杨友正则表达式学习笔记

正则表达式（Regular Expression，Regex或RE）又称为正则表达法或常规表达法，常用来检索、替换那些符合某个模块的文本。

1、re.match函数和re.search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。
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。
函数语法：

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

参数：

• pattern 匹配的正则表达式
• string 要匹配的字符串
• 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，多行匹配等等

代码实例：

import re

url = "www.ayouleyang.cn"

print (u'match匹配结果：')
print (re.match('www',url).span()) # 在起始位置匹配
print (re.match('cn',url))         #不在起始位置匹配

print (u'search匹配结果：')
print (re.search('www',url).span()) # 在起始位置匹配
print (re.search('cn',url).span())  #不在起始位置匹配

以上实例运行输出结果为：
match匹配结果：
(0, 3)
None
search匹配结果：
(0, 3)
(15, 17)

2、group函数

group()方法用于获得一个或多个分组截获的字符串，当它指定多个参数时将以元组形式返回。
代码实例：

import re
 
line = "Do you know what is ayouleyang"
 
searchObj = re.search( r'(.*) what (.*?) .*', line, re.M|re.I) #以what来进行定位
 
if searchObj:
   print (u"显示完整段落 : ", searchObj.group())             #group()输出全部
   print (u"截取定位单词前面部分 : ", searchObj.group(1))     #group(1)输出前面部分
   print (u"截取定位单词后面一个单词: ", searchObj.group(2))  #group(2)输出后面一个单词
else:
   print (u"没有找到定位词")

以上实例运行输出结果为：
显示完整段落 : Do you know what is ayouleyang
截取定位单词前面部分 : Do you know
截取定位单词后面一个单词: is

注：参数re包括三个常见值：
(1)re.I(re.IGNORECASE)：忽略大小写（括号内是完整写法）
(2)re.M(re.MULTILINE)：允许多行模式
(3)re.S(re.DOTALL)：支持点任意匹配模式

3、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

代码实例：

import re

string = "a1,b23,c4.5,6d,0.e7,f0.8,0.9g,10h2"
regex = re.compile(r"\d+\.?\d*")
print (regex.findall(string))

以上实例运行输出结果为：
[‘1’, ‘23’, ‘4.5’, ‘6’, ‘0.’, ‘7’, ‘0.8’, ‘0.9’, ‘10’, ‘2’]
注意：当字母藏在数字中间时不能去除，如 0.e7,10h2等等。

4、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。
语法格式为：

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

参数：（前三个为必选参数，后两个为可选参数）

• 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。

代码实例：

import re
 
Tel = "131—2467-9999 # 这是一个电话号码"
 
# 删除注释
num = re.sub(r'#.*$', "", Tel)
print ("电话号码 : ", num)
 
# 移除非数字的内容
num = re.sub(r'\D', "", Tel)
print ("电话号码 : ", num)

运行输出结果为：
电话号码 : 131—2467-9999
电话号码 : 13124679999

5、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。
语法格式为：

findall(string[, pos[, endpos]])

参数：

• 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。

代码实例：

import re
 
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('ayouleyang 123 yangyou 456')
result2 = pattern.findall('ayouleyang123yangyou456', 0, 12)
result3 = pattern.findall('ayouleyang123yangyou456', 0, 13)
result4 = pattern.findall('ayouleyang123yangyou456', 12, 24)
result5 = pattern.findall('ayouleyang123yangyou456')
 
print("result1: ",result1)
print("result2: ",result2)
print("result3: ",result3)
print("result4: ",result4)
print("result5: ",result5)

运行输出结果为：
result1: [‘123’, ‘456’]
result2: [‘12’]
result3: [‘123’]
result4: [‘3’, ‘456’]
result5: [‘123’, ‘456’]

6、re.finditer函数

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。

语法格式为：

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

代码实例：

import re
 
result = re.finditer(r"\d+","12a34bc5d6fg7") 
for num in result: 
    print (num.group())

运行输出结果为：
12
34
5
6
7