Python基础知识进阶之正则表达式

一.match

re.match 是从字符串的起始位置匹配一个模式，

匹配成功 re.match 方法返回一个匹配的对象，否则返回 None。

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

pattern：匹配的正则表达式。

string：要匹配的字符串。

flags：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。

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或 ( | ) 来指定，例如：re.L | re.M 。

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	为了增加可读性，忽略空格和' # '后面的注释

import re
print(re.match('www', 'www.baidu.com'))  
# 在起始位置匹配        返回 <re.Match object; span=(0, 3), match='www'>print(re.match('com', 'www.baidu.com')) 
# 不在起始位置匹配      返回 Noneprint(re.match('www', 'www.baidu.com').span())
# 匹配成功字符起始位置  返回 (0, 3)print(re.match('www', 'www.baidu.com').group())
# 获取匹配成功字符串    返回 www

二.search

re.search 是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。

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

pattern：匹配的正则表达式。

string：要匹配的字符串。

flags：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'))  
# 在起始位置匹配        返回 <re.Match object; span=(0, 3), match='www'>print(re.search('com', 'www.baidu.com'))  
# 不在起始位置匹配      返回 <re.Match object; span=(0, 3), match='www'>print(re.search('www', 'www.baidu.com').span())  
# 匹配成功字符起始位置  返回 (0, 3)print(re.search('com', 'www.baidu.com').group())
# 获取匹配成功字符串    返回 com

注意：

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。

三.sub

re.sub用于替换字符串中的匹配项，结果返回替换后的字符串。

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

pattern : 正则中的模式字符串。

repl : 替换的字符串，也可为一个函数。

string : 要被查找替换的原始字符串。

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。

flags：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 reprint(re.sub('w', 'www', 'w.baidu.com'))
# 匹配成功替换字符串（默认替换1次） 返回 www.baidu.comprint(re.sub('w', 'WWW', 'w.baidu.www', 2))
# 匹配成功替换指定次数字符串       返回 WWW.baidu.WWWww

四.subn

re.subn和sub相同，都是用于替换字符串中的匹配项，只不过subn的结果返回一个元组包含替换后的字符串和替换次数。

re.subn(pattern, repl, string, count=0, flags=0)

pattern : 正则中的模式字符串。

repl : 替换的字符串，也可为一个函数。

string : 要被查找替换的原始字符串。

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。

flags：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 reprint(re.subn('w', 'www', 'w.baidu.com'))
# 匹配成功替换字符串（默认替换1次）    返回 (www.baidu.com,1)print(re.subn('w', 'WWW', 'w.baidu.www', 2))
# 匹配成功替换指定次数字符串          返回 (WWW.baidu.WWWww,2)

五.compile

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])

pattern : 一个字符串形式的正则表达式

flags : 可选，表示匹配模式，比如忽略大小写，多行模式等。

import rex = re.compile('www')
print(re.match(x,'www.baidu.com'))
# <re.Match object; span=(0, 3), match='www'>y = re.compile('com')
print(re.search(y,'www.baidu.com'))
# <re.Match object; span=(10, 13), match='com'>

六.findall

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，如果有多个匹配模式，

则返回元组列表，如果没有找到匹配的，则返回空列表。

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

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 rex = re.compile('www')
print(re.findall(x,'www.baidu.www'))
# ['www', 'www']x = re.compile('yyy')
print(re.findall(x,'www.baidu.www'))
# []

注意：

match 和 search 是匹配一次 findall 匹配所有。

七.finditer

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。

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

pattern：匹配的正则表达式

string：要匹配的字符串。

flags：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 rex = re.compile('www')
y = re.finditer(x,'www.baidu.www')
for i in y:print(i,i.group())# <re.Match object; span=(0, 3), match='www'> www
# <re.Match object; span=(10, 13), match='www'> www

八.split

split 方法按照能够匹配的子串将字符串分割后返回列表。

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

pattern：匹配的正则表达式

string：要匹配的字符串。

maxsplit：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式，如：是否区分大小写，多行匹配等等。

x = re.compile(r'\.|:')
print(re.split(x, 'www.baidu:com'))
# ['www', 'baidu', 'com']

