python3 陌生的角落（7）：正则表达式

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']