【python】正则匹配基本方法

正则表达式：匹配或查找符合某些规则的字符串数据
python中通过正则表达式对字符串进行匹配需要使用re模块

匹配单个字符

符号	功能
.	匹配任意一个字符
[ ]	匹配[ ]中列举的字符
\d	匹配数字0-9
\D	匹配非数字
\s	匹配空格
\S	匹配非空格
\w	匹配非特殊字符，即a-z，A-Z，0-9，（下划线），汉字
\W	匹配特殊字符

匹配多个字符

符号	功能
*	匹配前一个字符出现0次或者无限次
+	匹配前一个字符出现1次或者无限次
?	匹配前一个字符出现1次或者0次
{m}	匹配前一个字符出现m次
{m,n}	匹配前一个字符出现m到n次

匹配开头和结尾

符号	功能
^	匹配字符串开头
$	匹配字符串结尾

匹配分组

符号	功能
|	匹配其左右任意一个表达式
(ab)	括号中字符作为一个分组
\num	引用分组num匹配到的字符
(?p<name>)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

基本使用方法

1、match匹配

match方法默认从头开始匹配，只匹配一次

基本格式：

result = re.match(正则表达式,要匹配的字符串)

匹配成功则返回match对象，匹配失败返回None，需使用group方法提取匹配结果数据。

import re

ret = re.match('hello','hello world')
print(type(ret)) # <class '_sre.SRE_Match'>
print(ret) # <_sre.SRE_Match object; span=(0, 5), match='apple'>
if ret: 
	# 使用group方法提取数据
    print(ret.group()) # hello

2、search匹配

search方法在字符串汇总任意位置进行查找，且只查找一次

基本格式：

result = re.search(正则表达式,要匹配的字符串)

匹配成功则返回match对象，匹配失败返回None，需使用group方法提取匹配结果数据。

import re

ret = re.search('\d+','crawl 10 spider 20')
print(type(ret)) # <class '_sre.SRE_Match'>
print(ret) # <_sre.SRE_Match object; span=(6, 8), match='10'>
if ret:
    print(ret.group()) # 10

3、findall查找

findall方法从任意位置查找，匹配多次，将匹配结果一次性返回，返回形式为列表

基本格式：

result = re.findall(正则表达式,要匹配的字符串)

匹配成功则返回list对象，匹配失败返回空列表。

import re

ret = re.findall('\d+','crawl 10 spider 20')
print(type(ret)) # <class 'list'>
print(ret) # ['10', '20']

4、sub替换

sub方法从任意位置进行匹配，匹配成功后将匹配到的数据进行替换

基本格式：

result = re.sub(正则表达式,替换字符串，要匹配的字符串,count = 替换次数)

sub方法中用count参数指定替换次数，不指定或count=0时默认全部替换
匹配成功返回替换后的字符串，匹配失败则返回原始字符串

import re

ret = re.sub('\d+','111','crawl 10 spider 20',count=1)
print(type(ret)) # <class 'str'>
print(ret) # crawl 111 spider 20

5、split根据匹配进行切割字符串

split方法
基本格式：

result = re.split(正则表达式,要匹配的字符串,maxsplit= 替换次数)

split方法中用maxsplit参数指定分割次数，默认全部分割
匹配成功返回分割后的字符串列表，匹配失败则整个用于匹配的字符串作为列表的一项进行返回

import re

ret = re.split(',', 'apple, pear, grape, cherry',maxsplit=1)
print(type(ret)) # <class 'list'>
print(ret) # ['apple', ' pear, grape, cherry']

贪婪和非贪婪

python中数量词默认是贪婪地，总是尝试匹配尽可能多的字符，非贪婪则相反，总是尝试匹配尽可能少的字符

非贪婪字符	？

在‘*’，‘?’，‘+’，‘{m,n}’后面加上非贪婪符，使贪婪编程非贪婪

贪婪：正则匹配中从左到右顺序求值时，会尽量抓取满足匹配最长的字符串

import re
str = "this is a number 234-234-234-234"
ret = re.match('.+(\d+-\d+-\d+-\d+)',str)
if ret:
    # 获取分组数据
    print(ret.group(1)) # 4-234-234-234

非贪婪：加上非贪婪字符使分组前的数据尽可能少的匹配字符

import re
str = "this is a number 234-234-234-234"
ret = re.match('.+?(\d+-\d+-\d+-\d+)',str)
if ret:
    # 获取分组数据
    print(ret.group(1)) # 234-234-234-234