九.表达式模式

模式	描述
^	匹配字符串开头。
$	匹配字符串结尾。
.	匹配除 '\n'之外的任何单个字符。要匹配 '\n' 请使用象 '[.\n]' 的模式。
+	匹配前一个字符出现1次或者无限次，即至少有1次。
*	匹配前一个字符出现0次或者无限次，即可有可无。
?	匹配前一个字符出现1次或者0次，即要么有1次，要么没有。
\|	匹配左右任意一个表达式。
[ ]	匹配[ ]中列举的字符。
( )	将括号中字符作为一个分组进行匹配。
{ }	匹配前一个字符出现的次数。
\A	用于匹配字符的开头，等同于 ^ 。
\b	匹配单词结尾，包括各种空白字符或者字符串结尾。
\B	匹配非边界字符。
\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\n\r\t\v] 。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\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_]' 。
\Z	用于匹配字符的结尾，等同于 $ 。

十.表达式应用

1.字符 '^' 匹配以指定字符串开头，并返回匹配成功字符串。

import rex = re.compile(r'^w')
for i in ['www', 'ywy']:print(re.search(x, i))# <re.Match object; span=(0, 1), match='w'>
# None

2.字符 '$' 匹配以指定字符串的结尾，并返回匹配成功字符串。

import rex = re.compile(r'w$')
for i in ['www', 'ywy']:print(re.search(x, i))# <re.Match object; span=(2, 3), match='w'>
# None

3.字符 '.' 代表任何一个字符，但是没有特别声明时不代表字符'\n' 。

import rex = re.compile(r'1.3')
for i in ['12333', '1\t333', '1\n333']:print(re.search(x, i))# <re.Match object; span=(0, 3), match='123'>
# <re.Match object; span=(0, 3), match='1\t3'>
# None

4.字符 '+' 重复前面一个匹配字符一次或者多次。

import rex = re.compile(r'\d+')
for i in ['123', '45x']:print(re.search(x, i))# <re.Match object; span=(0, 3), match='123'>
# <re.Match object; span=(0, 2), match='45'>

5.字符 '*' 重复前面一个匹配字符零次或者多次。

import rex = re.compile(r'12*')
for i in ['11222', '12255']:print(re.search(x, i))# <re.Match object; span=(0, 1), match='1'>
# <re.Match object; span=(0, 3), match='122'>x = re.compile(r'12+')
for i in ['11222', '12255']:print(re.search(x, i))# <re.Match object; span=(1, 5), match='1222'>
# <re.Match object; span=(0, 3), match='122'>

注意：

r'12+'匹配是'12'，而r'12*'匹配的是'1',因为'2'可以重复零次，但'12+'却要求'2'重复一次以上。

6. 字符 '?' 重复前面一个匹配字符零次或者一次。

import rex = re.compile(r'12?')
for i in ['12122', '31529']:print(re.search(x, i))# <re.Match object; span=(0, 2), match='12'>
# <re.Match object; span=(1, 2), match='1'>

7.字符 '|' 代表或，即把左右分成两个部分，匹配左右任意⼀个表达式。

import rex = re.compile(r'12|21')
for i in ['12333', '21333']:print(re.search(x, i))# <re.Match object; span=(0, 2), match='12'>
# <re.Match object; span=(0, 2), match='21'>

8. 字符 '[ ]' 中的字符是任选择一个，如果字符ASCll码中连续的一组，那么可以使用 '-' 字符连接，例如[0-9]表示0-9的其中一个数字，[A-Z]表示A-Z的其中一个大写字符，[0-9A-z]表示0-9的其中一个数字或者A-z的其中一个大写字符。

import rex = re.compile(r'[0-9]')
for i in ['123', '45', '78']:print(re.search(x, i))# 匹配数字0-9之间的任意数字。
# <re.Match object; span=(0, 1), match='1'>
# <re.Match object; span=(0, 1), match='4'>x = re.compile(r'[A-Z]')
for i in ['Abc', 'aBc']:print(re.search(x, i))# 匹配A-Z之间任意大写字母。
# <re.Match object; span=(0, 1), match='A'>
# <re.Match object; span=(1, 2), match='B'>x = re.compile(r'[A-z]')
for i in ['Abc', 'abC']:print(re.search(x, i))# 匹配A-z之间任意大写或小写字母。
# <re.Match object; span=(0, 1), match='A'>
# <re.Match object; span=(0, 1), match='a'>

9. 使用括号( )可以把( )看出一个整体，经常与'+'、'*'、'?'连续使用,对( )部分进行重复匹配。

x = re.compile(r'(ab)+')
for i in ['ababc', 'cababc']:print(re.search(x, i))# <re.Match object; span=(0, 4), match='abab'>
# <re.Match object; span=(1, 5), match='abab'>x = re.compile(r'(ab)*')
for i in ['ababc', 'abcabc']:print(re.search(x, i))# <re.Match object; span=(0, 4), match='abab'>
# <re.Match object; span=(0, 2), match='ab'>x = re.compile(r'(ab)?')
for i in ['ababc', 'abcabc']:print(re.search(x, i))# <re.Match object; span=(0, 2), match='ab'>
# <re.Match object; span=(0, 2), match='ab'>

