（100天2小时第十天）正则模块 re

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

re 模块使 Python 语言拥有全部的正则表达式功能。

1.re.match函数

函数语法：

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

函数参数说明：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
flags	标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志

匹配成功re.match方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法	描述
group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

import re
print(re.match('www', 'www.runoob.com').span())
print(re.match('com', 'www.runoob.com'))

  

line = "Cats are smarter than dogs"
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)

if matchObj:
    print("matchObj.group() : ", matchObj.group())
    print("matchObj.group(1) : ", matchObj.group(1))
    print("matchObj.group(2) : ", matchObj.group(2))
else:
    print("No match!!")

 

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。

匹配成功re.search方法返回一个匹配的对象，否则返回None。

import re
print(re.search('www', 'www.runoob.com').span())  # 在起始位置匹配
print(re.search('com', 'www.runoob.com').span())  # 不在起始位置匹配

 

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!!")

正则表达式中，group（）用来提出分组截获的字符串，（）用来分组

import re
a = "123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0))   #123abc456,返回整体
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1))   #123
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2))   #abc
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3))   #456

  

(1). 正则表达式中的三组括号把匹配结果分成三组

•  group() 同group（0）就是匹配正则表达式整体结果
•  group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。

(2). 没有匹配成功的，re.search（）返回None

(3). 当然郑则表达式中没有括号，group(1)肯定不对了。

加group和不加group的区别：

obj=re.compile('\d{3}')
ret=obj.search('ab34c1234eeee')#匹配3个连续的十进制数
print(ret)
print(ret.group())

 

3.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。

import re

line = "Cats are smarter than dogs"

matchObj = re.match(r'dogs', line, re.M | re.I)
if matchObj:
    print("match --> matchObj.group() : ", matchObj.group())
else:
    print("No match!!")

matchObj = re.search(r'dogs', line, re.M | re.I)
if matchObj:
    print("search --> matchObj.group() : ", matchObj.group())
else:
    print("No match!!")

4.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, 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。
• flags : 编译时用的匹配模式，数字形式。

前三个为必选参数，后两个为可选参数。

import re

phone = "2004-959-559 # 这是一个电话号码"

# 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)

  

repl 参数是一个函数

import re


# 将匹配的数字乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)


s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

 

Python正则表达式中替换sub()和subn()总结：

subn()和 sub()一样，但subn()还返回一个表示替换的总数，替换后的字符串和表示替换总数的数字一起作为一个拥有两个元素的元组返回。

ret=re.sub('\d','abc','alvin5yuan6',1)#在碰到第一个十进制的位置替换成abc，不指定1两个都要替换。
print(ret)
ret=re.subn('\d','abc','alvin5yuan6')#subn()和 sub()一样，但subn()还返回一个表示替换的总数，替换后的字符串和表示替换总数的数字一起作为一个拥有两个元素的元组返回。
print(ret)

 

 

5.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。

import re

pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
m = pattern.match('one12twothree34four')    #第一个不是数字不匹配
print(m)
m = pattern.match('one12twothree34four', 2, 10)
print(m)
m = pattern.match('one12twothree34four', 3, 10)#下标3的位置是数字1，匹配成功
print(m)
print(m.group(0))
print(m.start(0))
print(m.end(0))
print(m.span())

  

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')  # 匹配成功，返回一个 Match 对象
print(m)
print(m.group(0))  # 返回匹配成功的整个子串
print(m.span(0))   # 返回匹配成功的整个子串的索引
print(m.group(1))  # 返回第一个分组匹配成功的子串
print( m.span(1))  # 返回第一个分组匹配成功的子串的索引
print(m.group(2))  # 返回第二个分组匹配成功的子串
print(m.span(2))   # 返回第二个分组匹配成功的子串索引
print(m.groups())

问题：为什么只匹配了Hello World 没有Wide Web，([a-z]+) ([a-z]+)代表限制了两个字符串？

6.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())

 

import re
ret=re.finditer('\d','ds3sy4784a')
print(ret)
for match in ret:
    print(match.group())

  

7.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。

import re
print(re.split('\W+', 'runoob, runoob, runoob.'))
print(re.split('(\W+)', ' runoob, runoob, runoob.') )
print(re.split('\W+', ' runoob, runoob, runoob.', 1))
print(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

 

问题：没有看懂这几个结果的区别

特殊字符

\d	匹配任何十进制数字，与[0-9]一致(\D与\d相反，不匹配任何非数值型的数字)	data\d+.txt
\w	匹配任何字母数字字符，与[A-Za-z0-9_]相同 (\W与之相反)	[A-Za-z_]\w+
\s	匹配任何空格字符，与[\n\t\r\v\f]相同(\S与之相反)	of\sthe
\b	匹配任何单词边界(\B与之相反)	\bThe\b
\N	匹配已保存的字组N	price:\16
\c	逐字匹配任何特殊字符c	\,\\,\*
\A(\z)	匹配字符串的起始(结束)

一些例子：

print(re.findall('a','alvin yuan'))    #返回所有满足匹配条件的结果,放在列表里
print(re.search('a','alvin yuan').group())
print(re.match('a','abc').group())
print(re.match('a','bac'))#match必须从开始匹配
ret=re.split('[ab]','abcd')     #先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割成''和'cd'
print(ret)

  

 

总结：

1.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。

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

  group() 同group（0）就是匹配正则表达式整体结果

  group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。

3.re.sub用于替换字符串中的匹配项。

   subn()和 sub()一样，但subn()还返回一个表示替换的总数，替换后的字符串和表示替换总数的数字一起作为一个拥有两个元素的元组返回。

4.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。

5.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。

7.split 方法按照能够匹配的子串将字符串分割后返回列表。没有看懂