python之re模块

1. python的re模块介绍

re是Python内置的正则表达式模块，它提供了大量正则表达式操作的函数。使用re模块可以进行高效快速的字符串匹配、查找、替换等操作。下面介绍re模块的常用功能及相关操作

1. 匹配函数
   1. re.match()
   2. re.fullmatch()
2. 查找函数
   1. re.search()
   2. re.findall()
   3. re.finditer()
3. 替换函数
   1. re.sub()
   2. re.subn()
4. 分割函数
   1. re.split()

2. 匹配函数

2.1 re.match() 在字符串开头匹配指定的正则表达式

re.match(pattern, string, flags=0)) 在字符串开头匹配指定的正则表达式，如果匹配成功返回一个匹配对象，否则返回None

• pattern：正则表达式模式。

• string：待匹配的字符串。
• flags：匹配模式，如忽略大小写，多行匹配等。详细标识如下：
  • re.I # 使匹配对大小写不敏感
  • re.M # 多行模式，^可以匹配每行的行首
  • re.S # 使.匹配包括换行符在内的所有字符
  • re.L # 根据当前环境区域设置解释\w\b等特殊字符
  • re.U # 根据Unicode字符集解析字符，\w\b等特殊字符按Unicode字符集解析
  • re.X # 忽略正则表达式中的空格和#号后面的注释

若要获得匹配项，则可以使用 group() 或 group(index) 返回。在group()和group(index)中，如果index没有指定，则返回所有匹配的部分。注: index是指正则表达式中的分组索引

import re

pattern = r"^Hello"
string = "Hello, world!"
match = re.match(pattern, string)
if match:
    print("Match Found!") # 匹配成功
else:
    print("Match Not Found!")

# group()
pattern = r"[a-z]+"
string = "Hello, world"
match = re.match(pattern, string)
if match:
    print("Match Found!")
    print(match.group()) # 'ello' 
else:
    print("Match Not Found!")

# group(index)
pattern = r"(\d)+-\d+"
string = "200-1234"
match = re.match(pattern, string)
if match:
    print("Match Found!")
    print(match.group(1)) # '0' 
else:
    print("Match Not Found!")

注意：如果使用group()获取所有匹配组结果，可以使用groups()方法来获取所有结果的元组。

import re

pattern = r"(\d+)-(\d+)"
string = "200-1234"
match = re.match(pattern, string)
if match:
    print(match.group())        # 200-1234
    print(match.group(1,2))     # ('200', '1234')
    print(match.groups())       # ('200', '1234')
else:
    print("Match Not Found!")

2.2 re.fullmatch() 全匹配

尝试将整个字符串与正则表达式模式进行匹配，如果字符串完全匹配正则表达式，则返回一个匹配对象，否则返回None。

• pattern：正则表达式模式。
• string：待匹配的字符串。
• flags：匹配模式。

import re

pattern = r"\d+"
string = "1234"
match = re.fullmatch(pattern, string)
if match:
    print("Match Found!")
else:
    print("Match Not Found!")

3. 查找函数

3.1 re.search()

re.search(pattern, string, flags=0) 在整个字符串中查找指定正则表达式的第一次出现，如果匹配成功，则返回一个匹配对象，否则返回None。

• pattern：正则表达式模式。
• string：待匹配的字符串。
• flags：匹配模式。

import re

pattern = r"world"
string = "hello world"
match = re.search(pattern, string)
if match:
    print("Match Found!")
else:
    print("Match Not Found!")

# 获取匹配的开始和结束位置
print(match.start(), match.end())    # 6, 11

3.2 re.findall()

re.findall(pattern, string, flags=0) 查找字符串中所有与正则表达式匹配的子字符串，并返回一个列表。

• pattern：正则表达式模式。
• string：待匹配的字符串。
• flags：匹配模式。

import re

pattern = r"\d+"
string = "hello 123 world 456"
match = re.findall(pattern, string)
print(match) # ['123', '456']

3.3 re.finditer()

re.finditer(pattern, string, flags=0) 查找字符串中所有与正则表达式匹配的子字符串，并返回一个迭代器，该迭代器返回所有匹配对象。

• pattern：正则表达式模式。
• string：待匹配的字符串。
• flags：匹配模式。

import re

pattern = r"\d+"
string = "hello 123 world 456"
match_iter = re.finditer(pattern, string)
for match in match_iter:
    print(match.group())    # 123  456