10.字符 '{ }' 用于匹配前一个字符出现的次数。

import refor i in ['abc','abb','acb']:print(re.search(r'b{1}', i))# <re.Match object; span=(1, 2), match='b'>
# <re.Match object; span=(1, 2), match='b'>
# <re.Match object; span=(2, 3), match='b'>import refor i in ['abc','abb','acb']:print(re.search(r'b{2}', i))# None
# <re.Match object; span=(1, 3), match='bb'>
# None

11.特殊字符使用 '\' 引导，例如 '\r'、'\n'、'\t' 等分别表示回车、换行、制表符号。

import rex = re.compile(r'\n|\t|\r')
for i in ['12\r33','12\n33', '12\t33']:print(re.search(x, i))# <re.Match object; span=(2, 3), match='\r'>
# <re.Match object; span=(2, 3), match='\n'>
# <re.Match object; span=(2, 3), match='\t'>

12. '^' 出现在[]第首字符位置代表取反，例如 '[ ^x0-9]' 表示即不是x，也不是0-9数字的字符串。

import rex = re.compile(r'[^a0-9]')
for i in ['abc', 'c16']:print(re.search(x, i))# <re.Match object; span=(1, 2), match='b'>
# <re.Match object; span=(0, 1), match='c'>

13.字符 '\A' 用于匹配字符的开头，等同于 ^ 。

import rex = re.compile(r'\A21')
for i in ['212122', '122555']:print(re.search(x, i))# <re.Match object; span=(0, 2), match='21'>
# None

14.字符 '\b' 表示单词结尾,单词结尾包括各种空白字符或者字符串结尾。

import rex = re.compile(r'b\b')
for i in ['a b c', 'ab c', 'abb']:print(re.search(x, i))# <re.Match object; span=(2, 3), match='b'>
# <re.Match object; span=(1, 2), match='b'>
# <re.Match object; span=(2, 3), match='b'>

15.字符 ' \B '匹配非边界字符。

import refor i in ['abc','abb','acb']:print(re.search(r'b\B', i))# <re.Match object; span=(1, 2), match='b'>
# <re.Match object; span=(1, 2), match='b'>
# None

16.字符 ' \d ' 匹配0~9之间的一个数值，并返回匹配成功的数字。

import rex = re.compile(r'\d')
for i in ['123', 'x5y']:print(re.search(x, i))# <re.Match object; span=(0, 1), match='1'>
# <re.Match object; span=(1, 2), match='5'>

17.字符 '\D' 匹配一个非数字字符。等价于 '[^0-9]' 。

x = re.compile(r'\D+')
for i in ['a12', 'b_56']:print(re.search(x, i))# <re.Match object; span=(0, 1), match='a'>
# <re.Match object; span=(0, 2), match='b_'>

18.字符 '\s' 匹配任何空白字符,等价'[\r\n\t\f\v]' 。

import rex = re.compile(r'\s+')
for i in ['a\r\n\tb', 'c\f\vc']:print(re.search(x, i))# <re.Match object; span=(1, 4), match='\r\n\t'>
# <re.Match object; span=(1, 3), match='\x0c\x0b'>

19.字符 '\S' 匹配任何非空白字符。等价于 '[^\f\n\r\t\v]' 。

import rex = re.compile(r'\S+')
for i in ['aB\r\n\tb', 'cD\f\vc']:print(re.search(x, i))# <re.Match object; span=(0, 2), match='aB'>
# <re.Match object; span=(0, 2), match='cD'>

20.字符 '\w' 匹配包括下划线子内的单词字符,等价于'[a-zA-Z0-9_]' 。

x = re.compile(r'\w+')
for i in ['a123', 'b_456']:print(re.search(x, i))# <re.Match object; span=(0, 4), match='a123'>
# <re.Match object; span=(0, 5), match='b_456'>

21.字符 '\W' 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]' 。

import  rex = re.compile(r'\W+')
for i in ['@#a123', '&*b_456']:print(re.search(x, i))# <re.Match object; span=(0, 2), match='@#'>
# <re.Match object; span=(0, 2), match='&*'>

22.字符 '\Z' 用于匹配字符的结尾，等同于 $ 。

import rex = re.compile(r'21\Z')
for i in ['121221', '122555']:print(re.search(x, i))# <re.Match object; span=(4, 6), match='21'>
# None