python中正則匹配之re模塊

Python中正則表達式

re：re是提供正則表達式匹配操作的模塊

一、什么是正則表達式

正則表達式是一個特殊的字符序列,它能幫助你方便的檢查一個字符串是否與某個模式匹配,Python 自1.5版本起增加了re模塊,它提供Perl風格的正則表達式。

二、正則表達式的基本使用

1、re.match()介紹
match() 試圖從字符串的起始位置對模式進行匹配,如果匹配成功,就返回一個匹配對象,如果匹配失敗,就返回None,匹配對象的group()方法能顯示成功匹配的對象。

使用語法：

re.match(pattern,string[, flags])

參數說明

• 匹配的正則表達式,直接傳入一個字符串,Python會將字符串作為正則表達式來對待
• 匹配的字符串
• 標志位：用於控制正則表達式的匹配方式,如：是否區分大小寫,多行匹配等

import re
ret = re.match("hello","hello word")
print(ret.group())  # 使用group()方式返回對應的分組

注意：

• match() 匹配是從字符串的開始位置匹配,如果開始匹配不到則不在匹配並返回一個None

import re
ret = re.match("hello","ahello word")
print(ret.group())  # 匹配不成功,就返回None

2、re.search()介紹

• re.match() 是從字符串的開始位置匹配,所以基本情況下能夠匹配的概率不大。
• re.search() 是從字符串中搜索正則表達式模式,任何位置都可以被匹配,返回的是第一次出現的匹配對象(因為正則字符串中可能會多出匹配),它的參數和re.match()是一樣的,返回值也是一個匹配對象

使用語法:

re.search(pattern,string[,flags])  

import re
ret = re.search("hello","ahello word")  # 搜索成功
print(ret.group())  # hello

3、re.match()和re.search()的區別

• re.match匹配的時候只匹配字符串的開始,如果字符串的開始不符合正則表達式,則匹配失敗,函數返回None。
• re.search() 匹配整個字符串,直到匹配到一個。

import re
ret = re.search("^hello","ahello word")  # 如果在hello前面加^號,其search的功能和match的功能一樣
print(ret.group())  # 匹配不成功，返回None

4、re.fildall()介紹

• re.fildall() 對整個字符串從左到右進行匹配,返回所有匹配對象的列表.

使用語法：

re.fildall(pattern,string[,flags])

ret = re.fildall('\d+','hello123,word456')
print(ret)
結果:
>>>['123','456']

5、re.compile()介紹

• re.compile() 對整個正則表達式進行預編譯,生成表達式對象,用於正則匹配

使用語法：
re.compile(pattern,flags)

import re
rule = re.compile('\d+')
ret = rule.findall('hellow word456')
print(ret)
>>>456

6、re.split()介紹

• re.split()方法與字符串的切割方法一樣,返回的是一個列表,這了我用正則匹配進行切割

使用語法：
re.split(pattern,string,maxsplit,flags)

import re
strs = 'zhangsan123wangwu345we'
set = re.split('\d+',strs)
print(set)
>>>['zhangsan', 'wangwu', 'we']

7、re.sub()介紹

• re.sub() 批量替換字符串中某個字符,如：將'hello word'替換成'HELLO word'

使用語法：
re.sub(pattern,repl,string,count)

import re
strs = 'hello word'
ret = re.sub('hello','HELLO',strs)
print(ret)
>>>HELLO word
# 使用正則來匹配替換
strs = 'abcd123efg345hi'
ret = re.sub(r'\d+','HELLO',strs)
print(ret)
>>>abcdHELLOefgHELLOhi

8、re.subn()介紹

• re.subn的用法和re.sub是一樣的,區別在與返回值,re.sub返回的是字符串,而re.subn返回的是元組

使用語法：
re.subn(pattern,repl,string,count)

import re
strs = 'abcd123efg345hi'
ret = re.subn(r'\d+','HELLO',strs)
print(ret)
>>>('abcdHELLOefgHELLOhi', 2)   #('替換后的字符串',替換的次數)

