python高级知识之正则表达式

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种模式匹配

一、正则表达式语法

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
re*	匹配0个或多个的表达式
re+	匹配1个或多个的表达式
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	匹配n个前面表达式。例如，"o{2}“不能匹配"Bob"中的"o”，但是能匹配"food"中的两个o
re{ n,}	精确匹配n个前面表达式。例如，"o{2,}“不能匹配"Bob"中的"o”，但能匹配"foooood"中的所有o。"o{1,}“等价于"o+”。"o{0,}“则等价于"o*”
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (…), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#…)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f]。
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]。
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串开始
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\n, \t, 等。	匹配一个换行符。匹配一个制表符, 等
\1…\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式

实例	描述
python	匹配 “python”.
[Pp]ython	匹配 “Python” 或 “python”（[]内是或的关系）
rub[ye]	匹配 “ruby” 或 “rube”
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符
.	匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式
\d	匹配一个数字字符。等价于 [0-9]
\D	匹配一个非数字字符。等价于 [^0-9]
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]
\w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’
\W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’

二、正则表达式使用

1、re.match()

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(pattern, string, flags=0)

函数参数说明：
pattern: 正则表达式
string：目标字符串
flags：标识位，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

flags标识位：
re.I 使匹配对大小写不敏感
re.L 做本地化识别（locale-aware）匹配
re.M 多行匹配，影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符
re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

匹配对象方法：

• group(num=0) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组
• groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

示例：

import re
result = re.match('(\d+)asdxzc(\d)', "132132asdxzc1dsa2dsa4")
print(result)
print(result.group())
print(result.group(0))
print(result.group(1))
print(result.group(2))
print(result.groups())
-------结果如下-------
<re.Match object; span=(0, 13), match='132132asdxzc1'>
132132asdxzc1
132132asdxzc1
132132
1
('132132', '1')

以上示例可以看出，result.group()与result.group(0)是等价关系，可以获取匹配的字符串结果，result.group(1)是获取结果中第一个分组的内容，即(\d+)的结果。

2、re.search()

扫描整个字符串并返回第一个成功的匹配，与re.match()很像唯一的区别就是匹配任意位置

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

函数参数说明：
pattern: 正则表达式
string：目标字符串
flags：标识位，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

示例：

import re
result = re.search('(\d+)asdxzc(\d)', "asd132132asdxzc1dsa2dsa4")
print(result)
print(result.group())
print(result.group(0))
print(result.group(1))
print(result.group(2))
print(result.groups())
-------结果如下-------
<re.Match object; span=(0, 13), match='132132asdxzc1'>
132132asdxzc1
132132asdxzc1
132132
1
('132132', '1')

3、re.sub()

替换字符串中的匹配项

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

函数参数说明：
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

import re

num = "151-1234-5678 # 这是个手机号码"

# 去掉#号后面的内容
result1 = re.sub('#.*$', '', num)
print(result1)
# 移除非数字的内容
result2 = re.sub('\D', '', num)
print(result2)
-------结果如下-------
151-1234-5678 
15112345678

4、re.compile()

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

re.compile(pattern[, flags])

函数参数说明：
pattern: 正则表达式
flags：标识位，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

import re

pattern = re.compile('\d+')

result = pattern.match('qwe12asdfgh34zxcv',3,10) # 匹配索引3-10之间的字符串
print(result)
# 获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
print(result.group())
# 获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
print(result.start())
# 获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0
print(result.end())
# 返回 (start(group), end(group))。
print(result.span())
-------结果如下-------
<re.Match object; span=(3, 5), match='12'>
12
3
5
(3, 5)

5、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，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次， 而findall 匹配所有

re.findall(pattern, string, flags=0)
或
pattern.findall(string[, pos[, endpos]])

函数参数说明：
pattern 匹配模式。
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。

import re

pattern = re.compile('\d+')
result = pattern.findall('qwe12asdfgh34zxcv')
print(result)
-------结果如下-------
['12', '34']

6、re.finditer()

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。

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

函数参数说明：
pattern 匹配的正则表达式
string 要匹配的字符串。
flags 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

import re

result = re.finditer("\d+","asd123asd543")
print(result)
for item in result:
    print(item)
    print(item.group())
-------结果如下-------
<callable_iterator object at 0x1232440d0>
<re.Match object; span=(3, 6), match='123'>
123
<re.Match object; span=(9, 12), match='543'>
543

7、re.split()

split 方法按照能够匹配的子串将字符串分割后返回列表

re.split(pattern, string[, maxsplit=0, flags=0])

函数参数说明：
pattern 匹配的正则表达式
string 要匹配的字符串。
maxsplit 分割次数，maxsplit=1 分割一次，默认为 0，不限制次数。
flags 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

import re

result = re.split("\d+","asd123asd543")
print(result)
-------结果如下-------
['asd', 'asd', '']