Python Re正则表达式

正则表达式是用来简洁表达一组字符串的表达式

正则表达式在文本处理中十分常用：
表达文本类型的特征（病毒、入侵等）
同时查找或替换一组字符串
匹配字符串的全部或部分
……
最主要应用在字符串匹配中

编译：将符合正则表达式语法的字符串转换成正则表达式特征

正则表达式的语法：

正则表达式语法由字符和操作符构成

常用操作符：

实例：

()可以提取出来匹配的内容

p=re.compile('<a>(.*?)</a>')
print(re.findall(p,'<a>qwe</a>'))

输出：qwe

正则表达式                                                     对应字符串
P(Y|YT|YTH|YTHO)?N                                    'PN'、'PYN'、'PYTN'、'PYTHN'、'PYTHON
PYTHON+                                                         'PYTHON'、'PYTHONN'、'PYTHONNN' …
PY[TH]ON                                                          'PYTON'、'PYHON'
PY[^TH]?ON                                                      'PYON'、'PYaON'、'PYbON'、'PYcON'…
PY{:3}N                                                              'PN'、'PYN'、'PYYN'、'PYYYN'… 

经典正则表达式实例：

^[A‐Za‐z]+$                                                 由26个字母组成的字符串
^[A‐Za‐z0‐9]+$                                          由 26 个字母和数字组成的字符串

^‐?\d+$                                                          整数形式的字符串
^[0‐9]*[1‐9][0‐9]*$                                     正整数形式的字符串
  [1‐9]\d{5}                                                       中国境内邮政编码， 6 位

  [\u4e00‐\u9fa5]                                               匹配中文字符

  \d{3}‐\d{8}|\d{4}‐\d{7}                                    国内电话号码， 010‐68913536

匹配IP地址实例：

\d+.\d+.\d+.\d+或 \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
IP地址字符串形式的正则表达式（IP地址分4段，每段0‐255）
精确写法 0‐99： [1‐9]?\d
100‐199: 1\d{2}
200‐249: 2[0‐4]\d
250‐255: 25[0‐5]

将上述进行或操作：
(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])


Re库是Python的标准库，主要用于字符串匹配
re库采用raw string类型表示正则表达式，表示为：r'text'
例如： r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
raw string是不包含对转义符再次转义的字符串 

Re库的主要功能函数：

1.re.search(pattern,string, flags=0)
pattern : 正则表达式的字符串或原生字符串表示 

string: 待匹配字符串
flags : 正则表达式使用时的控制标记 

常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A‐Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符

import re
match=re.search(r'[1-9]\d{5}','SDNU 250358')
if match:
    print(match.group(0))

输出：250358

2.re.match(pattern,string, flags=0)
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string :待匹配字符串
∙ flags :正则表达式使用时的控制标记

import re
match1=re.match(r'[1-9]\d{5}','SDNU 250358')
match2=re.match(r'[1-9]\d{5}','250358 SDNU')
if match1:
    print(match1.group(0))
else:
    print("match1为空")
if match2:
    print(match2.group(0))
else:
    print("match2为空")

输出：

match1为空
250358

3.re.findall(pattern,string, flags=0)
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string :待匹配字符串
∙ flags :正则表达式使用时的控制标记

import re
list=re.findall(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(list)

输出：['250358', '250100']

4.re.split(pattern,string, maxsplit=0,flags=0)
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string :待匹配字符串
∙ maxsplit:最大分割数，剩余部分作为最后一个元素输出
∙ flags :正则表达式使用时的控制标记

import re
list1=re.split(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(list1)
list2=re.split(r'[1-9]\d{5}','SDNU 250358 SDU 250100',1)
print(list2)

输出：

['SDNU ', ' SDU ', '']
['SDNU ', ' SDU 250100']

5.re.finditer(pattern,string, flags=0)
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ string :待匹配字符串
∙ flags :正则表达式使用时的控制标记

import re
list=re.finditer(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
for element in list:
    print(element.group(0))

输出：

250358
250100

6.re.sub(pattern,repl, string,count=0, flags=0)
∙ pattern : 正则表达式的字符串或原生字符串表示
∙ repl :替换匹配字符串的字符串
∙ string :待匹配字符串
∙ count :匹配的最大替换次数
∙ flags :正则表达式使用时的控制标记

import re
newStr=re.sub(r'[1-9]\d{5}','1111','SDNU 250358 SDU 250100')
print(newStr)

输出：SDNU 1111 SDU 1111

Re库另一种等价用法：

函数式用法：一次性操作  rst= re.search(r'[1‐9]\d{5}','BIT 100081')

面向对象用法：编译后的多次操作
 pat= re.compile(r'[1‐9]\d{5}')
 rst =pat.search('BIT 100081')

match对象：

match对象可以更多的告诉我们匹配的信息

属性：

.string         待匹配的文本
.re              匹配时使用的patter对象（正则表达式）
.pos           正则表达式搜索文本的开始位置
.endpos     正则表达式搜索文本的结束位置 

方法：

.group(0)      获得匹配后的字符串
.start()          匹配字符串在原始字符串的开始位置
.end()           匹配字符串在原始字符串的结束位置
.span()         返回(.start(), .end())

实例：

import re
match=re.search(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(match.string)
print(match.re)
print(match.pos)
print(match.endpos)
print(match.group(0))
print(match.start())
print(match.end())
print(match.span())

输出:
SDNU 250358 SDU 250100
re.compile('[1-9]\\d{5}')
0
22
250358
5
11
(5, 11)

Re库的贪婪匹配和最小匹配

match = re.search(r'PY.*N', 'PYANBNCNDN')
match.group(0)

同时匹配长短不同的多项，返回哪一个呢？
Re 库默认采用贪婪匹配，即输出匹配最长的子串
输出： PYANBNCNDN

使用最小匹配：

*?            前一个字符0次或无限次扩展，最小匹配
+?           前一个字符1次或无限次扩展，最小匹配
??           前一个字符0次或1次扩展，最小匹配
{m,n}?     扩展前一个字符m至n次（含n），最小匹配

match = re.search(r'PY.*?N', 'PYANBNCNDN')
print(match.group(0))

输出：PYAN