# 指定替換的次數
import re
strs = 'abcd123efg345hi'
ret = re.subn(r'\d+','HELLO',strs,1)
print(ret)
>>>('abcdHELLOefg345hi', 1)

三、正則表達式語法

• 正則表達式的強大之處是因為它提供了很多特殊符號和字符,使用它們正則表達式才可以強大而又靈活。

字符組

符號	描述
[0-9]	匹配數字
[a-z]	匹配小寫字母
A-Z	匹配大寫字母
[0-9A-z]	匹配數字及大小寫字母
[3-9]	匹配小范圍的數字值
[a-f]	匹配小范圍的字母值
[^abc]	不匹配abc任意字符
[^a-z]	不匹配a-z直接的任意字符
1[0-9]	匹配10-19直接的數值
1[0-9][0-9]	匹配100-199直接的數值

元字符

符號	描述
\d	匹配固定：0-9數值
\w	匹配數字字母及下划線中文:[0-9A-z_"中文"]
\s	匹配空白符:空格,Tab,回車
\t	匹配Tab
\n	匹配回車
\D	匹配數字
\W	匹配非數字字母下划線
\S	匹配非空白符
.	匹配除換行符外任意一個字符
^	匹配以某字符開頭
$	匹配以某字符結尾
[]	字符組(只要在[]里面的都匹配)
[^]	非字符組(只要在[]里面的都不匹配)
|	或,(如:abcdef|acb)
()	分組,如:^(abcdef|abc)$

量詞

符號	描述
{n}	重復n次
{n,}	重復至少n次,n次以上
{n,m}	重復n-m次
?	0或1次
+	1到不限
*	0到不限

貪婪和惰性

表達式	描述
a.*b	貪婪
a.*?b,a.+?b	惰性,在量詞后面的?表示惰性匹配,會在符合條件的基礎上盡量少的匹配其他內容

貪婪匹配模式

• 用到量詞的匹配時,默認為貪婪模式
• 貪婪模式的意思就是匹配的時候,盡量多匹配,不行再慢慢的減少匹配

import re
lst = "\d{2,4}"
ret = re.search(lst,"12345abcd")
print(ret.group())
結果：
>>>1234

惰性匹配模式

• 惰性匹配模式正好和貪婪模式相對
• 惰性匹配是盡量少的匹配,不行再慢慢去增加匹配的個數
• 惰性匹配只需要在量詞后面添加?即可

import re
lst = "\d{2,4}?"
ret = re.search(lst,"12345abcd")
print(ret.group())
結果：
>>>12

常用正則表達式

表達式	描述	結果
1[3-9]\d{9}	匹配手機號	13888998899
[1-9]\d*	匹配任意的正整數	143
\d+.\d+	匹配任意小數	12.345
\d+(.\d+)	匹配整數或小數	12或者12.131231

常用分組

代碼	描述
(exp)	匹配exp,並捕獲文本到自動命名的組里
(?exp)	匹配exp,並捕獲文本到名稱為name的組里,也可以寫(?'name'exp)
(?:exp)	匹配exp,不捕獲匹配的文本,也不給次分組分配組號
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置

findall，search和分組的關系

案例1：

import re
ret = re.findall('\d(\d)','a1,b22,c345')
print(ret)
>>>[2,4]

案例2：

import re
ret = re.findall('\d(?:\d)','a1,b22,c345')
print(ret)
>>>['22','34']

案例3：

import re
ret = re.search('(?P<num1>\d)(?P<num2>\d)','a14,b22,c3357')
print(ret.group())   # 14
print(ret.group(0))  # 14
print(ret.group(1))  # 1
print(ret.group(2))  # 4
print(ret.group('num1'))  # 1
print(ret.group('num2'))  # 4

案例4：

import re
ret = re.search('(?P<num1>\d)(?P=num1)','a14,b22,c3357')
print(ret.group())  #匹配10位數，並且分組1=分組2
>>>22

分組的作用

import re
ret = re.search("<(?P<tag_name)>\w)>.*</(?P=tag_name)>","<h1>hello<\h1>")
print(ret)
print(ret.group('tag_name'))
print(ret.group())
>>>h1
>>>h1
>>><h1>hello</h1>