Python模式匹配与正则表达式

1. 用正则表达式查找文本模式

1.1 正则表达式匹配步骤

用import re导入正则表达式模块
用re.compile()函数创建一个Regex对象（记得使用原始字符串）
向Regex对象的search()方法传入想查找的字符串。它返回一个Match对象。
调用Match对象的group()方法，返回实际匹配文本的字符串。

import re

phone_number = "my phone number is 400-880-9999"

re_phone = re.compile(r'\d{3}-\d{3}-\d{4}')
mo = re_phone.search(phone_number)

print(mo.group())

1.2 用正则表达式匹配更多模式

1.2.1 利用括号分组

假定想要将区号从电话号码中分离。添加括号将在正则表达式中创建“分组”: (\d\d\d)-(\d\d\d-\d\d\d\d)。然后可以使用group()匹配对象方法，从一个分组中获取匹配的文本。

正则表达式字符串中的第一对括号是第1组。第二对括号是第2组。向group()匹配对象方法传入整数 1 或 2，就可以取得匹配文本的不同部分。向group()方法传入0或不传入参数，将返回整个匹配的文本。

import re

my_phone = 'my phone number is 400-880-9898'

mach_regex = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
mo = mach_regex.search(my_phone)

print(mo.group(1))

如果想要一次就获取所有的分组，请使用groups()方法，注意函数名的复数形式。

import re

my_phone = 'my phone number is 400-880-9898'

mach_regex = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
mo = mach_regex.search(my_phone)

print(mo.groups())
areaCode, mainNumber,secNumber = mo.groups()
print(areaCode)
print(mainNumber)
print(secNumber)

1.2.2 用管道匹配多个分组

　　希望匹配许多表达式中的一个时，就可以使用管道。如Tom和jerry同时出现在字符串中，第一次出现的匹配文本，将作为Match对象返回。如下代码

import re
sublien = "Tom and jreey"
sublien1 = "jerry is good Tom"

mo = re.compile(r'Tom|jerry')
mo1 = mo.search(sublien)
print(mo1.group())

mo2 = mo.search(sublien1)
print(mo2.group())

假设你希望匹配'Batman'、'Batmobile'、'Batcopter'和'Batbat'中任意一个。因为所有这些字符串都以 Bat 开始，所以如果能够只指定一次前缀，就很方便。

import re
sublien = "'Batman is good"

match_test = re.compile(r'Bat(man|mobile|copter|bat)')
mo = match_test.search(sublien)
print(mo.group())
print(mo.group(1))

1.2.3 用问号实现可选匹配

　　？：匹配前面括号字符0次或1次

import re
sublien = "Batman is good"
sublien1 = "Batwoman is good"
match_test = re.compile(r'Bat(wo)?man')
mo = match_test.search(sublien)
mo1 = match_test.search(sublien1)

print(mo.group())
print(mo1.group())

1.2.4 用星号匹配0次或多次

import re
sublien = "Batman is good"
sublien1 = "Batwoman is good"
sublien2 = "Batwowowowowowoman is good"
match_test = re.compile(r'Bat(wo)*man')
mo = match_test.search(sublien)
mo1 = match_test.search(sublien1)
mo2 = match_test.search(sublien2)

print(mo.group())
print(mo1.group())
print(mo2.group())

1.2.5 用+号匹配1次或多次

import re
sublien = "Batman is good"
sublien1 = "Batwoman is good"
sublien2 = "Batwowowowowowoman is good"
match_test = re.compile(r'Bat(wo)+man')
mo1 = match_test.search(sublien1)
mo2 = match_test.search(sublien2)

print(mo1.group())
print(mo2.group())

1.2.6 使用{}匹配特定次数

1.2.7贪心和非贪心匹配

import re

subline = "hahahahaha"
#贪心匹配
subtest = re.compile(r'(ha){3,5}')
mo = subtest.search(subline)
print(mo.group())

#非贪心匹配
subtest1 = re.compile(r'(ha){3,5}?')
mo1 = subtest1.search(subline)
print(mo1.group())

1.2.8 findall()方法

作为 findall()方法的返回结果的总结，请记住下面两点:
　　1.如果调用在一个没有分组的正则表达式上，例如\d\d\d-\d\d\d-\d\d\d\d，方法 findall()将返回一个匹配字符串的列表，例如['415-555-9999', '212-555-0000']。
　　2.如果调用在一个有分组的正则表达式上，例如(\d\d\d)-(\d\d\d)-(\d\d\d\d)，方法 findall()将返回一个字符串的元组的列表(每个分组对应一个字符串)，例如[('415', '555', '1122'), ('212', '555', '0000')]。

import re

subline = "hahahahaha"
#贪心匹配
subtest = re.compile(r'(ha)')
mo = subtest.findall(subline)
print(mo)

1.2.9正则表达式符号

?匹配零次或一次前面的分组。
*匹配零次或多次前面的分组。
+匹配一次或多次前面的分组。
{n}匹配 n 次前面的分组。
{n,}匹配 n 次或更多前面的分组。
{,m}匹配零次到 m 次前面的分组。
{n,m}匹配至少 n 次、至多 m 次前面的分组。
{n,m}?或*?或+?对前面的分组进行非贪心匹配。
^spam 意味着字符串必须以 spam 开始。
spam$意味着字符串必须以 spam 结束。
.匹配所有字符，换行符除外。
\d、\w 和\s 分别匹配数字、单词和空格。
\D、\W 和\S 分别匹配出数字、单词和空格外的所有字符。
[abc]匹配方括号内的任意字符(诸如 a、b 或 c)。
[^abc]匹配不在方括号内的任意字符。

1.2.10不区分大小写的匹配

re.IGNORECASE参数

import re

subline = "my name is root,the ROOT is haha"

subline_test = re.compile(r'(root)',re.IGNORECASE)
mo = subline_test.findall(subline)

print(mo)

1.1.11用sub()方法替换字符串

Regex 对象的 sub()方法需要传入两个参数。第一个参数是一个字符串，用于取代发现的匹配。第二个参数是一个字符串，即正则表达式

import re

subline = "my name is root,the ROOT is haha"

subline_test = re.compile(r'(root)',re.I)

mo = subline_test.sub('master',subline)

print(mo)

通过传入 re.DOTALL 作为 re.compile()的第二个参数，可以让句点字符匹配所有字符，包括换行字符。

re.VERBOSE表示增加注释

re.IGNORECASE表示忽略大小写

posted @ 2023-07-11 17:54 摩天居士-谢烟客阅读(93) 评论(0) 编辑收藏举报

刷新页面返回顶部

摩天居士-谢烟客