CaveOps | Post: Python: RegEx

Table of Content

本文主要介绍 Python 正则表达式的基本使用.

re模块

re 模块使用 Python 拥有全部的正则表达式功能

re.I(re.IGNORECASE) #忽略大小写(括号内是完整写法)
re.M(MULTILINE) #(多行模式，改变"^","$"的行为)
re.S(DOTALL) #(点任意匹配模式，改变"." 的行为)
re.X(VERBOSE) #详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

re.complit

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换

re.match(pattern, string, flags=0)
# pattern: 正则模型
# string:要匹配的字符串
# falgs:匹配模式

a = re.complit(r"\d*", re.I)
b = a.match("ABCde")

re.match

re.match 函数尝试从字符串的其实位置匹配一个模式，如果不是起始位置匹配成功的话，match() 就返回 None

print(re.match('com','comwww.runcomoob').group())
print(re.match('com','Comwww.runcomoob',re.I).group())

# 执行结果：
#com
#com

re.seach

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

re.search 函数会在字符串内查找模式匹配，只要找到第一个匹配然后返回，如果字符串没有匹配，则返回 None

print(re.search('\dcom','www.4comrunoob.5com').group())
#执行结果：
#4com

match 和 search 一旦匹配成功，就是一个 match object 对象

match object 对象有以下方法:

·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
·group() #返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串
a. group() #返回re整体匹配的字符串，
b. group (n,m) #返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常
c.groups()groups() #方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups()不需要参数，返回一个元组，元组中的元就是正则表达式中定义的组。

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

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

re.findall

re.findall 遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表

re.findall(pattern，string，flags=0)

p = re.compile(r'\d+')
print(p.findall('o1n2m3k4')) #['1','2','3','4']

import re
tt = "Tina is a good girl , she is cool ,clever, and so on ..."
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt))
print(re.findall(r'(\w)*oo(\w)'tt))
# 执行结果
# ['good','cool']
# [('g','d'),('c','l')]

re.finditer

finditer()

搜索 string，返回一个顺序访问每一个匹配结果( match 对象)的迭代器。找到 RE 匹配的所以子串，并把他们昨晚一个迭代器返回

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

iter = re.finditer(r'\d+','12 drumm44ers drumming, 11.. 10..')
for i in iter:
    print(i)
    print(i.group())
    print(i.span())
# 执行结果
# <_sre.SRE_Match object; span=(0, 2), match='12'>
# 12
# (0, 2)
# <_sre.SRE_Match object; span=(8, 10), match='44'>
# 44
# (8, 10)
# <_sre.SRE_Match object; span=(24, 26), match='11'>
# 11
# (24, 26)
# <_sre.SRE_Match object; span=(31, 33), match='10'>
# 10
# (31, 33)

re.split

split()

安装能够匹配的字符串将 string 分割后返回列表

可以使用 re.split 来分割字符串，如: re.split(r'\s+',text) 将字符串按空格分割成一个单词列表

re.split(pattern,string[,maxsplit])

print(re.split('\d+','one1two2three3four4five5'))
# 执行结果
# ['one','two','three','four','five']

re.sub

sub()

使用 re 替换 string 中每一个匹配的子串后返回替换后的字符串

re.sub(pattern,repl,string,count)

import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', '-', text))
# 执行结果
# JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

其中第二个函数是替换后的字符串；本例中为'-' 第四个参数指替换个数。默认为0，表示每个匹配项都替换。

subn()

返回替换次数

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

print(re.subn('[1-2]','A','123456abcdef'))
print(re.sub("g.t","have",'I get A,  I got B ,I gut C'))
print(re.subn("g.t","have",'I get A,  I got B ,I gut C'))
# 执行结果
# ('AA3456abcdef', 2)
# I have A,  I have B ,I have C
#
# ('I have A,  I have B ,I have C', 3)

`re.match`、`re.search` 与 `re.findall` 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，直到找到一个匹配

a=re.search('[\d]',"abc33").group()
print(a)
p=re.match('[\d]',"abc33")
print(p)
b=re.findall('[\d]',"abc33")
print(b)
# 执行结果
# 3
# None
# ['3', '3']

贪婪匹配与非贪婪匹配

*?
+?
??
{m,n}?

前面的 *,+,? 等都是贪婪匹配，也就是尽可能匹配，后面加 ? 号使其变成惰性匹配

a = re.findall(r"a(\d+?)",'a23b')
print(a)
b = re.findall(r"a(\d+)",'a23b')
print(b)
# 执行结果
# ['2']
# ['23']

flags

print(re.split('a','1A1a2A3',re.I))

输出结果并未能区分大小写，这是因为 re.split(pattern，string，maxsplit,flags) 默认是四个参数，当我们传入的三个参数的时候，系统会默认 re.I 是第三个参数，所以就没起作用。如果想让这里的 re.I 起作用，写成 flags=re.I 即可。

Python: RegEx