python中正则匹配之re模块

Python中正则表达式

re：re是提供正则表达式匹配操作的模块

一、什么是正则表达式

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个模式匹配,Python 自1.5版本起增加了re模块,它提供Perl风格的正则表达式。

二、正则表达式的基本使用

1、re.match()介绍

match() 试图从字符串的起始位置对模式进行匹配,如果匹配成功,就返回一个匹配对象,如果匹配失败,就返回None,匹配对象的group()方法能显示成功匹配的对象。

使用语法：

re.match(pattern,string[, flags])

参数说明

• 匹配的正则表达式,直接传入一个字符串,Python会将字符串作为正则表达式来对待
• 匹配的字符串
• 标志位：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

import re
ret = re.match("hello","hello word")
print(ret.group())  # 使用group()方式返回对应的分组

注意：

• match() 匹配是从字符串的开始位置匹配,如果开始匹配不到则不在匹配并返回一个None

import re
ret = re.match("hello","ahello word")
print(ret.group())  # 匹配不成功,就返回None

2、re.search()介绍

• re.match() 是从字符串的开始位置匹配,所以基本情况下能够匹配的概率不大。
• re.search() 是从字符串中搜索正则表达式模式,任何位置都可以被匹配,返回的是第一次出现的匹配对象(因为正则字符串中可能会多出匹配),它的参数和re.match()是一样的,返回值也是一个匹配对象

使用语法:

re.search(pattern,string[,flags])

import re
ret = re.search("hello","ahello word")  # 搜索成功
print(ret.group())  # hello

3、re.match()和re.search()的区别

• re.match匹配的时候只匹配字符串的开始,如果字符串的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,直到匹配到一个。

import re
ret = re.search("^hello","ahello word")  # 如果在hello前面加^号,其search的功能和match的功能一样
print(ret.group())  # 匹配不成功，返回None

4、re.fildall()介绍

• re.fildall() 对整个字符串从左到右进行匹配,返回所有匹配对象的列表.

使用语法：

re.fildall(pattern,string[,flags])

ret = re.fildall('\d+','hello123,word456')
print(ret)
结果:
>>>['123','456']

5、re.compile()介绍

• re.compile() 对整个正则表达式进行预编译,生成表达式对象,用于正则匹配

使用语法：

re.compile(pattern,flags)

import re
rule = re.compile('\d+')
ret = rule.findall('hellow word456')
print(ret)
>>>456

6、re.split()介绍

• re.split()方法与字符串的切割方法一样,返回的是一个列表,这了我用正则匹配进行切割

使用语法：

re.split(pattern,string,maxsplit,flags)

import re
strs = 'zhangsan123wangwu345we'
set = re.split('\d+',strs)
print(set)
>>>['zhangsan', 'wangwu', 'we']

7、re.sub()介绍

• re.sub() 批量替换字符串中某个字符,如：将'hello word'替换成'HELLO word'

使用语法：

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

import re
strs = 'hello word'
ret = re.sub('hello','HELLO',strs)
print(ret)
>>>HELLO word
# 使用正则来匹配替换
strs = 'abcd123efg345hi'
ret = re.sub(r'\d+','HELLO',strs)
print(ret)
>>>abcdHELLOefgHELLOhi

8、re.subn()介绍

• re.subn的用法和re.sub是一样的,区别在与返回值,re.sub返回的是字符串,而re.subn返回的是元组

使用语法：

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

import re
strs = 'abcd123efg345hi'
ret = re.subn(r'\d+','HELLO',strs)
print(ret)
>>>('abcdHELLOefgHELLOhi', 2)   #('替换后的字符串',替换的次数)

