正则表达式（python3）

正则表达式是对字符操作的一种逻辑公式，就是用事先定义好的一些特定字符以及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑（可以用来截取或替换操作）

作用

1.给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”)。

2.可以通过正则表达式，从字符串中获取我们想要的特定部分。

3.还可以对目标字符串进行替换操作。

match方法

re.match尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match（）就返回None。

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

函数参数说明

#match方法的使用
import re
s = 'hello python'
pattern = 'Hello'
o = re.match(pattern,s,re.I)
print(re.match(pattern,s))
print(dir(o))#查看当前对象使用了什么方法
print(o.group())#返回匹配的字符串
print(o.span())#匹配字符串的范围
print(o.start())

search方法

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

search函数参数说明

search与match的区别

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。

m = 'i love you'
print(re.search('love',m))
print(re.match('love',m))
###################结果#############################
<re.Match object; span=(2, 6), match='love'>
None

常用匹配符

部分匹配符测试

#
import re
##########.的使用###############
q = 'a'
w = 'A'
e = '_'
r = '\n'
pattern = '.'
q1 = re.match(pattern,q)
w1 = re.match(pattern,w)
e1 = re.match(pattern,e)
r1 = re.match(pattern,r)
print(q1,'\n',w1,'\n',e1,'\n',r1)
#########\d的使用###########
q = '0123'#由结果看只能匹配一个
w = '5'
e = 'a'
r = ' 9'
pattern = '\d'
q1 = re.match(pattern,q)
w1 = re.match(pattern,w)
e1 = re.match(pattern,e)
r1 = re.match(pattern,r)
print(q1,'\n',w1,'\n',e1,'\n',r1)
##########\s的使用#############
q = ' '
w = '\n'
e = '\t'
r = '_'
pattern = '\s'
q1 = re.match(pattern,q)
w1 = re.match(pattern,w)
e1 = re.match(pattern,e)
r1 = re.match(pattern,r)
print(q1,'\n',w1,'\n',e1,'\n',r1)
##############[]的使用#############
q = '2'
w = '3'
e = '4'
pattern = '[2468]'
q1 = re.match(pattern,q)
w1 = re.match(pattern,w)
e1 = re.match(pattern,e)
print(q1,'\n',w1,'\n',e1)
#################测试结果#########################################
<re.Match object; span=(0, 1), match='a'> 
<re.Match object; span=(0, 1), match='A'> 
<re.Match object; span=(0, 1), match='_'> 
None
<re.Match object; span=(0, 1), match='0'> 
<re.Match object; span=(0, 1), match='5'> 
None 
None
<re.Match object; span=(0, 1), match=' '> 
<re.Match object; span=(0, 1), match='\n'> 
<re.Match object; span=(0, 1), match='\t'> 
None
<re.Match object; span=(0, 1), match='2'> 
None 
<re.Match object; span=(0, 1), match='4'>
Process finished with exit code 0

泽一匹配符（|）和列表

import re
#泽一和列表的相同点
pattern = '[xyz]'
pa1 = 'x|y|z'
s = 'z'
o = re.search(pattern,s)
o1 = re.search(pa1,s)
print(o,'\n',o1)
print('#########不同点#######')
#泽一和列表的不同点
pattern = '[ab][cd]'
pa1 = 'ab|cd'
s1 = 'bc'
s2 = 'ab'
o1 = re.search(pattern,s1)
o2 = re.search(pattern,s2)
a1 = re.search(pa1,s1)
a2 = re.search(pa1,s2)
print(o1,'\n',o2,'\n',a1,'\n',a2)
################结果##############################
<re.Match object; span=(0, 1), match='z'> 
<re.Match object; span=(0, 1), match='z'>
#########不同点#######
<re.Match object; span=(0, 2), match='bc'> 
None 
None 
<re.Match object; span=(0, 2), match='ab'>
Process finished with exit code 0

