Python内置库之正则表达式re

导入正则表达式re库

import re

原始字符串

在Python中，使用 r 或者 R 作为前缀的字符串称为原始字符串，原始字符串将字符串中的所有内容视为普通字符串，不会进行转义

print('D:\note')
# 输出结果会将 \n 作为换行符
"""
D:
ote
"""

print(r'D:\note')
# 输出结果
"""
D:\note
"""

正则表达式对象替换

compile()函数将字符串转换为正则表达式对象

• 返回值为正则对象
• 转换后可直接使用此正则表达式对象调用匹配、替换、分割的方法，不需要再传入正则表达式参数
• 此方法可用于 需要多次使用此正则表达式的场景

pattern = 'hogwarts'
prog = re.compile(pattern)
s = 'hogwarts class'
print(prog.match(s))
print(prog.search(s))

匹配字符串

match() 从字符串开头进行匹配，若开头无法匹配则匹配失败，函数返回None
语法：re.match(pattern, string, [flags])

• pattern：正则表达式
• string：要进行匹配的字符串
• flags：可选，控制匹配方式，使用方式：re.A
  • A：只进行ascii匹配
  • I：不区分大小写
  • M：将^和$用于包括整个字符串开始和结尾的每一行
  • X：忽略模式字符串中未转义的空格和注释
    返回值：匹配成功则返回一个匹配对象，失败则返回None

pattern = r'hogwarts'
s = 'Hogwarts class'
s1 = 'today we learning hogwarts class in hogwarts'
match1 = re.match(pattern, s, re.I)
print(match1)
print(f'匹配值的起始位置：{match1.start()}')
print(f'匹配值的结束位置：{match1.end()}')
print(f'匹配值开始与结束位置的元组：{match1.span()}')
print(f'需要进行匹配的字符串：{match1.string}')
print(f'匹配出的数据：{match1.group()}')

# 因为match是从字符串开始位置进行匹配，因此s1匹配不到，返回None
match2 = re.match(pattern, s1, re.I)
print(match2)

"""
<re.Match object; span=(0, 8), match='Hogwarts'>
匹配值的起始位置：0
匹配值的结束位置：8
匹配值开始与结束位置的元组：(0, 8)
需要进行匹配的字符串：Hogwarts class
匹配出的数据：Hogwarts
None
"""

search() 扫描整个字符串并返回第一个成功的匹配
语法：re.search(pattern, string, [flags])
返回值：匹配成功则返回一个匹配对象，失败则返回None
用法同上

pattern = r'hogwarts'
s = 'Hogwarts class'
s1 = 'today we learning hogwarts class in hogwarts'
match1 = re.search(pattern, s, re.I)
print(match1)

# search是在整个字符串中进行匹配，因此s1匹配成功，但是只匹配一次
match2 = re.search(pattern, s1, re.I)
print(match2)
print(f'匹配值的起始位置：{match2.start()}')
print(f'匹配值的结束位置：{match2.end()}')
print(f'匹配值开始与结束位置的元组：{match2.span()}')
print(f'需要进行匹配的字符串：{match2.string}')
print(f'匹配出的数据：{match2.group()}')

"""
<re.Match object; span=(0, 8), match='Hogwarts'>
<re.Match object; span=(18, 26), match='hogwarts'>
匹配值的起始位置：18
匹配值的结束位置：26
匹配值开始与结束位置的元组：(18, 26)
需要进行匹配的字符串：today we learning hogwarts class in hogwarts
匹配出的数据：hogwarts
"""

findall() 在整个字符串中搜索所有符合正则表达式的字符串，返回列表
语法：re.findall(pattern, string, [flags])

match3 = re.findall(pattern, s1)
print(match3)

# 可以看见，search方法只匹配一次，所以当需要进行多次匹配时，可以使用findall()方法
"""
['hogwarts', 'hogwarts']
"""

pattern1 = r'[0-9]+[a-z]*\?'
s2 = '12test?57cases32simples?hello'
match4 = re.findall(pattern1, s2)
print(match4)