# 指定替换的次数
import re
strs = 'abcd123efg345hi'
ret = re.subn(r'\d+','HELLO',strs,1)
print(ret)
>>>('abcdHELLOefg345hi', 1)

三、正则表达式语法

• 正则表达式的强大之处是因为它提供了很多特殊符号和字符,使用它们正则表达式才可以强大而又灵活。

字符组

符号	描述
[0-9]	匹配数字
[a-z]	匹配小写字母
A-Z	匹配大写字母
[0-9A-z]	匹配数字及大小写字母
[3-9]	匹配小范围的数字值
[a-f]	匹配小范围的字母值
[^abc]	不匹配abc任意字符
[^a-z]	不匹配a-z直接的任意字符
1[0-9]	匹配10-19直接的数值
1[0-9][0-9]	匹配100-199直接的数值

元字符

符号	描述
\d	匹配固定：0-9数值
\w	匹配数字字母及下划线中文:[0-9A-z_"中文"]
\s	匹配空白符:空格,Tab,回车
\t	匹配Tab
\n	匹配回车
\D	匹配数字
\W	匹配非数字字母下划线
\S	匹配非空白符
.	匹配除换行符外任意一个字符
^	匹配以某字符开头
$	匹配以某字符结尾
[]	字符组(只要在[]里面的都匹配)
[^]	非字符组(只要在[]里面的都不匹配)
|	或,(如:abcdef|acb)
()	分组,如:^(abcdef|abc)$

量词

符号	描述
{n}	重复n次
{n,}	重复至少n次,n次以上
{n,m}	重复n-m次
?	0或1次
+	1到不限
*	0到不限

贪婪和惰性

表达式	描述
a.*b	贪婪
a.*?b,a.+?b	惰性,在量词后面的?表示惰性匹配,会在符合条件的基础上尽量少的匹配其他内容

贪婪匹配模式

• 用到量词的匹配时,默认为贪婪模式
• 贪婪模式的意思就是匹配的时候,尽量多匹配,不行再慢慢的减少匹配

import re
lst = "\d{2,4}"
ret = re.search(lst,"12345abcd")
print(ret.group())
结果：
>>>1234

惰性匹配模式

• 惰性匹配模式正好和贪婪模式相对
• 惰性匹配是尽量少的匹配,不行再慢慢去增加匹配的个数
• 惰性匹配只需要在量词后面添加?即可

import re
lst = "\d{2,4}?"
ret = re.search(lst,"12345abcd")
print(ret.group())
结果：
>>>12

常用正则表达式

表达式	描述	结果
1[3-9]\d{9}	匹配手机号	13888998899
[1-9]\d*	匹配任意的正整数	143
\d+.\d+	匹配任意小数	12.345
\d+(.\d+)	匹配整数或小数	12或者12.131231

常用分组

代码	描述
(exp)	匹配exp,并捕获文本到自动命名的组里
(?exp)	匹配exp,并捕获文本到名称为name的组里,也可以写(?'name'exp)
(?:exp)	匹配exp,不捕获匹配的文本,也不给次分组分配组号
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置

findall，search和分组的关系

案例1：

import re
ret = re.findall('\d(\d)','a1,b22,c345')
print(ret)
>>>[2,4]

案例2：

import re
ret = re.findall('\d(?:\d)','a1,b22,c345')
print(ret)
>>>['22','34']

案例3：

import re
ret = re.search('(?P<num1>\d)(?P<num2>\d)','a14,b22,c3357')
print(ret.group())   # 14
print(ret.group(0))  # 14
print(ret.group(1))  # 1
print(ret.group(2))  # 4
print(ret.group('num1'))  # 1
print(ret.group('num2'))  # 4

案例4：

import re
ret = re.search('(?P<num1>\d)(?P=num1)','a14,b22,c3357')
print(ret.group())  #匹配10位数，并且分组1=分组2
>>>22

分组的作用

import re
ret = re.search("<(?P<tag_name)>\w)>.*</(?P=tag_name)>","<h1>hello<\h1>")
print(ret)
print(ret.group('tag_name'))
print(ret.group())
>>>h1
>>>h1
>>><h1>hello</h1>