1.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)
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
#以上实例运行输出结果为:
(0, 3)
None
2.re.search方法
re.search 扫描整个字符串并返回第一个成功的匹配。
实例
#!/usr/bin/python3
import re
line = "Cats are smarter than dogs";
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj:
print ("searchObj.group() : ", searchObj.group())
print ("searchObj.group(1) : ", searchObj.group(1))
print ("searchObj.group(2) : ", searchObj.group(2))
else:
print ("Nothing found!!")
以上实例执行结果如下:
searchObj.group() : Cats are smarter than dogs
searchObj.group(1) : Cats
searchObj.group(2) : smarter
总结: 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。
3.检索和替换
Python 的re模块提供了re.sub用于替换字符串中的匹配项。
语法:
re.sub(pattern, repl, string, count=0)
参数:
- 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。
实例 1
#!/usr/bin/python3
import re
phone = "# 这是一个,2004-959-559 # 这是一个电话,号码。.# 你好啊。" \
"# 这是一个,2004-959-559 # 这是一个电话,号码。.# 你好啊。" \
"# 这是一个,2004-959-559 # 这是一个电话,号码。.# 你好啊"
# 删除注释
num = re.sub(r'#(.*?),', "", phone)
print("电话号码 : ", num)
# 移除非数字的内容
num = re.sub(r'\D', "", phone)
print("电话号码 : ", num)
以上实例执行结果如下:
电话号码 : 2004-959-559 号码。.2004-959-559 号码。.2004-959-559 号码。.# 你好啊
电话号码 : 200495955920049595592004959559
####注意:这里去除?
? 匹配前一个字符零次或一次。例如,"a?ve?“可以匹配"never"中的"ve”。
实例 2
phone = "# 这是一个,2004-959-559 # 这是一个电话,号1码。.# 你好啊。" \
"# 这是一个,2004-959-559 # 这是一个电话,号2码。.# 你好啊。" \
"# 这是一个,2004-959-559 # 这是一个电话,号3码。.# 你好啊"
# 删除注释
num = re.sub(r'#(.*),', "", phone)
print("电话号码 : ", num)
结果:
电话号码 : 号3码。.# 你好啊
**使用 subn() : ** 能返回替换测次数。
phone = "# #这是#一个,2004-111-559 # 这是一个电话,号1码。# 你好啊。" \
"# 这是一个,2004-222-559 # 这是一个电话,号2码。# 你好啊。" \
"# 这是一个,2004-333-559 # 这是一个电话,号3码。# 你好啊"
# 删除注释
num = re.subn(r'#(.*?),', "", phone)
print("电话号码 : ", num)
结果:
电话号码 : ('2004-111-559 号1码。2004-222-559 号2码。2004-333-559 号3码。# 你好啊', 6)
两者的不同之处在于subn返回替换的次数
4.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。
语法格式为:
re.compile(pattern[, flags])
实例 1
>>>import re
>>> pattern = re.compile(r'\d+') # 用于匹配至少一个数字
>>> m = pattern.match('one12twothree34four') # 查找头部,没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配,没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配,正好匹配
>>> print m # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0) # 可省略 0
'12'
>>> m.start(0) # 可省略 0
3
>>> m.end(0) # 可省略 0 5是字符串‘2’的界限
5
>>> m.span(0) # 可省略 0
(3, 5)
标注:+ 匹配前一个字符一次或多次。例如,“zo+“可以匹配"zoo”,但不匹配"z”。
实例 2
-
记得 match() 只匹配开头。
>>>import re
>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小写
>>> m = pattern.match('Hello World Wide Web')
>>> print m # 匹配成功,返回一个 Match 对象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0) # 返回匹配成功的整个子串
'Hello World'
>>> m.span(0) # 返回匹配成功的整个子串的索引
(0, 11)
>>> m.group(1) # 返回第一个分组匹配成功的子串
'Hello'
>>> m.span(1) # 返回第一个分组匹配成功的子串的索引
(0, 5)
>>> m.group(2) # 返回第二个分组匹配成功的子串
'World'
>>> m.span(2) # 返回第二个分组匹配成功的子串
(6, 11)
>>> m.groups() # 等价于 (m.group(1), m.group(2), ...)
('Hello', 'World')
>>> m.group(3) # 不存在第三个分组
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: no such group
5.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。
语法格式为:
####实例
import re
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)
输出结果
['123', '456']
['88', '12']
备注:str1 = re.findall(r'<p>(.+?)</p>', s1)
其实这是可以的。
re.finditer
和 findall 类似,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。
import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
print (match.group() )
12
32
43
3
###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:
>>>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']