python正则式学习笔记

强烈参考地址

1.正则表达修饰符

修饰符	含义
re.I	不区分大小写
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	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

修饰符之间用 | 连接，表or

2.正则表达式模式（只列一些说人话的，re表示字符串）

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，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[…]	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
re*	匹配0个或多个的表达式
re+	匹配1个或多个的表达式
re?	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
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 “Bob” 中的 “o”，但是能匹配 “food” 中的两个 o
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。“o{1,}” 等价于 “o+”。“o{0,}” 则等价于 “o*”
re{ 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,中间是竖杠，在markdown的表格里我却不知道用什么消除转义字符
\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
\n, \t,	匹配一个换行符。匹配一个制表符
\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’。

实例：

import re
print(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配
print(re.match('com', 'www.runoob.com'))         # 不在起始位置匹配

span()返回匹配的范围

参考链接.
几个功能：
1）上面提到的match，不从开始的地方匹配，匹配不到就返回None，否则返回span范围和匹配到的字符串
2）search，类似match，但是不用从开头匹配，他会返回匹配到的位置和字符串
3）group，具体看下面这个例子

#!/usr/bin/python
import re
 
line = "Cats are smarter than dogs"
 
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
 
if matchObj:
   print "matchObj.group() : ", matchObj.group()
   print "matchObj.group(1) : ", matchObj.group(1)
   print "matchObj.group(2) : ", matchObj.group(2)
else:
   print "No match!!"

首先看这一行代码

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

re.M和re.I分别表示不区分大小写和多行匹配

第一个r表转义，就是和open里面那个r是一个用处
两个括号类似于分组的作用，括号里的为一组，?结尾表示非贪婪匹配，匹配1个就结束
结果如下：

4）re.sub用于替换字符串中指定字符
语法:re.sub(pattern, repl, string, count=0, flags=0)

pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配

import re
 
phone = "2004-959-559 # 这是一个国外电话号码"
 
# 删除字符串中的 Python注释 
num = re.sub(r'#.*$', "", phone)
print "电话号码是: ", num
 
# 删除非数字(-)的字符串 
num = re.sub(r'\D', "", phone)
# 删除非数字(-)的字符串 
num = re.sub(r'[^0-9]', "", phone)
print "电话号码是 : ", num

5)’(?P…)’ 分组匹配,直接将匹配结果转化为字典形式

import re
s = '1102231990xxxxxxxx'
res = re.search('(?P<province>\d{3})(?P<city>\d{3})(?P<born_year>\d{4})',s)
print(res.groupdict())

结果：
{‘province’: ‘110’, ‘city’: ‘223’, ‘born_year’: ‘1990’}

当re.sub里的repl是一个函数

# -*- coding: UTF-8 -*-
 
import re
 
# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

结果：A46G8HFD1134
6）findall和finditer
findall和compile一起使用，compile用于编译正则表达式，生成一个正则表达式（ Pattern ）对象
例子：

pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
 
print(result1)
print(result2)

结果：
[‘123’, ‘456’]
[‘88’, ‘12’]

语法：
re.finditer(pattern, string, flags=0)

# -*- coding: UTF-8 -*-
 
import re
 
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

结果：
12
32
43
3

7）split

>>>import re
>>> re.split('\W+', 'runoob, runoob, runoob.')
['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W+)', ' runoob, runoob, runoob.') 
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
>>> re.split('\W+', ' runoob, runoob, runoob.', 1) 
['', 'runoob, runoob, runoob.']
 
>>> re.split('a*', 'hello world')   # 对于一个找不到匹配的字符串而言，split 不会对其作出分割
['hello world']

line='茶叶8元，beer 10,鸡肉18元'
num = re.split('\D+',line)
summ = 0
for i in num:
    if len(i)!=0 :
        i = int(i)
        summ=summ+i
print(summ)

我太菜了，不知道为什么有空格，只有用这种方法了