python正则表达式

文章目录

• re.match函数
• re.search函数
• re.findall函数
• re.split()函数
• re.sub()函数
• re.compile()
• 分组匹配
• 正则表达式修饰符 - 可选标志

re.match(pattern, string, flags=0)：从头匹配，如果不是起始位置匹配成功的话，match()就返回none。
re.search(pattern, string, flags=0)：扫描整个字符串并返回第一个成功的匹配
re.findall()：找到所有要匹配的字符并返回列表格式
re.split()：将匹配到的格式当做分割点对字符串分割成列表
re.sub(pattern, repl, string, count=0, flags=0)：替换匹配到的字符
re.compile()：用于编译正则表达式，生成一个正则表达式( Pattern )对象

re.match函数

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)

import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:
    print(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()
else:
    print "No match!!"

返回如下：

<_sre.SRE_Match object at 0x1046934f8>
matchObj.group() : Cats are smarter than dogs
matchObj.group(1) : Cats
matchObj.group(2) : smarter
matchObj.groups():  ('Cats', 'smarter')

re.search函数

import re

line = "Cats are smarter than dogs"

matchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:
    print(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()
else:
    print "No match!!"

结果如下：

<_sre.SRE_Match object at 0x1034554f8>
matchObj.group() : Cats are smarter than dogs
matchObj.group(1) : Cats
matchObj.group(2) : smarter
matchObj.groups():  ('Cats', 'smarter')

re.match与re.search的区别
re.match与re.search的方法都是一样的，唯一的区别：

• 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。

re.findall函数

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，如果没有找到匹配的，则返回空列表。
match 和 search 是匹配一次 ，而findall 匹配所有
语法格式为：
findall(string[, pos[, endpos]])

import re

m = re.findall("[0-9]", "alex1rain2jack3helen rachel8")
print(m)
contactInfo = 'Oldboy School, Beijing Changping Shahe: 010-8343245 hahhaha'
match = re.findall(r'(D+), (D+): (S+).*', contactInfo)
print(match)
match = re.findall(r'D+, D+: S+.*', contactInfo)
print(match)

结果如下：

['1', '2', '3', '8']
[('Oldboy School', 'Beijing Changping Shahe', '010-8343245')]
['Oldboy School, Beijing Changping Shahe: 010-8343245 hahhaha']

findall()返回的是括号所匹配到的结果，多个括号就会返回多个括号分别匹配到的结果，如果没有括号就返回就返回整条语句所匹配到的结果。

re.split()函数

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])

import re

m = re.split("[0-9]", "alex1rain2jack3helen rachel8")
print(m)

结果如下：

['alex', 'rain', 'jack', 'helen rachel', '']

re.sub()函数

re.sub(pattern, repl, string, count=0, flags=0)：替换匹配到的字符

• 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。

import re

m=re.sub("[0-9]","|", "alex1rain2jack3helen rachel8",count=2)
print(m)

结果如下：

alex|rain|jack3helen rachel8

re.compile()

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])

import re

p = re.compile("(.*) are (.*?) .*")
m = p.match("Cats are smarter than dogs")
print(m.group())

结果如下：

Cats are smarter than dogs

p = re.compile("(.*) are (.*?) .*")
m = p.match("Cats are smarter than dogs")

m = re.match( r'(.*) are (.*?) .*', "Cats are smarter than dogs")

上面两种方式，效果是一样的，区别在于，第一种方式是提前对要匹配的格式进行了编译对匹配公式进行解析），这样再去匹配的时候就不用在编译匹配的格式，第2种简写是每次匹配的时候都要进行一次匹配公式的编译，所以，如果需要循环匹配时，建议用第一种方式，速度会快点。

分组匹配

import re

contactInfo = 'Oldboy School, Beijing Changping Shahe: 010-8343245 hahhaha'
match = re.search(r'(?PD+), (?PD+): (?PS+).*', contactInfo)
print(match.group('last'))
print(match.group('first'))
print(match.group('phone'))
print(match.groupdict())
print(match.group())
print(match.groups())

结果如下：

Oldboy School
Beijing Changping Shahe
010-8343245
{'phone': '010-8343245', 'last': 'Oldboy School', 'first': 'Beijing Changping Shahe'}
Oldboy School, Beijing Changping Shahe: 010-8343245 hahhaha
('Oldboy School', 'Beijing Changping Shahe', '010-8343245')

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：

• 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，做本地化识别（locale-aware）匹配
• re.M 多行匹配
• re.S 使 . 匹配包括换行在内的所有字符（. 不包括换行符）
• re.U 根据Unicode字符集解析字符。这个标志影响 w, W, b, B.
• re.X 为了增加可读性，忽略空格和 # 后面的注释