重复数量限定符

提供了对表达式的一部分进行重复处理的功能。

正则表达式中常用的限定符

部分限定符测试

import re
#############*的使用############
pattern = '\d*'
q = '123qwe'
w = '12345qwe'
e = 'qwe'
q1 = re.match(pattern,q)
w1 = re.match(pattern,w)
e1 = re.match(pattern,e) #匹配空
print(q1,'\n',w1,'\n',e1)
#############+的使用############
pattern = '\d+'
q = '123qwe'
w = '12345qwe'
e = 'qwe'
q1 = re.match(pattern,q)
w1 = re.match(pattern,w)
e1 = re.match(pattern,e)
print(q1,'\n',w1,'\n',e1)
#############{}的使用############
pattern = '\d{2}'
pa1 = '\d{1,}'
q = '123qwe'
w = '1qwe'
e = 'qwe'
q1 = re.match(pattern,q)
w1 = re.match(pattern,w)
e1 = re.match(pa1,e)
q2 = re.match(pa1,q)
w2 = re.match(pa1,w)
e2 = re.match(pa1,e)
print(q1,'\n',w1,'\n',e1)
print(q2,'\n',w2,'\n',e2)
##################结果#######################################
<re.Match object; span=(0, 3), match='123'> 
<re.Match object; span=(0, 5), match='12345'> 
<re.Match object; span=(0, 0), match=''>
<re.Match object; span=(0, 3), match='123'> 
<re.Match object; span=(0, 5), match='12345'> 
None
<re.Match object; span=(0, 2), match='12'> 
None 
None
<re.Match object; span=(0, 3), match='123'> 
<re.Match object; span=(0, 1), match='1'> 
None
Process finished with exit code 0

原生字符串

正则表达式里使用“\”作为转移字符。

Python中字符串前面加上 r 表示原生字符串

例：在输出路径的时候要使用两次反斜杠

import re
print('c:\\a\\c\\d')
s = '\\t123'
pattern = '\\\\t\d*'
o = re.match(pattern,s)
pa1 = r'\\t\d*'
o1 = re.match(pa1,s)
print(o,'\n',o1)
############输出结果#################################
c:\a\c\d
<re.Match object; span=(0, 5), match='\\t123'> 
<re.Match object; span=(0, 5), match='\\t123'>
Process finished with exit code 0

边界字符

示例

import re
#匹配QQ邮箱，数字5,10位
# $的使用
a = '321123@qq.com'
b = '321123@qq.com.126'
pattern = '[1-9]\d{4,9}@qq.com'
pa1 = '[1-9]\d{4,9}@qq.com$'
q1 = re.match(pattern,a)
w1 = re.match(pattern,b)
q2 = re.match(pa1,a)
w2 = re.match(pa1,b)
print(q1,'\n',w1,'\n',q2,'\n',w2)
# ^的使用
a = 'hello world'
b = 'python'
pattern = 'hello.*'
pa1 = r'^hello.*'
q1 = re.match(pattern,a)
w1 = re.match(pattern,b)
q2 = re.match(pa1,a)
w2 = re.match(pa1,b)
print(q1,'\n',w1,'\n',q2,'\n',w2)
# \b的使用
a = '1234 abc'
b = '123 ab'
pattern = r'.*\bab'
pa1 = r'.*ab\b'
q1 = re.match(pattern,a)
w1 = re.match(pattern,b)
q2 = re.match(pa1,a)
w2 = re.match(pa1,b)
print(q1,'\n',w1,'\n',q2,'\n',w2)
#########################结果##########################
<re.Match object; span=(0, 13), match='321123@qq.com'> 
<re.Match object; span=(0, 13), match='321123@qq.com'> 
<re.Match object; span=(0, 13), match='321123@qq.com'> 
None
<re.Match object; span=(0, 11), match='hello world'> 
None 
<re.Match object; span=(0, 11), match='hello world'> 
None
<re.Match object; span=(0, 7), match='1234 ab'> 
<re.Match object; span=(0, 6), match='123 ab'> 
None 
<re.Match object; span=(0, 6), match='123 ab'>
Process finished with exit code 0

分组

一个模式中有用一对圆括号括起来的部分，那么这个部分就会作为一组，可以通过group方法的参数获取指定的组匹配的字符串。

示例

import re
#匹配座机号码 区号-电话号码 010-43222 0432-447721
#(ab)的使用
pa = '(\d{3,4})-([1-9]\d{4,7}$)'
s = '010-43222'
o = re.search(pa,s)
print(o.group())
print(o.group(1))
print(o.groups())
print(o.groups()[0])
#########################结果#############################
010-43222
010
('010', '43222')
010

