＜学习笔记＞从零开始自学Python-之-基础语法篇（十一）正则表达式re库

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串是否与某种模式匹配。

re是Python的标准库，无需安装，直接导入使用。

re 模块使 Python 语言拥有全部的正则表达式功能。

1、re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

函数语法：

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

函数参数说明：

匹配成功re.match方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

例1：match要从头匹配

import re

 # 在起始位置匹配
print(re.match('大漠', '大漠孤烟直，长河落日圆').span()) 
print(re.match('落日', '大漠孤烟直，长河落日圆').span())
# 不在起始位置匹配
print(re.match('大漠', '大漠孤烟直，长河落日圆'))         
print(re.match('落日', '大漠孤烟直，长河落日圆'))



out：

(0, 2)
Traceback (most recent call last):
  File "C:/coding/aNewPy/正则表达式re模块.py", line 4, in <module>
    print(re.match('落日', '大漠孤烟直，长河落日圆').span())
AttributeError: 'NoneType' object has no attribute 'span'


<_sre.SRE_Match object; span=(0, 2), match='大漠'>
None

例2：group用法：

line = "大漠孤烟直，长河落日圆"
matchObj = re.match( '(.*)孤烟(.*).*', line)
if matchObj:
   print ("matchObj.group() : ", matchObj.group())
   print ("matchObj.group(0) : ", matchObj.group(0))
   print ("matchObj.group(1) : ", matchObj.group(1))
   print ("matchObj.group(2) : ", matchObj.group(2))
   
else:
   print ("No match!!")




out：

matchObj.group() :  大漠孤烟直，长河落日圆
matchObj.group(0) :  大漠孤烟直，长河落日圆
matchObj.group(1) :  大漠
matchObj.group(2) :  直，长河落日圆

group(0）和group()一样，是指符合条件的字符串

group(1)是指匹配项之前的字符串

group(2)是指匹配项之后的字符串

2、re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法：

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

函数参数说明：

匹配成功re.search方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

例3：把例1用search匹配一下看看：

print(re.search('孤烟', '大漠孤烟直，长河落日圆').span())  # 在起始位置匹配
print(re.search('落日', '大漠孤烟直，长河落日圆').span())
print(re.search('孤烟', '大漠孤烟直，长河落日圆'))         # 不在起始位置匹配
print(re.search('落日', '大漠孤烟直，长河落日圆'))



out

(2, 4)
(8, 10)
<re.Match object; span=(2, 4), match='孤烟'>
<re.Match object; span=(8, 10), match='落日'>

例4：把例2用search方法试一下

line = "大漠孤烟直，长河落日圆"
matchObj = re.search( '(.*)孤烟(.*).*', line)
if matchObj:
   print ("matchObj.group() : ", matchObj.group())
   print ("matchObj.group(0) : ", matchObj.group(0))
   print ("matchObj.group(1) : ", matchObj.group(1))
   print ("matchObj.group(2) : ", matchObj.group(2))
   
else:
   print ("No match!!")



out

matchObj.group() :  大漠孤烟直，长河落日圆
matchObj.group(0) :  大漠孤烟直，长河落日圆
matchObj.group(1) :  大漠
matchObj.group(2) :  直，长河落日圆

3、检索和替换

Python 的re模块提供了re.sub用于替换字符串中的匹配项。

语法：

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

参数：

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• 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 : 编译时用的匹配模式，数字形式。

前三个为必选参数，后两个为可选参数。

例5：

phone = "139-2345-6789 # 这是我的手机号码"
 
# 删除注释
num = re.sub(r'#.*$', "", phone)
print ("我的手机号码 : ", num)
 
# 移除非数字的内容
num = re.sub(r'\D', "", phone)
print ("我的手机号码 : ", num)



out

我的手机号码 :  139-2345-6789
我的手机号码 :  13923456789

4、re.compile 函数

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

语法格式为：

re.compile(pattern[, flags])

参数：

• pattern : 一个字符串形式的正则表达式
• flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
• • re.I 忽略大小写
  • re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  • re.M 多行模式
  • re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）
  • re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
  • re.X 为了增加可读性，忽略空格和' # '后面的注释

例:6：用compile 结合 pattern 找手机号

msg = "张三，手机号123-4567-8901，住址：某某区某某街473号38栋407室"
pattern = re.compile(r'(?<=手机号)\d+-\d+-\d+')
m = pattern.match(msg, 6, 20)
m2=pattern.search(msg)
print(m)
print(m2)


out：

<re.Match object; span=(6, 19), match='123-4567-8901'>
<re.Match object; span=(6, 19), match='123-4567-8901'>

5、re.findall

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

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

语法格式为：

re.findall(pattern, string, flags=0)
或
pattern.findall(string[, pos[, endpos]])

参数：

• pattern 匹配模式。
• 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，默认为字符串的长度。

例7：找出字符串中的所有数字

msg = "张三，手机号123-4567-8901，住址：某某区某某街473号38栋407室"
pattern = re.compile(r'\d+')   
result1 = pattern.findall(msg)
result2 = pattern.findall(msg, 6, 20)
 
print(result1)
print(result2)

out：

['123', '4567', '8901', '473', '38', '407']
['123', '4567', '8901']

例8：多个匹配模式，返回元组列表：

result = re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
print(result)


out：
[('width', '20'), ('height', '10')]

6、re.finditer

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

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

参数：

例9：finditer示例

msg = "张三，手机号123-4567-8901，住址：某某区某某街473号38栋407室"
it = re.finditer(r"\d+",msg) 
for match in it: 
    print (match.group() )


out：
123
4567
8901
473
38
407

7、re.split

split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

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

参数：

例10：分割字符串中所有数字

msg = "张三，手机号123-4567-8901，住址：某某区某某街473号38栋407室"
s=re.split('\D+',msg)
print(s)


out：
['', '123', '4567', '8901', '473', '38', '407', '']

8、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

9、正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

10、正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式。

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 \\t )匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

11、正则表达式实例

字符匹配

字符类

特殊字符类