.com)','baidu.com www.baidu.com code.baidu.com')　　//不保存（\w+\.）*匹配的分组，因而www,code均不出现在结果中
['baidu.com', 'baidu.com', 'baidu.com']

(?=...)和(?!...)可以实现前视匹配。前者正向前视断言，后者负向前视断言。通俗来说：(?=…)仅仅获取…表达式前的字符串，忽略该表达式；(?!..)则获取后面的字符串。

import re
result = re.findall(r'\w+(?= van Rossum)',
"""
    guido van Rossum
    tim peter
    Alex Martelli
    Just van Rossum
    Raymond Hettinger
""")
print(result)

['guido', 'Just']    //结果，忽略van Rossum而只保存该字符串前面的部分

正则表达式对象的另一种调用方法

Pattern.match(string[, pos[, endpos]])

Pattern.search(string[,pos[,endpos]])

Pattern.findall(string[, pos[, endpos]])

Pattern.finditer(string[, pos[, endpos]])

区别在于可调整pos，endpos参数来调整匹配范围。

import re
ob = re.compile('llo')
m1 = ob.match('hello world')
m2 = ob.match('hello world', 2)
print(m1, m2.group())
None llo            //match从头匹配，m1为空；从第三个开始匹配，则m2匹配成功

正则表达式基础知识可浏览：
https://blog.csdn.net/weixin_43407319/article/details/113390499