Python正则表达式

Python正则表达式

正则表达式是字符串处理的有力工具，比字符串自身提供的方法提供了更强大的处理功能。

例如判断一个字符串是否是合法的Email地址，可以通过构造一个规则（正则表达式），去判断字符串是否能够匹配。

一、简介

正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。

正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。

在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

二、正则表达式语法

正则表达式由元字符及其不同组合来构成，通过巧妙地构造正则表达式可以匹配任意字符串，并完成查找、替换、分隔等复杂的字符串处理任务。

三、re模块

Python通过re模块提供对正则表达式的支持。

使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例

然后使用Pattern实例处理文本并获得匹配结果（一个Match实例）

最后使用Match实例获得信息，进行其他的操作。

re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None。

re.match(pattern, string, flags=0)
匹配成功re.match方法返回一个匹配的对象

使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配

re.search(pattern, string, flags=0)
re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None
而re.search匹配整个字符串，直到找到一个匹配。
compile 函数

compile 函数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.compile(pattern[, flags])
findall

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。

注意： match 和 search 是匹配一次 findall 匹配所有。

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

string 待匹配的字符串。

pos 可选参数，指定字符串的起始位置，默认为 0。

endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。
re.finditer

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

split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

re.split(pattern, string[, maxsplit=0, flags=0])
四、re处理字符串

import re #导入re模块
text = ‘alpha. beta…gamma delta’ #测试用的字符串
re.split(’[. ]+’, text) #使用指定字符作为分隔符进行分隔
[‘alpha’, ‘beta’, ‘gamma’, ‘delta’]

re.split(’[. ]+’, text, maxsplit=2) #最多分隔2次
[‘alpha’, ‘beta’, ‘gamma delta’]

re.split(’[. ]+’, text, maxsplit=1) #最多分隔1次
[‘alpha’, ‘beta…gamma delta’]

pat = ‘[a-zA-Z]+’
re.findall(pat, text) #查找所有单词
[‘alpha’, ‘beta’, ‘gamma’, ‘delta’]

贪婪 vs 不贪婪

当重复一个正则表达式时，如用 a*，操作结果是尽可能多地匹配模式。 .* 的本质是“贪婪”的

在这种情况下，解决方案是使用不贪婪的限定符 *?、+?、?? 或 {m,n}?，尽可能匹配小的文本。
正则表达式集锦

最简单的正则表达式是普通字符串，可以匹配自身

‘[pjc]ython’可以匹配’python’、‘jython’、‘cython’

'[a-zA-Z0-9]'可以匹配一个任意大小写字母或数字

'[^abc]‘可以一个匹配任意除’a’、‘b’、'c’之外的字符

'python|perl’或’p(ython|erl)‘都可以匹配’python’或’perl’

子模式后面加上问号表示可选。r’(http://)?(www.)?python.org’只能匹配’http://www.python.org’、‘http://python.org’、‘www.python.org’和’python.org’

'^http’只能匹配所有以’http’开头的字符串

(pattern)*：允许模式重复0次或多次

(pattern)+：允许模式重复1次或多次

(pattern){m,n}：允许模式重复m~n次

‘(a|b)*c’：匹配多个（包含0个）a或b，后面紧跟一个字母c。

‘ab{1,}’：等价于’ab+’，匹配以字母a开头后面带1个至多个字母b的字符串。

'1{1}([a-zA-Z0-9.]){4,19}$’：匹配长度为5-20的字符串，必须以字母开头并且可带字母、数字、“”、“.”的字符串。

‘^(\w){6,20}$’：匹配长度为6-20的字符串，可以包含字母、数字、下划线。

‘^\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}$’：检查给定字符串是否为合法IP地址。

‘^(13[4-9]\d{8})|(15[01289]\d{8})$’：检查给定字符串是否为移动手机号码。

‘2+$’：检查给定字符串是否只包含英文字母大小写。

‘^\w+@(\w+.)+\w+$’：检查给定字符串是否为合法电子邮件地址。

r’(\w)(?!.*\1)’：查找字符串中每个字符的最后一次出现。

r’(\w)(?=.*\1)’：查找字符串中所有重复出现的字符。