MatchObject 是一个包含与正则表达式匹配的文本的对象，一个MatchObject对象包含了找到的模式的信息，如在何处找到它，该组的内容等。这个对象始终是真值。如果匹配失败，则返回的对象为None。

import re

pattern = r"\d+"
string = "hello 123 world 456"
match_iter = re.finditer(pattern, string)
for match in match_iter:
    print(match, type(match))  # <re.Match object; span=(6, 9), match='123'>  <class 're.Match'>

4. 替换函数

4.1 re.sub()

re.sub(pattern, repl, string, count=0, flags=0) 在字符串中查找匹配项，并使用repl替换它们。repl可以是一个字符串或一个函数。如果使用函数，将匹配的对象作为参数传入，并且函数应返回替换的字符串。count指定替换的次数。如果count为0，则所有匹配的项都将被替换。

• pattern：正则表达式模式。
• repl：用于替换匹配字符串的字符串或函数。
• string：待匹配的字符串。
• count：替换的最大次数之前，默认为0。
• flags：匹配模式。

import re

pattern = r"\s+"
string = "hello    world"
replace_string = re.sub(pattern, "_", string)
print(replace_string) # hello_world

使用函数替换时：

import re

def to_upper(match_obj):
    return match_obj.group().upper()

pattern = r"\b\w+\b"
string = "hello world"
replace_string = re.sub(pattern, to_upper, string)
print(replace_string) # HELLO WORLD

4.2 re.subn()

re.subn(pattern, repl, string, count=0, flags=0) 在字符串中查找匹配项，并使用repl替换它们。它与re.sub()类似，但返回一个元组，其中第一个元素是新字符串，第二个元素是替换发生的次数。

• pattern：正则表达式模式。
• repl：用于替换匹配字符串的字符串或函数。
• string：待匹配的字符串。
• count：替换的最大次数之前，默认为0。
• flags：匹配模式。

import re

pattern = r"\s+"
string = "hello    world"
replace_string, count = re.subn(pattern, "_", string)
print(replace_string) # hello_world
print(count) # 3

5. 分割函数

5.1 re.split()

re.split(pattern, string, maxsplit=0, flags=0) 根据正则表达式模式对字符串进行分割，并返回一个包含由分割部分组成的列表。maxsplit指定分割的次数。如果指定为0，则所有匹配的部分都将被分割。

• pattern：正则表达式模式。
• string：待分割的字符串。
• maxsplit：可选参数，指定分割次数。如果未提供或为0，则所有匹配项都将被分割。
• flags：匹配模式。

import re

pattern = r"\s+"
string = "hello   world"
match = re.split(pattern, string)
print(match) # ['hello', 'world']

6. 正则匹配符

以下是常用的正则表达式符号：

• . 匹配任意字符（除了换行符）
• ^ 匹配字符串的开头
• $ 匹配字符串的末尾
• * 匹配前面的字符0次或多次 -
• + 匹配前面的字符1次或多次
• ? 匹配前面的字符0次或1次，表示该字符是可选的
• {n} 匹配前面的字符n次
• {n,m} 匹配前面的字符至少n次，至多m次
• [] 匹配方括号中列举的任意一个字符
• | 或，匹配两个或多个正则表达式之一
• () 括号内的正则表达式表示一个组
• \d 数字，等价于 [0-9]
• \w Word字符（字母、数字、下划线），等价于 [a-zA-Z0-9_]
• \s 空格、制表符、换行符等空白字符的其中任意一个
• \D 非数字字符
• \W 非 Word 字符
• \S 非空白字符

使用括号可以将一系列字符看作一个整体，使其具有相同的优先级，并可用于提取匹配的子串。例如，表达式 (abc)+ 可以匹配由任意数目的 “abc” 组成的串，但该表达式不匹配 “ab” 或 “ababc” 等。匹配操作可执行子表达式（即括号内的表达式）或者复合表达式（即整个正则表达式）。 需要注意的是，一些特殊符号例如 ., *, |, $ 等在正则表达式中有特殊的含义，如果需要匹配它们本身，需要使用反斜杠 \ 进行转义。例如，表达式 \| 可以匹配竖线 |。