re模块

re模块

import re

findall(正则表达式，待匹配字符串)：

• 返回所有满足匹配条件的结果,放在列表里

ret1 = re.findall('a', 'egg apple')
print(ret1)

['a']

ret2 = re.findall('[a-g]+', 'egg apple')
print(ret2)

['egg', 'a', 'e']

findall()：会优先把匹配结果组里内容返回,如果想要输出整个匹配结果,需要用?：取消权限

ret = re.findall('www.(google|baidu).com', 'www.google.com')
print(ret)

['google']

ret = re.findall('www.(?:google|baidu).com', 'www.google.com')
print(ret)

['www.google.com']

如果要找特殊的字符，需要在字符串前面加上r

ret = re.finditer(r'\\.', r'ab2\tf4\s\nf5')
for i in ret:
    print(i.group())

\t
\s
\n

search(正则表达式，待匹配字符串)：

• 从前往后，找到第一个就返回，返回的变量需要调用group()才能得到结果
• 如果没有，返回None，调用group()会报错

ret3 = re.search('a', 'egg apple')
if ret3:
    print(ret3.group())

a

如果group()中带参数n，那么就是打印第n组的结果

ret3 = re.search('^[1-9](\d{3}(\d{2}[0-9x]))$', '1234567')
if ret3:
    print(ret3.group())  # 打印匹配结果
    print(ret3.group(1))  # 打印第一组的结果，也就是(\d{3}(\d{2}[0-9x]))匹配的结果
    print(ret3.group(2))  # 打印第二组的结果，也就是(\d{2}[0-9x])匹配的结果

1234567
234567
567

还可以对组进行命名，用?P<name>

ret3 = re.search('^[1-9](?P<g1>\d{3}(\d{2}[0-9x]))$', '1234567')
if ret3:
    print(ret3.group('g1'))
    print(ret3.group(2))

234567
567

ret = re.search("(?P<g2>\d)\w(?P=g2)", "1a2b2b")
print(ret.group('g2'))
print(ret.group())

2
2b2

如果不给组命名,可以用’\m’,表示内容与前面第m组的内容一致

ret = re.search(r"<(\w+)>\w+<(\d+)><\2>","<h>hi<1><1>hello")
# \2表示和前面第二组也就是(\d+)中的内容要一样
print(ret.group(2))
print(ret.group())

1
<h>hi<1><1>

match(正则表达式，待匹配字符串)：

• 和search类似,只不过仅在字符串开始处进行匹配
• 找到就返回，返的变量需要调用group()才能得到结果
• 如果没有，返回None，调用group()会报错

ret4 = re.match('b', 'abc')
if ret4:
    print(ret4.group())  # 无任何输出，因为字符串'abc'的开头是'a'不是'b'，ret4为None

ret5 = re.match('ab', 'abc defg ab')
if ret5:
    print(ret5.group())

ab

split(正则表达式，待匹配字符串)：

• 按正则表达式中的规则对待匹配字符串进行分割，将结果放在列表中

ret = re.split('a', 'abcdafg3')
print(ret)

['', 'bcd', 'fg3']

ret = re.split('[af]', 'abcdafg3')
print(ret)

['', 'bcd', '', 'g3']

• 先将字符串'abcdafg3'按 'a'分割，得到' ', 'bcd', 'fg3'
• 再将' ', 'bcd', 'fg3' 按'f' 分割得到'', 'bcd', '', 'g3'

在正则表达式中需要匹配部分加上（）

• 在正则表达式中需要匹配部分加上（）之后所切出的结果和不加（）是不同的
• 没有（）：没有保留所匹配的项
• 有（）：保留了匹配的项

ret = re.split('(a)', 'abcdafg3')  # 保留了'a'
print(ret)

['', 'a', 'bcd', 'a', 'fg3']

sub(regex，replace，str，num)：

• regex：正则表达式，想要替换的字符类型
• replace：代替的字符
• str：需要替换的字符串
• num：替换的个数，默认全部替换

ret = re.sub('\d', 'p', 'a23le')
print(ret)

apple

ret = re.sub('\d', 'p', 'a23le',1)
print(ret)

ap3le

subn(regex，replace，str，num):

• regex：正则表达式，想要替换的字符类型
• replace：代替的字符
• str：需要替换的字符串
• num：替换的个数，默认全部替换
• 返回元组(替换后的结果,替换的次数)

ret = re.subn('\d', 'p', 'a23le')
print(ret)

('apple', 2)

ret = re.subn('\d', 'p', 'a23le',1)
print(ret)

('ap3le', 1)

compile(正则表达式)：

• 将正则表达式编译成为一个 正则表达式对象
• flags有很多可选值：
  • re.I(IGNORECASE)：忽略大小写
  • re.M(MULTILINE)：多行模式，改变^和$的行为
  • re.S(DOTALL)：可以匹配任意字符，包括换行符
  • re.L(LOCALE)：做本地化识别的匹配，表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境，不推荐使用
  • re.U(UNICODE)：\w \W \s \S \d \D 的使用取决于unicode定义的字符属性，默认值
  • re.X(VERBOSE)：冗长模式，该模式下字符串可以是多行的，忽略空白字符，并可以添加注释

obj = re.compile('\d+')  # 匹配一位或多位数字
ret = obj.search('ab123456')
print(ret.group())

123456

ret = re.search('\d+','ab123456')
print(ret.group())

123456

finditer(正则表达式，待匹配字符串)：

• 返回一个存放匹配结果的迭代器
• 迭代器中的每一个匹配结果需要调用group()查看结果

ret = re.finditer('\d', 'ab2df4sf5')
print(ret)
print(next(ret).group())

<callable_iterator object at 0x0000029EBAAA1400>
2

ret = re.finditer('\d', 'ab2df4sf5')
for i in ret:
    print(i.group())

2
4
5