re模块简介

• 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是否与某种模式匹配。

• Python1.5版本提供了re模块，该模块提供所有的正则表达式功能

• 使用re模块，首先导入re模块：import re

正则表达式模式(pattern)

• [Pp]ython：匹配 "Python|python"。类似于P|python

• rub[ye]：匹配"ruby|rube"。类似于ruby|e

• [aeiou]：匹配中括号内的任意一个字符。

• [0-9]：匹配任何数字。类似于[0123456789]

• [a-z]：匹配任何小写字母。

• [A-Z]：匹配任何大写字母

• [a-zA-Z0-9]：匹配任何字母和数字。类似于

• [^aeiou]：匹配除了aeiou之外的所有字符

• [^0-9]：匹配除了数字外的字符

正则表达式函数

函数各参数

• pattern：匹配的正则表达式。

• string：要匹配的字符串。

• repl：替换的字符串，也可以为一个函数

• 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：标志位，可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.I：使匹配对大小写不敏感

  • re.L：做本地化识别匹配

  • re.M：多行匹配，影响 ^和$

  • re.S：使 . 匹配包括换行以内的所有字符

  • re.U：根据Unicode字符集解析字符。这个标志影响\W,\w,\b,\B。

  • re.X：该标志通过给予你更灵活的格式以便你将正则表达式写得更容易理解。

re.match

• re.match(pattern,string,flags=0)

  • re.match()尝试从字符串的起始位置匹配一个模式，

    • 匹配成功re.match()返回一个匹配的对象。

    • 如果不是起始位置匹配成功的话，re.match()就返回None；

  • 我们可以使用group(num)|groups()匹配对象函数获取匹配表达式。

    • 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
​
# 在起始位置匹配
print(re.match('www',"www.xw.com").span())
# 不在起始位置匹配
print(re.match('com','www.xw.com'))
​
"""---------------------------------------"""
line = "Cat are smarter than dogs"
"""
  re.match(pattern,string,flags)
  '''
    .：匹配一个任意字符
    re*：匹配 >=0个 的表达式。.*：匹配任意个任意字符
    re?：匹配 0|1个 由前面的正则表达式定义的片段。
  '''
"""
# .*：匹配任意个任意字符。
# .*?：
matchObj = re.match(r'(.*) are (.*?) .*',line,re.I|re.M)
​
if matchObj:
  print("matchObj.group()：",matchObj.group())
  print("matchObj.group(1)：",matchObj.group(1))
  print("matchObj.group(2)：",matchObj.group(2))
    print("matchObj.groups()：",matchObj.groups())

re.search

• re.search(pattern,string,flags=0)

  • re.search()扫描整个字符串，并且返回第一个成功的匹配。

    • 匹配成功：re.search()返回一个匹配的对象

    • 匹配失败：re.search()返回None

  • 我们可以使用group(num)|groups()匹配对象函数获取匹配表达式。

    • 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
​
# 在起始位置匹配
print(re.search('www',"www.xw.com").span())
# 不在起始位置匹配
print(re.search('com','www.xw.com').span())
​
"""---------------------------------------"""
line = "Cat are smarter than dogs"
"""
  re.search(pattern,string,flags)
  '''
    .：匹配一个任意字符
    re*：匹配 >=0个 的表达式。.*：匹配任意个任意字符
    re?：匹配 0|1个 由前面的正则表达式定义的片段。
  '''
"""
# (.*)：匹配任意个任意字符，并且分组。
# (.*?)：匹配任意个任意字符，
searchObj = re.search(r'(.*) are (.*?) .*',line,re.I|re.M)
​
if searchObj:
  print("searchObj.group()：",searchObj.group())
  print("searchObj.group(1)：",searchObj.group(1))
  print("searchObj.group(2)：",searchObj.group(2))
  print("searchObj.groups()：",searchObj.groups())

• re.search与re.match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

  • re.search匹配整个字符串，直到找到第一个匹配。

re.sub

• re.sub(pattern,repl,string,count=0,flags=0)

  • 用于替换字符串中的匹配项。

import re
"""
  re.sub(pattern,repl,string,count=0,flags=0)
"""
​
# repl为普通参数：
phone = "133-8716-6270 #注释" 
​
# 删除字符串中的 #注释
num = re.sub(r'#.*$'," ",phone)
print("电话号码：",num)
​
# 删除非数字 -
num = re.sub(r'\D','',phone)
print("电话号码：",num)
​
# repl为函数：
# 将匹配的数字 *2
def double(matched):
  value = int(matched.group('value'))
  return str(value *2)
​
s = 'AAAA##$$$$33456'
print(re.sub('(?P<value>\d+)',double,s))

re.compile

• re.compile(pattern[,flags])

  • re.compile()函数用于编译正则表达式，生成一个表达式（Pattern）对象，给match()和search()这两个函数使用。

import re
​
# 用于匹配至少一个数字
pattern = re.compile(r'\d+') 
​
# 查找头部，没有匹配
m = pattern.match('one12twossfaf34fag')
print(m)
​
# 从字符串索引为(3-14)的位置匹配，匹配成功
m = pattern.match('one12twossfaf34fag',3,14)
print(m)
​
print(m.group())
print(m.start())
print(m.end())
print(m.span())

• group([group1],...)

  • 方法用于获取一个或者多个分组匹配的字符串，当要获取整个匹配的子串时，可直接使用group()|groups()

• start([group])

  • 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为0

• end([group])

  • 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为0

• span([group])

  • 方法返回(start(group) , end(group))

re.finditer

findall

• findall(string[,pos[,endpos]])

  • 在字符串中找到正则表达式所匹配的所有子串，并且返回一个列表，如果没有找到匹配的，则返回空列表。

  • match和search是匹配一次findall匹配所有。

• 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，默认是字符串的长度。

re.finditer

• re.finditer(pattern,string,flags=0)

  • 和findall类似，在字符串中找到正则表达式所匹配的所有子串，并且它们作为一个迭代器返回。

import re
​
# findall：
pattern = re.compile(r'\d+') #查找数字
result1 = pattern.findall('rnoob 1414')
result2 = pattern.findall('rnoob1afsafasf21g5gr155161',5,77)
print(result1)
print(result2)
​
# re.finditer：
it = re.finditer(r'\d+',"121415fag516 afag")
for m in it:
  print(m.group())

re.split

• re.split(pattern,string[,maxsplit=0,flags=0])

  • re.split()方法安照能够匹配的子串将字符串分割后返回列表。

• 参数：

  • maxsplit：分割次数，maxsplit=1分割一次，默认为0，不限制次数。

import re
​
cut = '11fag51,53-52sg,,g3 y6shsgl'
​
print(re.split('\W+',cut))
print(re.split('\d+',cut))

正则表达式对象

re.RegexObject

• re.compile()返回 RegexObject对象

re.MatchObject

• group()返回被RE匹配的字符串

  • start()：返回匹配开始的位置

  • end()：返回匹配结束的位置

  • span()：返回一个元组包含匹配（开始，结束）的位置。

  •