python筆記之re模塊學習

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種模式匹配。python中使用re模塊進行正則表達式處理。

compile 函數用於編譯正則表達式，生成一個正則表達式（ Pattern ）對象。

語法格式為：

compile(pattern, flags=0):

參數：

pattern : 一個字符串形式的正則表達式

flags 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數為：

re.I 忽略大小寫

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境

 

 

re.M 多行模式

 

re.S 即為' . '並且包括換行符在內的任意字符（' . '不包括換行符）

re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字符屬性數據庫

re.X 為了增加可讀性，忽略空格和' # '后面的注釋

1、re.match函數

re.match 嘗試從字符串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。

import re

def retest():
    pattern = re.compile('12345')
    m = pattern.match('123459588j 12345kjjh328898890-8hghddd11234').span()  #在起始位置匹配，返回匹配位置
    print(m)
    m1 = pattern.match('847jhdfkad12345')   #不在起始位置匹配，返回None
    print(m1)

group()可以提取匹配的子字符串，比如：匹配字符串r'(.*) are (.*?) .*'定義了兩個分組

import re

def retest():
    if matchObj:
        print("matchObj.group() : ", matchObj.group())  #提取整個匹配字符串
        print("matchObj.group(1) : ", matchObj.group(1)) #提取第一個分組匹配字符串, 即：are 之前的匹配表達式
        print("matchObj.group(2) : ", matchObj.group(2)) #提取第一個分組匹配字符串，即：are 之后的匹配表達式
    else:
        print("No match!!")

2、re.search方法

re.search 掃描整個字符串並返回第一個成功的匹配。

函數語法：

search(pattern, string, flags=0)

import re

def retest():
    pattern = re.compile('12345')
    m = pattern.search('123459588j 12345kjjh328898890-8hghddd11234')  #在起始位置匹配，返回匹配位置
    print(m)
    m1 = pattern.search('847jhdfkad12345')   #不在起始位置匹配，返回匹配位置
    print(m1)

re.match與re.search的區別

re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

3、re.sup方法

re.sub用於替換字符串中的匹配項。

語法：

sub(pattern, repl, string, count=0, flags=0)

參數：

• pattern : 正則中的模式字符串。
• repl : 替換的字符串，也可為一個函數。
• string : 要被查找替換的原始字符串。
• count : 模式匹配后替換的最大次數，默認 0 表示替換所有的匹配。
• flags : 編譯時用的匹配模式，數字形式。

import re
    a = 'foot'
    b = re.sub('oo','ooo',a) #返回替換后的字符串
    print(b)

替換字符串也可以是函數

import re
 
# 將匹配的數字乘於 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

4、re.findall方法

在字符串中找到正則表達式所匹配的所有子串，並返回一個列表，如果沒有找到匹配的，則返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

語法格式為：

findall(pattern, string, flags=0)

參數：

• string 待匹配的字符串。
• pos 可選參數，指定字符串的起始位置，默認為 0。
• endpos 可選參數，指定字符串的結束位置，默認為字符串的長度。

import re

def retest():
    pattern = re.compile('\d+') #查找數字
    num = re.findall(pattern,'3dhfdiuhdkjfh9844948h5320') #返回查找結果列表
    print(num)

5、re.finditer方法

和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，並把它們作為一個迭代器返回。

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

6、re.split方法

split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

import re

def retest():
    aa = re.split('\d+','3u9389kdjfkdsjfdl384339') #以數字進行分割
    print(aa)

正則表達式模式

模式字符串使用特殊的語法來表示一個正則表達式：

字母和數字表示他們自身。一個正則表達式模式中的字母和數字匹配同樣的字符串。

多數字母和數字前加一個反斜杠時會擁有不同的含義。

標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義。

反斜杠本身需要使用反斜杠轉義。

由於正則表達式通常都包含反斜杠，所以你最好使用原始字符串來表示它們。模式元素(如 r'\t'，等價於 \\t )匹配相應的特殊字符。

下表列出了正則表達式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標志參數，某些模式元素的含義會改變。

模式	描述
^	匹配字符串的開頭
$	匹配字符串的末尾。
.	匹配任意字符，除了換行符，當re.DOTALL標記被指定時，則可以匹配包括換行符的任意字符。
[...]	用來表示一組字符,單獨列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0個或多個的表達式。
re+	匹配1個或多個的表達式。
re?	匹配0個或1個由前面的正則表達式定義的片段，非貪婪方式
re{ n}	匹配n個前面表達式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的兩個o。
re{ n,}	精確匹配n個前面表達式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等價於"o+"。"o{0,}"則等價於"o*"。
re{ n, m}	匹配 n 到 m 次由前面的正則表達式定義的片段，貪婪方式
a| b	匹配a或b
(re)	匹配括號內的表達式，也表示一個組
(?imx)	正則表達式包含三種可選標志：i, m, 或 x 。只影響括號中的區域。
(?-imx)	正則表達式關閉 i, m, 或 x 可選標志。只影響括號中的區域。
(?: re)	類似 (...), 但是不表示一個組
(?imx: re)	在括號中使用i, m, 或 x 可選標志
(?-imx: re)	在括號中不使用i, m, 或 x 可選標志
(?#...)	注釋.
(?= re)	前向肯定界定符。如果所含正則表達式，以 ... 表示，在當前位置成功匹配時成功，否則失敗。但一旦所含表達式已經嘗試，匹配引擎根本沒有提高；模式的剩余部分還要嘗試界定符的右邊。
(?! re)	前向否定界定符。與肯定界定符相反；當所含表達式不能在字符串當前位置匹配時成功。
(?> re)	匹配的獨立模式，省去回溯。
\w	匹配數字字母下划線
\W	匹配非數字字母下划線
\s	匹配任意空白字符，等價於 [\t\n\r\f]。
\S	匹配任意非空字符
\d	匹配任意數字，等價於 [0-9]。
\D	匹配任意非數字
\A	匹配字符串開始
\Z	匹配字符串結束，如果是存在換行，只匹配到換行前的結束字符串。
\z	匹配字符串結束
\G	匹配最后匹配完成的位置。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等。	匹配一個換行符。匹配一個制表符, 等
\1...\9	匹配第n個分組的內容。
\10	匹配第n個分組的內容，如果它經匹配。否則指的是八進制字符碼的表達式。