#\num的使用
pattern = r'<(.+)><(.+)>.+</\2></\1>'
s = '<html><head>head部分</head></html>'
s1 = '<html><title>head部分</head></body>'
o = re.search(pattern,s)
o1 = re.search(pattern,s1)
print(o,'\n',o1)
#########################结果#############################
<re.Match object; span=(0, 32), match='<html><head>head部分</head></html>'> 
None

#(?p<name)
pattern = r'<(?P<k_html>.+)><(?P<k_head>.+)>.+</(?P=k_head)></(?P=k_html)>'
s = '<html><head>head部分</head></html>'
s1 = '<html><title>head部分</head></body>'
o = re.search(pattern,s)
o1 = re.search(pattern,s1)
print(o,'\n',o1)
#########################结果#############################
<re.Match object; span=(0, 32), match='<html><head>head部分</head></html>'> 
None

其他常用函数

sub、subn函数

sub函数和subn函数用于实现搜索和替换功能。这两个函数的功能几乎完全相同，都是将某个字符串中所有匹配正则表达式的部分替换成其他字符串。用来替换的部分可能是一个字符串，也可以是一个函数，该函数返回一个用来替换的字符串。

sub函数返回替换后的结果，subn 函数返回一个元组，元组的第1个元素是替换后的结果，第2个元素是替换的总
数。

语法格式如下:

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

import re
#sub和subn的使用
s = '2021-959-456 # 这是一个国外的电话 123'
pa1 = r'#.*'
pa2 = r'#\D*'
result1 = re.sub(pa1,"",s)
result2 = re.sub(pa2,"",s)
result3 = re.subn(pa2,"",s)
print(result1)
print(result2)
print(result3,'\t',result3[0],'\t',result3[1])
#########################结果#############################
2021-959-456 
2021-959-456 123
('2021-959-456 123', 1) 	 2021-959-456 123 	 1

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（）使用。

语法格式：

re.compile(pattern[ flags])

参数说明

#compile
s = '2021-959-456 # 这是一个国外的电话 123'
pattern = re.compile(r'\w*')
o = pattern.search(s)
print(o)
#########################结果#############################
<re.Match object; span=(0, 4), match='2021'>

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。语法格式如下:

findal[(pattern, string, flags=0)

参数说明

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

#findall和finditer函数
s = 'first 1 second 2 third 3'
pattern = r'\w+'
o1 = re.findall(pattern,s)
o2 = re.finditer(pattern,s)
print(o1)
print(o2)
for i in o2:
print(i.group(),end="\t")
#########################结果#############################
['first', '1', 'second', '2', 'third', '3']
<callable_iterator object at 0x000001BE65638668>
first	1	second	2	third	3

split函数

split函数用于根据正则表达式分隔字符串,也就是说，将字符串与模式匹配的子字符串都作为分隔符来分隔这个字符串。split 函数返回一个列表形式的分隔结果，每一个列表元素都是分隔的子字符串。

语法格式如下:

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

参数说明

#split函数
s = 'first1second22third 3'
pattern = r'\d+'
o1 = re.split(pattern,s)
o2 = re.split(pattern,s,maxsplit=2)
print(o1)
print(o2)
#########################结果#############################
['first', 'second', 'third ', '']
['first', 'second', 'third 3']

贪婪模式和非贪婪模式

贪婪模式指Python里数量词默认是贪婪的，总是尝试匹配尽可能多的字符。非贪婪模式与贪婪相反，总是尝试匹配尽可能少的字符，可以使用重复数量限定符后面加上?，使贪婪变成非贪婪。

import re
v = re.match(r'(.+)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print('--------贪婪模式-------')
print(v.group(1))
print(v.group(2))
print('--------非贪婪模式-------')
v = re.match(r'(.+?)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print(v.group(1))
print(v.group(2))
#########################结果#############################
--------贪婪模式-------
This is my tel:13
3-1234-1234
--------非贪婪模式-------
This is my tel:
133-1234-1234
Process finished with exit code 0