python的re模块详解

一、正则表达式的特殊字符介绍

?

1 2 3 4 5 6 7 8 9 10 11 12 13

正则表达式 ^           匹配行首                                     $           匹配行尾                                     .           任意单个字符                     []          匹配包含在中括号中的任意字符 [^]         匹配包含在中括号中的字符之外的字符 [-]         匹配指定范围的任意单个字符 ？          匹配之前项的1次或者0次 +           匹配之前项的1次或者多次 *           匹配之前项的0次或者多次 {n}         匹配之前项的n次 {m,n}       匹配之前项最大n次，最小m次 {n,}        配置之前项至少n次

　　

二、re模块的方法介绍

1、匹配类方法

a、findall方法

?

1 2 3

# findall方法，该方法在字符串中查找模式匹配，将所有的匹配字符串以列表的形式返回，如果文本中没有任何字符串匹配模式，则返回一个空的列表， # 如果有一个子字符串匹配模式，则返回包含一个元素的列表，所以，无论怎么匹配，我们都可以直接遍历findall返回的结果而不会出错，这对工程师 # 编写程序来说，减少了异常情况的处理，代码逻辑更加简洁

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

# re.findall() 用来输出所有符合模式匹配的子串   re_str = "hello this is python 2.7.13 and python 3.4.5"   pattern = "python [0-9]\.[0-9]\.[0-9]" res = re.findall(pattern=pattern,string=re_str) print(res)   # ['python 2.7.1', 'python 3.4.5']   pattern = "python [0-9]\.[0-9]\.[0-9]{2,}" res = re.findall(pattern=pattern,string=re_str) print(res)   # ['python 2.7.13']     pattern = "python[0-9]\.[0-9]\.[0-9]{2,}" res = re.findall(pattern=pattern,string=re_str) print(res)   # []   # re.findall() 方法，返回一个列表，如果匹配到的话，列表中的元素为匹配到的子字符串，如果没有匹配到，则返回一个空的列表   re_str = "hello this is python 2.7.13 and Python 3.4.5"   pattern = "python [0-9]\.[0-9]\.[0-9]" res = re.findall(pattern=pattern,string=re_str,flags=re.IGNORECASE) print(res)   # ['python 2.7.1', 'Python 3.4.5']   # 设置标志flags=re.IGNORECASE，意思为忽略大小写

　　

b、编译的方式使用正则表达式

?

1 2 3 4 5

# 我们一般采用编译的方式使用python的正则模块，如果在大量的数据量中，编译的方式使用正则性能会提高很多，具体读者们可以可以实际测试 re_str = "hello this is python 2.7.13 and Python 3.4.5" re_obj = re.compile(pattern = "python [0-9]\.[0-9]\.[0-9]",flags=re.IGNORECASE) res = re_obj.findall(re_str) print(res)

　　

c、match方法

?

1 2 3

# match方法，类似于字符串中的startwith方法，只是match应用在正则表达式中更加强大，更富有表现力，match函数用以匹配字符串的开始部分，如果模式 # 匹配成功，返回一个SRE_Match类型的对象，如果模式匹配失败，则返回一个None，因此对于普通的前缀匹配，他的用法几乎和startwith一模一样，例如我 # 们要判断data字符串是否以what和是否以数字开头

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

s_true = "what is a boy" s_false = "What is a boy" re_obj = re.compile("what")   print(re_obj.match(string=s_true)) # <_sre.SRE_Match object; span=(0, 4), match='what'   print(re_obj.match(string=s_false)) # None   s_true = "123what is a boy" s_false = "what is a boy"   re_obj = re.compile("\d+")   print(re_obj.match(s_true)) # <_sre.SRE_Match object; span=(0, 3), match='123'>   print(re_obj.match(s_true).start()) # 0 print(re_obj.match(s_true).end()) # 3 print(re_obj.match(s_true).string) # 123what is a boy print(re_obj.match(s_true).group()) # 123     print(re_obj.match(s_false)) # None

　　

d、search方法

?

1 2 3 4

# search方法，模式匹配成功后，也会返回一个SRE_Match对象，search方法和match的方法区别在于match只能从头开始匹配，而search可以从 # 字符串的任意位置开始匹配，他们的共同点是，如果匹配成功，返回一个SRE_Match对象，如果匹配失败，返回一个None，这里还要注意， # search仅仅查找第一次匹配，也就是说一个字符串中包含多个模式的匹配，也只会返回第一个匹配的结果，如果要返回所有的结果，最简单 # 的方法就是findall方法，也可以使用finditer方法

　　

e、finditer方法

?

