python 正则表达式学习笔记

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.match(pattern, string, flags=0) # 匹配成功返回一个匹配的对象，否则返回none

import re
print(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配 (0, 3)
print(re.match('com', 'www.runoob.com'))        # 不在起始位置匹配 None

import re
line = "cats are smarter than dogs"
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)
# matchObj = re.match(r'(.*) are (.*) .*', line, re.M|re.I)  # 结果也一样

if matchObj:
    print("matchObj.group()", matchObj.group())     # cats are smarter than dogs
    print("matchObj.group(1)", matchObj.group(1))   # cats
    print("matchObj.group(2)", matchObj.group(2))   # smarter
else:
    print("No match!!")

import re
line = "cats are smarter than dogs"
matchObj = re.match(r'(.*) are (.*?) (.*) .*', line, re.M|re.I)
# matchObj = re.match(r'(.*) are (.*) (.*) .*', line, re.M|re.I)  #这个结果也一样 

if matchObj:
    print("matchObj.group()", matchObj.group())     # cats are smarter than dogs
    print("matchObj.group(1)", matchObj.group(1))   # cats
    print("matchObj.group(2)", matchObj.group(2))   # smarter
    print("matchObj.group(3)", matchObj.group(3))   # than
else:
    print("No match!!")

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

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。

re.search 扫描整个字符串并返回第一个成功的匹配。

print(re.search('www', 'www.runoob.com').span())  # 在起始位置匹配  (0, 3)
print(re.search('com', 'www.runoob.com').span())  # 不在起始位置匹配  (11, 14)

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

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

matchObj = re.search(r'dogs', line, re.M | re.I)
if matchObj:
    print("search --> matchObj.group() : ", matchObj.group())
else:
    print("No match!!")
'''
No match!!
search --> matchObj.group() :  dogs
'''

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。

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

re 模块提供了re.sub用于替换字符串中的匹配项。

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。

phone = "2004-959-559 # 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)        # 电话号码是： 2004-959-559 

# 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： 2004959559

repl参数是一个函数

# 将匹配的数字乘于2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

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.I | re.M...多个标志可以通过按位OR（|）来指定。

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。

^	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}
re{ n,}	精确匹配n个前面表达式。
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)	G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	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\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。c
\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

1. 字符匹配

python匹配 "python".

2. 字符类

[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

3. 特殊字符类

.	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_]'。

 

r表示字符串为非转义的原始字符串，让编译器忽略反斜杠，即忽略转义字符。

(.*)第一个匹配分组,  * 代表匹配除换行符之外的所有字符。

(.*?)第二个匹配分组，*? 后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符

最后一个.* 没有括号包围，所以不是分组，匹配效果和第一个一样，但是不计入匹配结果中。

【未完需晚上整理。】