python常用正则表达式

Python正则表达式

常用函数

match(pat, str)：检查字符串的开头是否符合某个模式

search(pat, str)：检查字符串中是否符合某个模式

findall(pat, str)：返回所有符合某个模式的字符串，以列表形式输出

finditer(pat, str)：返回所有符合某个模式的字符串，以迭代器形式输出

split(pat, str)：以某个模式为分割点，拆分整个句子为一系列字符串，以列表形式输出

sub(pat, repl, str)：句子 str 中找到匹配正则表达式模式的所有子字符串，用另一个字符串 repl 进行替换

compile(pat)：将某个模式编译成对象，供之后使用

re.match

从起始位置开始匹配，返回匹配的对象；若无匹配，则返回none
语法：

re.match(pattern,string, flags=0)

参数	说明
pattern	匹配的正则表达式
string	要匹配的字符串
flags	标志符，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等

re.search

遍历字符串，并返回第一个成功的匹配
语法：

re.search(pattern,string, flags=0)

re.sub

替换字符串中的匹配项

re.sub(pattren,repl,string,count=0,flags=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。(可选）
• flags : 编译时用的匹配模式，数字形式。（可选）
  e.g.1

import re
phone = "2004-959-559 # 这是一个电话号码"
num = re.sub(r'#.*$',"",phone)  #去除注释
## 2004-959-559 

e.g.2

import re

def double_num(matched):
	value=int(matched.group('value'))
	return str(value*2)
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

compile函数

编译正则表达式，生成pattren对象，供match() 和 search() 使用。
语法：

re.compile(pattern[,flags])

• pattern : 一个字符串形式的正则表达式
• flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
  • re.I 忽略大小写
  • re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  • re.M 多行模式
  • re.S 即为’ . ‘并且包括换行符在内的任意字符（’ . '不包括换行符）
  • re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
  • re.X 为了增加可读性，忽略空格和’ # '后面的注释

e.g.1

import re
pattern = re.compile(r'\d+')
pattren.metch('string')

findall

返回一个列表，包含所有匹配的子串

re.findall(pattern, string, flags,pos,endpos)

参数：

• 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。
  e.g.1

import re
 
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('aaa 123 bbbb 456') #['123', '456']
result2 = pattern.findall('aa88bbb123ccccc456', 0, 10) #['88', '12']

re.finditer

返回一个迭代器，包含所有匹配的子串

语法：

re.finditer(pattern, string, flags,pos,endpos)

e.g.1

import re
 
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )

re.split

匹配的分隔符两边的实体都会被当成是结果中的元素返回。如果正则表达式中包含一个括号捕获分组，那么被匹配的文本也将出现在结果列表中，目的是保留分割字符串。

s = 'Kobe Bryant loves Gianna Bryant'
print( re.split(r'\s', s) )
['Kobe', 'Bryant', 'loves', 'Gianna', 'Bryant']

转义字符

常用

点 . 表示除新行（\n）的任意字符，它是个通配符。
托字符 ^ 表示字符串开头。
美元符 $ 表示字符串结尾。

贪婪模式：

• *表示后面可跟 0 个或多个字符

• +表示后面可跟 1 个或多个字符

• ?表示后面可跟 0 个或 1 个字符

非贪婪模式：

• *? 表示后面可跟 0 个或多个字符，但只取第一个

• +?表示后面可跟 1 个或多个字符，但只取第一个

• ?? 表示后面可跟 0 个或 1 个字符，但只取第一个

限定边界

{}可以设定具体的上界或（和）下界，使得代码更加有效也更好读懂，规则如下：

• {n} 左边的字符串是否出现 n 次
• {n, } 左边的字符串是否出现大于等于 n 次
• {, n} 左边的字符串是否出现小于等于 n 次
• {n, m} 左边的字符串是否出现在 n 次和 m 次之间。

其他

反斜杠 \ 可对特殊字符进行转义，也可对普通字符转义。
\b：匹配空字符串，但仅适用于单词的“首尾”
\B：匹配空字符串，但仅适用于单词的“非首尾”
\d：匹配任何“数字”字符，等价于 [0-9]
\D：匹配任何“非数字”字符，等价于[^0-9]
\s：匹配任何“空白”字符，等价于[\t\n\r]
\S：匹配任何“非空白”字符，等价于 [^\t\n\r]
\w：匹配任何“字母数字下划线”字符，等价于[a-zA-Z0-9_]
\W：匹配任何“非字母数字下划线”字符，等价于[^a-zA-Z0-9_]
\A：匹配句子的“开头”字符，等价于 ^
\Z：匹配句子的“结尾”字符，等价于 $
\t：匹配句子的“制表键 (tab)”字符
\r：匹配句子的“回车键 (return)”字符
\n：匹配句子的“换行键 (newline)”字符