Python之正则表达式——查找

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。

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

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

修饰符	描述
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。

re.match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.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

re.match与re.search的区别

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；

re.search匹配整个字符串，直到找到一个匹配。

 re.match：

import re

astr="""Python8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。4d4f5g

5Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。34  5

re 模块使 Python 语言拥T有全部的正则表达式功能。   6 6  79    2   44    9          3275

3compile 

"""

print(re.match("Python",astr).group())   #搜索出Python,并取出这个字符串


执行结果：
Python

 re.search：

import re

astr="""8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。4d4f5g

5Java 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。34  5

re 模块使 Python 语言拥T有全部的正则表达式功能。   6 6  79    2   44    9          3275

3compile 

"""

print(re.search("Java",astr).group())  #搜索出Java,并取出这个字符串


执行结果：
Java

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。

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

re.findall： 

import re

astr="""8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。4d4f5g

5Java 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。34  5

re 模块使 Python 语言拥T有全部的正则表达式功能。   6 6  79    2   44    9          3275

3compile 

"""

print(re.findall("t",astr,re.I))   #re.I使匹配对大小写区分不敏感
print(re.findall("[a-m-y]",astr))  #a到m或y
print(re.findall("(re|om)",astr))  #取出re或om

执行结果：
['t', 'T']
['d', 'f', 'g', 'a', 'a', 'e', 'e', 'l', 'e', 'y', 'h', 'c', 'm', 'i', 'l', 'e']
['re', 're', 'om']

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.split

split 方法按照能够匹配的子串将字符串分割后返回列表

正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 \\t )匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

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	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\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。

正则表达式实例

字符匹配

实例	描述
python	匹配 "python".

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
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

特殊字符类

实例	描述
.	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_]'。

举例： 

import re

astr="""8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。4d4f5g

5Java 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。34  5

re 模块使 Python 语言拥T有全部的正则表达式功能。   6 6  79    2   44    9          3275

3compile 

"""

#特征匹配
print("1.首字查找，没有就不找")
if re.match("\d\d",astr):
    print(re.match("\d\d",astr).span())#首字查找，没有就不找
else:
    print("匹配不成功")
print("2.查找1位并取出")
print(re.search("\d",astr).group())  #查找1位并取出
print("3.查找两位")
print(re.findall("\d\d",astr))  #查找两位
print("4.查找第一个两位")
print(re.search(r"\d{2}",astr).group())   #查找第一个两位
print("5.找1到3位")
print(re.findall(r"\d{1,3}",astr))   #找1到3位
print("6.找2位以上所有数")
print(re.findall(r"\d\d+",astr))    #找2位以上所有数
print("7.0到无穷 ，可以一位数字，从1位开始所有数字")
print(re.findall(r"\d\d*",astr))     #0到无穷  ，可以一位数字，从1位开始所有数字
print("8.一位或两位，会将三位切割成一个两位和一个一位")
print(re.findall(r"\d\d?",astr))     #一位或两位，会将三位切割成一个两位和一个一位
print("9.有两位取两位，全部就低不就高，将高位查分满足低条件")
print(re.findall(r"\d{2,3}?",astr)) # 有两位取两位，全部就低不就高，将高位查分满足低条件
print("10.数字及数字前一个字符")
print(re.findall(r"\D\d+",astr))      #数字及数字前一个字符
print("11.取所有不包括标点部分")
print(re.findall(r"\w+",astr))  #取所有不包括标点部分
print("12.取所有标点")
print(re.findall(r"\W+",astr)) #取所有标点
print("13.取所有不可见字符，包括空格")
print(re.findall(r"\s+",astr))  #取所有不可见字符，包括空格

执行结果：
1.首字查找，没有就不找
匹配不成功

2.查找1位并取出
8

3.查找两位
['34', '79', '44', '32', '75']

4.查找第一个两位
34

5.找1到3位
['8', '4', '4', '5', '5', '1', '5', '34', '5', '6', '6', '79', '2', '44', '9', '327', '5', '3']

6.找2位以上所有数
['34', '79', '44', '3275']

7.0到无穷 ，可以一位数字，从1位开始所有数字
['8', '4', '4', '5', '5', '1', '5', '34', '5', '6', '6', '79', '2', '44', '9', '3275', '3']

8.一位或两位，会将三位切割成一个两位和一个一位
['8', '4', '4', '5', '5', '1', '5', '34', '5', '6', '6', '79', '2', '44', '9', '32', '75', '3']

9.有两位取两位，全部就低不就高，将高位查分满足低条件
['34', '79', '44', '32', '75']

10.数字及数字前一个字符
['。4', 'd4', 'f5', '\n5', '自1', '.5', '。34', ' 5', ' 6', ' 6', ' 79', ' 2', ' 44', ' 9', ' 3275',
 '\n3']

11.取所有不包括标点部分
['8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', '4d4f5g', '5
Java', '自1', '5版本起增加了re', '模块', '它提供', 'Perl', '风格的正则表达式模式', '34', '5', 're',
'模块使', 'Python', '语言拥T有全部的正则表达式功能', '6', '6', '79', '2', '44', '9', '3275', '3compi
le']

12.取所有标点
['，', '。', '\n\n', ' ', '.', ' ', '，', ' ', ' ', '。', '  ', '\n\n', ' ', ' ', ' ', '。   ', ' ',
 '  ', '    ', '   ', '    ', '          ', '\n\n', ' \n\n']

13.取所有不可见字符，包括空格
['\n\n', ' ', ' ', ' ', ' ', '  ', '\n\n', ' ', ' ', ' ', '   ', ' ', '  ', '    ', '   ', '    ', '
          ', '\n\n', ' \n\n']

import re

astr="""8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。4d4f5g

5Java 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。34  5

re 模块使 Python 语言拥T有全部的正则表达式功能。   6 6  79    2   44    9          3275

3compile 

"""
print("1.中文字符")
print(re.findall(r"[\u4e00-\u9fa5]+",astr))   #中文字符
print("\n")
print("2.取三位数字")
print(re.findall(r"\d.\d",astr))
print("\n") 
print("3.re.S包括换行")
print(re.findall(r"[\u4e00-\u9fa5]+",astr,re.S))      #re.S包括换行
print("\n")
print("4.^开头的数字")
print(re.findall(r"^\d",astr))   #^开头的数字
print("\n")
print("5.逐行取开头数字")
print(re.findall(r"^\d",astr,re.M))  #逐行取开头数字
print("\n")
print("6.匹配输入字符串的结束位置")
print(re.findall(r"\d$",astr))    #匹配输入字符串的结束位置
print("\n")
print("7.多行匹配，影响^和$")
print(re.findall(r"^\dc",astr,re.M|re.I))   #多行匹配，影响^和$

执行结果：
1.中文字符
['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', '自', '版本起
增加了', '模块', '它提供', '风格的正则表达式模式', '模块使', '语言拥', '有全部的正则表达式功能']

2.取两位的数字
['34', '79', '44', '32', '75']

3.re.S包括换行
['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', '自', '版本起
增加了', '模块', '它提供', '风格的正则表达式模式', '模块使', '语言拥', '有全部的正则表达式功能']

4.^开头的数字
['8']

5.逐行取开头数字
['8', '5', '3']

6.匹配输入字符串的结束位置
[]

7.多行匹配，影响^和$
['3c']