正则表达式

1、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。

1.1 语法

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

参数说明

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。参见：正则表达式修饰符 - 可选标志

匹配成功 re.match 方法返回一个匹配的对象，否则返回 None。

我们可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法	描述
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。

1.2 示例

importre
 
line="Cats are smarter than dogs";
 
searchObj=re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
 
ifsearchObj:
   print"searchObj.group() : ", searchObj.group()
   print"searchObj.group(1) : ", searchObj.group(1)
   print"searchObj.group(2) : ", searchObj.group(2)
else:
   print"Nothing found!!"
searchObj.group() :  Cats are smarter than dogs
searchObj.group(1) :  Cats
searchObj.group(2) :  smarter

2、re.search

---

与re.match 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；而re.search匹配整个字符串，直到找到一个匹配。

importre
 
line="Cats are smarter than dogs";
 
matchObj=re.match( r'dogs', line, re.M|re.I)
ifmatchObj:
   print"match --> matchObj.group() : ", matchObj.group()
else:
   print"No match!!"
 
matchObj=re.search( r'dogs', line, re.M|re.I)
ifmatchObj:
   print"search --> searchObj.group() : ", matchObj.group()
else:
   print"No match!!"

No match!!
search --> searchObj.group() :  dogs

3、re.sub 检索和替换

---

3.1 语法

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

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。

importre
 
phone="2004-959-559 # 这是一个国外电话号码"
 
# 删除字符串中的 Python注释 
num=re.sub(r'#.*$', "", phone)
print"电话号码是: ", num
 
# 删除非数字(-)的字符串 
num=re.sub(r'\D', "", phone)
print"电话号码是 : ", num
电话号码是:  2004-959-559 
电话号码是 :  2004959559

repl 参数是一个函数

以下实例中将字符串中的匹配的数字乘以 2：

importre
 
# 将匹配的数字乘以 2
defdouble(matched):
    value=int(matched.group('value'))
    returnstr(value*2)
 
s='A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

A46G8HFD1134

4、re.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。

4.1 语法

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，具体参数为：

1. re.I 忽略大小写

2. re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境

3. re.M 多行模式

4. re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）

5. re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库

6. re.X 为了增加可读性，忽略空格和 # 后面的注释

4.2 示例

>>>pattern=re.compile(r'\d+')                    # 用于匹配至少一个数字
>>>m=pattern.match('one12twothree34four')        # 查找头部，没有匹配
>>>printm
None
>>>m=pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配
>>>printm
None
>>>m=pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
>>>printm                                         # 返回一个 Match 对象
<_sre.SRE_Matchobjectat0x10a42aac0>
>>>m.group(0)   # 可省略 0
'12'
>>>m.start(0)   # 可省略 0
3
>>>m.end(0)     # 可省略 0
5
>>>m.span(0)    # 可省略 0
(3, 5)

在上面，当匹配成功时返回一个 Match 对象，其中：

• group([group1, …]) 方法用于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)；

• start([group]) 方法用于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；

• end([group]) 方法用于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；

• span([group]) 方法返回 (start(group), end(group))。

​

>>>importre
>>>pattern=re.compile(r'([a-z]+) ([a-z]+)', re.I)   # re.I 表示忽略大小写
>>>m=pattern.match('Hello World Wide Web')
>>>printm                               # 匹配成功，返回一个 Match 对象
<_sre.SRE_Matchobjectat0x10bea83e8>
>>>m.group(0)                            # 返回匹配成功的整个子串
'Hello World'
>>>m.span(0)                             # 返回匹配成功的整个子串的索引
(0, 11)
>>>m.group(1)                            # 返回第一个分组匹配成功的子串
'Hello'
>>>m.span(1)                             # 返回第一个分组匹配成功的子串的索引
(0, 5)
>>>m.group(2)                            # 返回第二个分组匹配成功的子串
'World'
>>>m.span(2)                             # 返回第二个分组匹配成功的子串
(6, 11)
>>>m.groups()                            # 等价于 (m.group(1), m.group(2), ...)
('Hello', 'World')
>>>m.group(3)                            # 不存在第三个分组
Traceback (mostrecentcalllast):
  File"<stdin>", line1, in<module>
IndexError: nosuchgroup

5、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。

5.1 语法

1、与re.compile()配合使用

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。（不包括）

查找字符串中的所有数字：

import re  
pattern = re.compile(r'\d+')   # 查找数字 
result1 = pattern.findall('runoob 123 google 456') 
result2 = pattern.findall('run88oob123google456', 0, 10)  
print(result1) 
print(result2)

2、re.findall

多个匹配模式，返回元组列表：

importre
​
result=re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
print(result)

[('width', '20'), ('height', '10')]

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)

参数：

参数	描述
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。参见：正则表达式修饰符 - 可选标志

importre
 
it=re.finditer(r"\d+","12a32bc43jf3") 
formatchinit: 
    print (match.group() )

12 
32 
43 
3

importre
​
line2='sd34fgf56f7fg843'
​
m2=re.finditer('\d+',line2)
print(m2)
foriinm2:
    print(i)

<callable_iterator object at 0x000001F7E35A3188>
<re.Match object; span=(2, 4), match='34'>
<re.Match object; span=(7, 9), match='56'>
<re.Match object; span=(10, 11), match='7'>
<re.Match object; span=(13, 16), match='843'>

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，它的使用形式如下：

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

参数：

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串。
maxsplit	分隔次数，maxsplit=1 分隔一次，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。参见：正则表达式修饰符 - 可选标志

>>>importre
>>>re.split('\W+', 'runoob, runoob, runoob.')
['runoob', 'runoob', 'runoob', '']
>>>re.split('(\W+)', ' runoob, runoob, runoob.') 
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
>>>re.split('\W+', ' runoob, runoob, runoob.', 1) 
['', 'runoob, runoob, runoob.']
 
>>>re.split('a*', 'hello world')   # 对于一个找不到匹配的字符串而言，split 不会对其作出分割
['hello world']