python re包 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。
在python中提供了一个使用正则的模块re。
re模块使 Python 语言拥有全部的正则表达式功能。

re.compile

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 findall 使用。
compile语法格式：
re.compile(pattern[, flags])

• 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

例如：

import re
pattern = re.compile(r'\d+')  # 返回一个正则表达式对象，用于匹配至少一个数字
result1  = pattern.findall('abcd123efg')  # 使用上面得到的正则表达对象在字符串中去匹配
print(result1)

输出：['123']

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。
findall语法格式：
pattern.findall(目标字符串,指定匹配的起始位置[可为空，默认为0],指定字符串的结束位置[可为空，默认为字符串长度])

• pattern: 一个字符串形式的正则表达式

示例如compile中

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。
语法：
re.finditer(pattern, string, flags=0)

这个就不多解释了

正则表达式对象

re.RegexObject

re.compile() 返回 RegexObject 对象。

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。
模式示例：

模式	描述
^	匹配字符串的开头
$	匹配字符串的结尾
.	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)	对正则表达式分组并记住匹配文本
re+	匹配一个或者多个的表达式，如 \d只匹配一个数字，\d+则匹配多个数字
re	精确匹配 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	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*	匹配0个或者多个的表达式
a|b	匹配a或b
\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]
\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'

正则表达实例

import re

txt = "hello world!!!666python?!*Pythonabc"

pattern1 = re.compile('[Pp]ython\w+') # 匹配"Python"或者"python" 及后面的数字字母

pattern2 = re.compile('(.*)!!!(\d+)') # 匹配'!!!'前的所有和!!!后的数字

result1 = pattern1.findall(txt)
result2 = pattern2.findall(txt)

print(result1)
print(result2)

输出：
['Pythonabc']
[('hello world', '666')]

除此之外还有re.search方法和re.match方法
简单示例：
re.match('/d+', 'abc123hello')
re.search('/d+', 'abc123hello')
括号中前面为匹配规则，后面为目标字符串
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 扫描整个字符串并返回第一个成功的匹配。