Python中的正则表达式

>>import re
>>print(re.match('www','www.baidu.com'))
>>print(re.match('baidu','www.baidu.com'))
>>print(re.match('www','www.baidu.com').span())  #返回匹配对象在字符串中的索引，返回元组类型的数据

<re.Match object; span=(0, 3), match='www'>
None
(0, 3)

re.search()函数

re.search 扫描整个字符串并返回第一个成功的匹配。匹配成功 re.search 方法返回一个匹配的对象，否则返回None。

函数语法：

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

参数：

pattern：匹配的正则表达式
string：要匹配的字符串
flags：可选参数，标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

>>import re
>>print(re.search('www','www.baidu.com').span())
>>print(re.search('com','www.baidu.com').span())
(0, 3)
(10, 13)

re.match()和re.search()的联系和区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

不管是re.match() 还是 re.search() , 我们都可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法	描述
group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到所含的小组号。

import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
或  matchObj = re.searcch( r'(.*) are (.*?) .*', line, re.M|re.I)
 
if matchObj:
   print ("matchObj.group() : ", matchObj.group())
   print ("matchObj.group(1) : ", matchObj.group(1))
   print ("matchObj.group(2) : ", matchObj.group(2))
else:
   print ("No match!!")
################################################################
matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

检索和替换(re.sub)

Python 的 re 模块提供了 re.sub 用于替换字符串中的匹配项

re.sub(pattern , repl , string [, count=0] )

参数：

pattern：正则中的模式字符串
repl：替换成的字符串，也可以是一个函数
string：要被替换的字符串
count：模式匹配后替换的最大次数，默认0表示替换所有的匹配

import re
 
a="hello,word!hello,word!"
ret=re.sub("ll","dd",a)              #将a中所有的ll替换成dd
ret2=re.sub("ll","dd",a,count=1)     #将a中第一个ll替换成dd
print(ret)
print(ret2)
########################################
heddo,word!heddo,word!
heddo,word!hello,word!


#将./之间的任何数字替换成0
import re
ip="192.168.1.3/24"
ip=re.sub(r".([0-9]+)/",".0/",a)
print(ip)
#####################################
192.168.1.0/24

re.compile()函数

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 match() 和 search() 这两个函数使用。

re.compile( pattern [, flags] )

参数

pattern：一个字符串形式的正则表达式
flags：可选参数，表示匹配模式，比如忽略大小写，多行模式

import re 
pattern=re.compile(r'^h')  #匹配开头是h的
m=pattern.match('hello')
print(m)
###################################
<re.Match object; span=(0, 1), match='h'>

re.findall()函数

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，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次， findall 是匹配所有。

findall ( pattern , string [, pos ] [, endpos ] )

pattern：正则中的模式字符串
string：待匹配的字符串
pos：可选参数，指定字符串的起始位置，默认为0
endpos：可选参数，指定字符串的结束位置，默认为字符串的长度

import re
a="hello,word!hello,word!"
m=re.findall("ll",a)
print(m)
################################
['ll', 'll']



import re
pattern=re.compile('ll')
m=pattern.findall("hello,word!hello,word!")
print(m)
###################################
['ll', 'll']


#匹配./之间的所有数字
import re
ip="192.168.1.213/24"
a=re.findall(".([0-9]+)/",ip)
print(a)
#####################
['213']

findall和sub函数正则匹配时的区别

re.finditer()函数

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。

finditer( pattern , string [, flags] )

参数

pattern：匹配的正则表达式
string：要匹配的字符串
flags：可选参数，标志位，用于控制正则表达式的匹配方法，如：是否区分大小写，多行匹配等等

import re
it=re.finditer("ll","hello,word!hello,word!")
for i in it:
    print(i.group())
########################################
ll
ll

re.split()函数

split 方法按照能够匹配的子串将字符串分割后返回列表型数据

finditer( pattern , string [,maxsplit] [,flags=0] )

参数

pattern：匹配的正则表达式
string：要匹配的字符串
maxspliit：分隔次数，maxsplit=1分隔一次，默认为0，不限制次数
flags：标志位，用于控制正则表达式的匹配方法，如：是否区分大小写，多行匹配等等

import re
a=re.split('ll',"hello,hello,hello")
print(a)
######################################
['he', 'o,he', 'o,he', 'o']

正则表达式对象

re.RegexObject

re.compile() 返回 RegexObject 对象。

re.MatchObject

group() 返回被 RE 匹配的字符串。

start() 返回匹配开始的位置
end() 返回匹配结束的位置
span() 返回一个元组包含匹配 (开始,结束) 的位置

正则表达式标志位

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志

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' '，等价于 \t )匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	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*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	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{ n,}	精确匹配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{ n,m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a\| b	匹配a或b
(re)	G匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re)	匹配的独立模式，省去回溯。
w	匹配数字字母下划线
W	匹配非数字字母下划线
s	匹配任意空白字符，等价于 [ f]。
S	匹配任意非空字符
d	匹配任意数字，等价于 [0-9]。
D	匹配任意非数字
A	匹配字符串开始
	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
z	匹配字符串结束
G	匹配最后匹配完成的位置。
	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er' 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。'erB' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
, , 等。	匹配一个换行符。匹配一个制表符, 等
1...9	匹配第n个分组的内容。
10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

正则表达式实例

字符匹配

实例	描述
python	匹配 "python".

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

特殊字符类

实例	描述
.	匹配除 " " 之外的任何单个字符。要匹配包括 ' ' 在内的任何字符，请使用象 '[. ]' 的模式。
d	匹配一个数字字符。等价于 [0-9]。
D	匹配一个非数字字符。等价于 [^0-9]。
s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ f v]。
S	匹配任何非空白字符。等价于 [^ f v]。
w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。