Python 正则表达式

1、从字符串起始位置匹配（一次）

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

匹配成功返回匹配对象，否则返回 None

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    pass
    string = '你好,世界'
    ret = re.match('你好,', string)
    print(ret)
    print(ret.span())
    print('=============')
    ret = re.match('世界', string)
    print(ret)

运行

2.匹配整个字符串（一次）

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

匹配成功返回匹配对象，否则返回 None

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    pass
    string = '你好,世界'
    ret = re.search('你好,', string)
    print(ret)
    print(ret.span())
    print('=============')
    ret = re.search('世界', string)
    print(ret)
    print(ret.string)
    print(ret.span())
    print('=============')
    ret = re.search('世界啊', string)
    print(ret)

运行

 3.替换（多次）

re.sub()

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    pass
    string = '你好,世界'
    new = re.sub('你好,', '', string)
    print(new)
    new = re.sub(',', '', string)
    print(new)

运行

4.匹配所有符合条件的字符串（多次）

re.findall()

匹配到返回 list 匹配不到返回空的 list

 re.match 和 re.search 是只匹配一次符合条件的，而 findall 匹配所有符合条件。

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    pass
    string = '你好,世界,你好,世界'
    print(re.match('你好', string).span())
    print(re.search('你好', string).span())
    ret = re.findall('你好', string)
    print(ret)
    

运行

 5.正则表达式对象

re.compile()

返回正则表达式对象

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    pass
    string = 'AAAA123BBB456CCC789'
    p = re.compile(r'\d')  # 匹配1个数字
    ret = p.findall(string)
    print(ret)  # ['1', '2', '3', '4', '5', '6', '7', '8', '9']
    p = re.compile(r'\d+')  # 匹配1个或多个数字
    ret = p.findall(string)
    print(ret)  # ['123', '456', '789']
    p = re.compile(r'\w+')  # 数字字母下划线
    ret = p.findall('VVV111%%DDDD$$##^^45645AAA')
    print(ret)  # ['VVV111', 'DDDD', '45645AAA']
    

正则表达式可参考 https://www.runoob.com/python3/python3-reg-expressions.html

https://docs.python.org/zh-cn/3/library/re.html

6.贪婪模式和非贪婪模式

（1）贪婪模式

正则表达式中　　*表示匹配0个或多个　　+表示匹配1个或多个　　?表示匹配0个或一个

他们都会尽最大能力去匹配，这就是贪婪模式

例如'<aaa111><bbb22222><3333dddd>'中找<打头>结尾的，贪婪模式匹配返回 ['<aaa111><bbb22222><3333dddd>']

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    string = '<aaa111><bbb22222><3333dddd>'
    p = re.compile(r'<.*>')
    ret = p.findall(string)
    print(ret)  # ['<aaa111><bbb22222><3333dddd>']

（2）非贪婪模式

我理解在 * 或 +后面加上?就是非贪婪模式

这样能尽最小能力去匹配

例如'<aaa111><bbb22222><3333dddd>'中找<打头>结尾的，非贪婪模式匹配返回 ['<aaa111>', '<bbb22222>', '<3333dddd>']

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    string = '<aaa111><bbb22222><3333dddd>'
    p = re.compile(r'<.*?>')
    ret = p.findall(string)
    print(ret)  # ['<aaa111>', '<bbb22222>', '<3333dddd>']

（3）再来个例子

{a,b} 表示匹配a个到b个

贪婪模式会匹配最大b个（大于a个小于b个则有几个匹配几个，小于a个则匹配失败，大于b个则匹配b个）

{a,b}?非贪婪模式匹配a个

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    string = 'AAAAAAAAAABBBBAAAAAA'
    p = re.compile(r'A{3,5}')
    ret = p.findall(string)
    print(ret) # ['AAAAA', 'AAAAA', 'AAAAA']
    p1 = re.compile(r'A{3,5}?')
    ret = p1.findall(string)
    print(ret)# ['AAA', 'AAA', 'AAA', 'AAA', 'AAA']

 7.分组

group()

正则表达式中用括号就表示分组()，一个()一个分组，通过group(index)获取

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    string = 'afafafABBB % DFF1234578'
    p = re.compile(r'AB+(.%S?)(.[A-Z]+)\d+')
    ret = p.search(string)
    print(ret)
    print(ret.group(0))  # 默认整个匹配值
    print(ret.group(1))  # 第一个分组
    print(ret.group(2))  # 第二个分组

运行

<re.Match object; span=(6, 23), match='ABBB % DFF1234578'>
ABBB % DFF1234578
 %
 DFF

如果下标过多，可以指定名字使用 (?P<name>) 来实现

# -*- encoding=utf-8 -*-

import re

if __name__ == '__main__':
    string = 'afafafABBB % DFF1234578'
    p = re.compile(r'AB+(?P<one>.%S?)(?P<two>.[A-Z]+)\d+')
    ret = p.search(string)
    print(ret)
    print(ret.group(0))  # 默认整个匹配值
    print(ret.group(1))  # 第一个分组
    print(ret.group(2))  # 第二个分组
    print(ret.group('one'))  # 第一个分组
    print(ret.group('two'))  # 第二个分组

运行

<re.Match object; span=(6, 23), match='ABBB % DFF1234578'>
ABBB % DFF1234578
 %
 DFF
 %
 DFF