Python正则表达式

Python中的正则表达式模块为re。

单个匹配

Python中，正则表达式单个匹配有两种，一种是search()（对目标字符串整个进行匹配），另一种是match()（只对目标字符串开头进行匹配），匹配成功返回一个Match对象，匹配失败返回None：

import re
# 全文匹配
re.search(r'^\d{3}\-\d{3,8}$', '010-12345')
# 开头匹配
re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
# <_sre.SRE_Match object; span=(0, 9), match='010-12345'>

对于search()或match()搜索返回的match对象m，可以使用m.group()获取匹配字符串。

group()函数还可以用在捕获特定分组上，下标0代表匹配到的完整字符串，后续下标代表捕获的特定分组：

>>> m = re.match(r"(\w+) (\w+)", "Isaac Newton, physicist")
>>> m.group(0)       # The entire match
'Isaac Newton'
>>> m.group(1)       # The first parenthesized subgroup.
'Isaac'
>>> m.group(2)       # The second parenthesized subgroup.
'Newton'
>>> m.group(1, 2)    # Multiple arguments give us a tuple.
('Isaac', 'Newton')

如果多个()嵌套的话，外层括号表达式的下标顺序在内层括号表达式之前

多个匹配

当要搜索一个字符串中所有匹配的子串时，就要使用findall()函数了，函数结果返回一个list，里面包含所有匹配的字符串，如果没有匹配字符串则为空list：

>>> re.findall(r'\d+', '12a34b56c')
['12', '34', '56']

字符串分割

re模块还提供了比普通split()更强大的分割字符串功能，函数签名如下：

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

使用示例如下：

>>> 'a b  c'.split(' ')
['a', 'b', '', '', 'c']

>>> re.split(r'\s+', 'a b  c')
['a', 'b', 'c']

# 把不规范的输入规范化
>>> re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

普通的字符串分割返回分隔符以外的字符list：

>>> re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']

当正则表达式内包含捕捉括号时()，则会一起返回分隔符：

>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']

当目标字符串以分割符开头或结尾时时，会分别分割出一个空字符串''：

>>> re.split(r'\w+', 'a.c')
['', '.', '']
# 以分隔符开头，开头切出一个''。以分隔符结尾，结尾再切出一个''。

可以设置一个最大分割次数：

>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']

可以设置一个忽略大小写标志re.IGNORECASE：

>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']

编译

当需要多次使用某个正则表达式时，可以预先编译，然后调用match()、search()、findall()等方法：

>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.search('010-8086').groups()
('010', '8086')

总结一下，不编译的使用方法：

re.search(r'\w+', srcStr)

编译后再使用：

rc = re.compile(r'\w+')
rc.search(r'\W+', srcStr)

替换

Python中字符串替换的函数是re.sub(pattern, replacement, string, count=0, flags=0)，其中replacement可以是字符串，也可以是函数。count代表要替换的个数，0为全部替换，使用示例：

>>> import re
>>> re.sub(r'\d+', '数', '1f2rgt3')
'数f数rgt数'