python常用模块之re模块（正则）

python种的re模块常用的5种方法，分别是re.match   re.search  re.findall  re.split  re.sub。

在介绍五种方法之前，需要介绍一下正则的基础。

.  表示任意字符，除\n以为

\  转义字符

[...] 字符集，表示取其中任意一个字符。比如[abc]d 可以匹配到ad bd cd。

\d  表示数字，等同于[0-9]

\D 表示非数字 [^\d]

\s  表示空格

\S   表示非空格

\w  表示单词字符 [a-zA-z_0-9]

\W 表示非单词字符 [^\w]

* 匹配前面0个或多个字符

+ 匹配前面1个或多个字符

？ 匹配前面0个或1个字符

{m} 匹配前面m个字符

{m,n} 匹配前1个字符m至n次

^  匹配以什么开头

$  匹配以什么结尾

\A 匹配以什么开头

\Z 匹配以什么结尾

|  或  左右表达式取一个 ABC|def

(..) 表示一个整体，（abc){2}  匹配abc2次

（?P<name>）分组命名  比如(?P<name>tom)

\(number) 引用编号为number的分组 比如：（\d)abc\1  1abc1 

　　

上述介绍了正则的一些基本语法。下面介绍的是re模块的常用方法。

一，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。

re模块可以直接使用对应的方法，比如

import re

res = re.match('\d+','123abc123')
if res:
    print(res.group())

这样就可以匹配到就是123，所以输出的则是123.

但是一般使用re模块的步骤通常是 将正则表达式的字符串编译为pattern实例，然后使用pattern实例处理文本并获得匹配结果，最后使用对应方法处理。通俗的就是要使用正则，先创建正则规则，然后编译成对象。最种使用正则的对应方法处理即可。

这样的好处就是速度更快。

所以上述代码更新为：

import re
pattern = re.compile('\d+')
    res = re.match(pattr, '123abc123')
    if res:
        print(res.group())　

为了更直观的显示时间的区别，附上时间差的对比：

import time
import re
def timeer(fun):
    def wrapper():
        start_time = time.time()
        fun()
        stop_time = time.time()
        print('{0}函数执行时间为{1}'.format(fun.__name__,stop_time-start_time))
    return  wrapper
@timeer
def re_compile():
    pattern = re.compile('\d+')
    res = re.match(pattern, '123abc123')
    if res:
        print(res.group())
@timeer
def re_nocompile():

    res = re.match('\d+', '123abc123')
    if res:
        print(res.group())
re_compile()

re_nocompile()

上面的re.group()这里其实是可以填写对应的数值的。默认就是0，代表输出匹配到所有字符。

import re

pattern = re.compile('(\d+)([a-z]+)(\d+)')

res = re.match(pattern,'123abc123')

if res:
    print(res.group(0))
    print(res.group(1))
    print(res.group(2))
    print(res.group(3))
    print(res.groups())

0 表示输出匹配到的所有，即默认所以输出的结果为123abc123

1 表示输出第一个括号匹配到的内容，即123

2表示输出第二个括号匹配到的内容，即abc

3表示输出第三个括号匹配到的内容，即123

groups() 返回所有小组匹配到的内容，以元祖的形式输出。即（123,abc,123）

切记：match是从第一字符开始匹配，如果匹配不到，直接返回None.

二，re.search

re.search  扫描整个字符串并返回第一个成功的匹配

import re
pattern = re.compile('[a-z]+(\d+)(\w+)')

res = re.search(pattern,'123abc123_')

if res:
    print(res.group())
    print(res.group(1))
    print(res.group(2))

输出结果：
abc123_
123
_

可以发现，即使search没有匹配到123,但是它还是会往后匹配，而不是直接返回none。再看如下代码：

import re
pattern = re.compile('[a-z]+')

res = re.search(pattern,'123abc123abd')

if res:
    print(res.group())
输出结果：abc

可见，search匹配整个字符串，找到第一个就会输出。后面的则不匹配。

简单小结：

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；而re.search匹配整个字符串，直到找到一个匹配。

三，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，如果没有找到匹配的，则返回空列表。findall是没有group方法的。

import re
pattern = re.compile('[a-z]+')

res = re.findall(pattern,'123abc123abd')

print(res)

输出结果：['abc', 'abd']

可见该正则会将匹配到内容按列表的形式输出，它不仅仅是匹配一次，这个是它和search的区别

四, re.split 匹配分割字符串

import re
pattern = re.compile('[a-z]+')

res = re.split(pattern,'123abc123abd')

print(res)

输出结果：['123', '123', '']

　

五, re.sub 匹配替换

import re

pattern = re.compile('[a-z]+')

res = re.sub(pattern,'000','123abc123')

print(res)

输出结果：123000123

　　

 值得注意的是：正则中* + 都是贪婪匹配，？是非贪婪匹配。所以如果你要想要限制住*的贪婪匹配，可以在*的后面添加？来限制。比如

 

line = '手机号:15200000000,生日:0802'
reg_str1 = '.*:'
reg_str2 = '.*?:'

match_obj1 = re.match(reg_str1,line)
match_obj2 = re.match(reg_str2,line)

if match_obj1:
    print(match_obj1.group())

if match_obj2:
    print(match_obj2.group())

输出结果：
手机号:15200000000,生日:
手机号:

可见，?是可以限制住*的贪婪匹配的！！！

　　

装b可用：分组，可以给匹配到的内容设置名称生成字典。

 

import re
re = re.search('(?P<id>[0-9]+)(?P<name>[a-zA-Z]+)','abcd1233bob@34')
if re:
    print(re.group())
    print(re.groupdict())

输出结果：
1233bob
{'id': '1233', 'name': 'bob'}

#比如匹配身份证，
import re

id = '360201199011113721'

res = re.search('(?P<Province_code>[0-9]{2})(?P<City_code>[0-9]{2})(?P<County_code>[0-9]{2})(?P<birthday>[0-9]{8})(?P<policestation_id>[0-9]{2})(?P<sexid>[0-9]{1})(?P<checkid>[0-9]{1})',id)

if res:
    print(res.group())
    print(res.groupdict())

输出结果：
360201199011113721
{'Province_code': '36', 'City_code': '02', 'County_code': '01', 'birthday': '19901111', 'policestation_id': '37', 'sexid': '2', 'checkid': '1'}