python---正则表达式

正则表达式

最近学到了python的正则表达式，通过规则和例子来描述这个玩意

首先介绍一下规则，如下表所示：

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符。
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
*	匹配0个或多个的表达式。
+	匹配1个或多个的表达式。
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{ n}	精确匹配 n 个前面表达式
{ n,}	匹配 n 个前面表达式
{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	对正则表达式分组并记住匹配的文本
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (…), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?= re)	前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置
\B	匹配非单词边界
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1…\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

经常使用的方法如下：

1.模块内容

import re
# 将正则表达式的样式编译为一个正则表达式对象 （正则对象），可以用于匹配
re.compile(pattern, flags=0)
# 扫描整个 String 找到匹配样式的第一个位置，并返回一个相应的 匹配对象
re.search(pattern, string, flags=0)
# 用 pattern 分开 string
re.split(pattern, string, maxsplit=0, flags=0)
# 对 string 返回一个不重复的 pattern 的匹配列表
re.findall(pattern, string, flags=0)
# 用于 分组
re.finditer(pattern, string, flags=0)
# 返回通过使用 repl 替换在 string 最左边非重叠出现的 pattern 而获得的字符串
re.sub(pattern, repl, string, count=0, flags=0)
# 与上述相同 但是返回一个元组 (字符串, 替换次数).
re.subn(pattern, repl, string, count=0, flags=0)

2.正则表达式对象

import re
# 将正则表达式的样式编译为一个正则表达式对象 （正则对象），可以用于匹配
p = re.compile(pattern, flags=0)
# 扫描整个 string 寻找第一个匹配的位置， 并返回一个相应的 匹配对象。如果没有匹配，就返回 None
p.search(string[, pos[, endpos]])
# 如果 string 的 开始位置 能够找到这个正则样式的任意个匹配，就返回一个相应的 匹配对象
p.match(string[, pos[, endpos]])
# 等价于 split() 函数，使用了编译后的样式。
p.split(string, maxsplit=0)
# 类似上面
p.findall(string[, pos[, endpos]])
p.finditer(string[, pos[, endpos]])
p.subn(repl, string, count=0)

3.示例

• 将字符串中的数字改为下划线

  pattern = re.compile('\d')
  str1 = 'one1two2three3four'
  print(pattern.findall(str1))
  iter = pattern.finditer(str1)
  for i in iter:
      print(i)
  print(pattern.sub('-',str1))
  print(re.sub("\d","_",str1))
  
  '''
  	['1', '2', '3']
      <_sre.SRE_Match object; span=(3, 4), match='1'>
      <_sre.SRE_Match object; span=(7, 8), match='2'>
      <_sre.SRE_Match object; span=(13, 14), match='3'>
      one-two-three-four
      one_two_three_four
  '''
  

• 引用分组 使用 ()

  strs = 'hello 123,world 321'
  pattern = re.compile('(\w+)\s(\d+)')
  # print(pattern.findall(strs))
  print(pattern.sub(r'\2 \1',strs)) # 取得分组
  '''
  	123 hello,321 world
  '''
  

• 贪婪模式示例

  # 贪婪模式下
  str1 = 'aaa<p>hello</p>bbb<p>world</p>'
  pattern = re.compile('<p>.*</p>')
  print(pattern.findall(str1))
  '''
  	['<p>hello</p>bbb<p>world</p>']
  '''
  # 非贪婪模式
  pattern = re.compile('<p>.*?</p>')
  print(pattern.findall(str1))
  '''
  	['<p>hello</p>', '<p>world</p>']
  '''
  

• 匹配中文

  str1 = '你好，hello,帅哥'
  pattern = re.compile('[\u4e00-\u9fa5]+')
  print(pattern.findall(str1))
  '''
  	['你好', '帅哥']
  '''