1	# finditer返回一个迭代器，遍历迭代器可以得到一个SRE_Match对象，比如下面的例子

　　

?

1 2 3 4 5 6 7 8 9

re_str = "what is a different between python 2.7.14 and python 3.5.4"   re_obj = re.compile("\d{1,}\.\d{1,}\.\d{1,}")   for i in re_obj.finditer(re_str):     print(i)   # <_sre.SRE_Match object; span=(35, 41), match='2.7.14'> # <_sre.SRE_Match object; span=(53, 58), match='3.5.4'>

　　

2、修改类方法介绍

a、sub方法

?

1	# re模块sub方法类似于字符串中的replace方法，只是sub方法支持使用正则表达式，所以，re模块的sub方法使用场景更加广泛

　　

?

1 2 3 4 5 6 7 8 9 10 11 12

re_str = "what is a different between python 2.7.14 and python 3.5.4"   re_obj = re.compile("\d{1,}\.\d{1,}\.\d{1,}")   print(re_obj.sub("a.b.c",re_str,count=1)) # what is a different between python a.b.c and python 3.5.4   print(re_obj.sub("a.b.c",re_str,count=2)) # what is a different between python a.b.c and python a.b.c   print(re_obj.sub("a.b.c",re_str)) # what is a different between python a.b.c and python a.b.c

　　

b、split方法

?

1 2 3

# re模块的split方法和python字符串中的split方法功能是一样的，都是将一个字符串拆分成子字符串的列表，区别在于re模块的split方法能够 # 使用正则表达式 # 比如下面的例子，使用. 空格 : !分割字符串，返回的是一个列表

　　

?

1 2 3 4 5 6

re_str = "what is a different between python 2.7.14 and python 3.5.4 USA:NewYork!Zidan.FRA"   re_obj = re.compile("[. :!]")   print(re_obj.split(re_str)) # ['what', 'is', 'a', 'different', 'between', 'python', '2', '7', '14', 'and', 'python', '3', '5', '4', 'USA', 'NewYork', 'Zidan', 'FRA']

　　

c、大小写不敏感设置

?

1 2 3

# 3、大小写不敏感   # re.compile(flags=re.IGNORECASE)

　　

d、非贪婪匹配

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

# 4、非贪婪匹配，贪婪匹配总是匹配到最长的那个字符串，相应的，非贪婪匹配是匹配到最小的那个字符串，只需要在匹配字符串的时候加一个？即可   # 下面的例子，注意两个. s = "Beautiful is better than ugly.Explicit is better than impliciy."     re_obj = re.compile("Beautiful.*y\.")   print(re_obj.findall(s)) # ['Beautiful is better than ugly.Explicit is better than implicit.']   re_obj = re.compile("Beautiful.*?\.")   print(re_obj.findall(s)) # ['Beautiful is better than ugly.']

　　

e、在正则匹配字符串中加一个小括号，会有什么的效果呢？

如果是要配置一个真正的小括号，那么就需要转义符，下面的例子大家仔细看下，注意下search方法返回的对象的group（1）这个方法是报错的

?

1 2 3 4 5 6 7 8 9 10 11 12

import re s = "=aa1239d&&& 0a ()--"   # obj = re.compile("\(\)") # search # rep = obj.search(s) # print(rep) # <_sre.SRE_Match object; span=(15, 17), match='()'> # print(rep.group(1)) # IndexError: no such group # print(rep.group()) # ()

 

?

1 2 3 4 5

# findall   rep = obj.findall(s) print(rep) # ['()']

 

如果是要返回括号中匹配的字符串中，则该小括号不需要转义符，findall方法返回的是小伙好中匹配到的字符串，search.group（）方法的返回的整个模式匹配到字符串，search.group(1)这个是匹配第一个小括号中的模式匹配到的字符串，search.group(2)这个是匹配第二个小括号中的模式匹配到的字符串，以此类推

?

1 2 3 4 5 6 7 8 9

s = "=aa1239d&&& 0a ()--" rep = re.compile("\w+(&+)")   print(rep.findall(s)) # ['&&&'] print(rep.search(s).group()) # aa1239d&&& print(rep.search(s).group(1)) # &&&