"""
['12test?', '32simples?']
"""

替换字符串

sub()进行字符串替换
语法：re.sub(pattern, repl, string, [count], [flags])

• pattern：正则表达式
• repl：要替换成的字符串
• string：要被查找替换的原始字符串
• count：可选，表示替换的最大次数，默认为0，表示替换所有匹配
• flags：可选，控制匹配方式
  返回值：替换后的字符串

# 我们需要将符合正则的电话号码进行加密替换
pattern2 = r'1[3-9]\d{9}'
s3 = 'tel：13712341234，tel1：15700010001，客服热线：1001001'
res = re.sub(pattern2, '1**********', s3)
print(res)

"""
tel：1**********，tel1：1**********，客服热线：1001001
"""

当需要对匹配的字符串做复杂处理时，repl可以为一个函数，对匹配结果进行处理后返回要替换成的字符串即可。

matched对象和分组

当我们需要得到匹配出的数据中的某些部分内容时，可以对正则表达式使用()来进行分组，待匹配成功得到匹配对象后，通过匹配对象的方法：方法groups()和group(num=0)，可以获得分组信息（这两个方法是匹配对象所有的，findall和split这样返回列表的就没有）

# 简单示例，通过()进行分组
pattern = r'(hog)w(arts)'
s = 'Hogwarts class'
s1 = 'today we learning hogwarts class in hogwarts'
# match1为返回的匹配对象
match1 = re.search(pattern, s, re.I)
print(f'match1：{match1}')
# groups()返回一个元组，元组元素为所有匹配到的小组
print(f'match1匹配出的所有小组：{match1.groups()}')
# group(num=0)没有参数时，num默认为0，意为匹配到的整个完整字符
print(f'匹配到的完整字符：{match1.group()}')
# group(1)指定num=1，意为匹配到的完整字符中的第一个小组，这里是Hog
print(f'匹配到的第一个组：{match1.group(1)}')
# 可以在group中一次输入多个组号，会返回一个包含这些组对应内容的元组
print(f'匹配到的第一、第二个组：{match1.group(1, 2)}')

"""
match1：<re.Match object; span=(0, 8), match='Hogwarts'>
match1匹配出的所有小组：('Hog', 'arts')
匹配到的完整字符：Hogwarts
匹配到的第一个组：Hog
匹配到的第一、第二个组：('Hog', 'arts')
"""

# search()方法返回的匹配对象也拥有相同的方法

那么当我们需要对匹配到的完整内容的部分数据做处理时，分组就派上用场了，我们可以根据需要通过()对正则表达式进行分组，再对分组后的内容做处理，然后完成匹配数据的部分内容替换

# 将电话号码的中间四位做加密处理
# 我们将中间四位的前后内容进行分组
pattern2 = r'(1[3-9]\d)\d{4}(\d{4})'
s3 = 'tel：13712341234，tel1：15700010001，客服热线：1001001'


# 获得中间四位的前后内容，再和加密内容进行拼接
def _rep(matched):
    first, thr = matched.group(1, 2)
    result = first + '****' + thr
    return result


# 每次匹配到的内容，会通过第二个参数的内容进行替换
# 这里会将匹配对象matched传递给_rep函数，然后使用返回值替换正则表达式匹配到的整个字符串
res = re.sub(pattern2, _rep, s3)
print(res)

"""
tel：137****1234，tel1：157****0001，客服热线：1001001
"""

分割字符串

split()根据正则表达式分割字符串，返回列表
语法：re.split(pattern, string, [maxsplit], [flags])

• pattern：正则表达式
• string：要匹配进行分割的字符串
• maxsplit：可选，最大分割次数
• flags：可选，控制匹配方式
  返回值：分割后的列表

pattern2 = r'1[3-9]\d{9}'
s3 = 'tel：13712341234，tel1：15700010001，客服热线：1001001'
res1 = re.split(pattern2, s3)
print(res1)

"""
['tel：', '，tel1：', '，客服热线：1001001']
"""