python的正则表达式

Python 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。

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。

• 函数语法：
  
re.match(pattern, string, flags=0)

  函数参数说明：

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。

• 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。

import re
print(re.match('www', 'www.aminglinux.com').span())  # 在起始位置匹配
print(re.match('com', 'www.aminglinux.com'))         # 不在起始位置匹配

#输出
(0, 3)
None
[Finished in 1.3s]

# 第二个例子
import re

line = "you are pig ppppp"

aa= re.match( r'(.*) are (.*?) .*', line)

if aa:
   print("aa.group() : ", aa.group())
   print("aa.group(1) : ", aa.group(1))
   print("aa.group(2) : ", aa.group(2))

#输出
aa.group() :  you are pig ppppp
aa.group(1) :  you
aa.group(2) :  pig

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

• 函数语法：
  
re.search(pattern, string, flags=0)

• 函数参数说明：

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。

- 匹配成功re.search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。

import re
print(re.search('www', 'www.baidu.com').span())  # 在起始位置匹配
print(re.search('com', 'www.baidu.com').span())         # 不在起始位置匹配

#输出
(0, 3)
(10, 13)
[Finished in 0.2s]

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。

• 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，具体参数为：

re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
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
re.X 为了增加可读性，忽略空格和 # 后面的注释

import re

pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
m = pattern.match('dfd6df6dfd8dfd8f8df9fdfd9g')        # 查找头部，没有匹配
print(m)
n = pattern.match('de6df6dfd8dfd8f8df9fdfd9g', 2, 10) # 从'e'的位置开始匹配，没有匹配
print(n)
k = pattern.match('dfd6df6dfd8dfd8f8df9fdfd9g', 3, 10) # 从'6'的位置开始匹配，正好匹配
print(k)                                        # 返回一个 Match 对象
print(k.group(0))   # 可省略 0
print(k.start(0))   # 可省略 0
print(k.end(0))     # 可省略 0
print(k.span(0))    # 可省略 0

#输出
None
<_sre.SRE_Match object; span=(2, 3), match='6'>
<_sre.SRE_Match object; span=(3, 4), match='6'>
6
3
4
(3, 4)
[Finished in 0.2s]

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。

• 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。

• 实例

import re

pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('dpkd 123 dfkp 456')
result2 = pattern.findall('dff88hhvf123poh456', 0, 15)

print(result1)
print(result2)

#输出
['123', '456']
['88', '123']
[Finished in 0.2s]

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

- 实例

import re

print(re.split('\W+', 'shan, shan, shan.'))
print(re.split('(\W+)', ' shan, shan, shan.') )
print(re.split('\W+', ' shan, shan, shan.', 1) )

#输出
['shan', 'shan', 'shan', '']
['', ' ', 'shan', ', ', 'shan', ', ', 'shan', '.', '']
['', 'shan, shan, shan.']
[Finished in 0.2s]