正則表達式(RegularExpression,re)
- 匹配符合某個規(guī)則的字符串
- 常用于檢索魔眨，替換某些模式的文本
正則的寫法
- \d：任意一個數(shù)字殉簸，等價于 [0-9]
- \D：匹配任意非數(shù)字
- \s：匹配任意空白字符，等價于 [\t\n\r\f]
- \S：匹配任意非空字符
- \w：字母票摇、數(shù)字、下劃線，a-z左腔，A-Z，0-9捅儒，_
- \W：除了字母液样、數(shù)字、下劃線巧还，a-z鞭莽，A-Z，0-9麸祷，_
- \A：匹配字符串開始
- \z：匹配字符串結(jié)束
- \Z：匹配字符串結(jié)束澎怒，如果是存在換行，只匹配到換行前的結(jié)束字符
- ^：匹配字符串的開始
- $：匹配字符串的結(jié)尾
- .(點號)：表示任意一個字符阶牍，除了\n喷面，比如查找所有的一個字符 \.
- [...]：匹配中括號中列舉的任意字符，[amk] 匹配 'a'荸恕，'m'或'k'
- [^...]：不在[ ]中的字符乖酬，[^abc] 匹配除了a,b,c之外的字符
- *：表示前面的內(nèi)容重復(fù)零次或多次
- +：前面的內(nèi)容至少出現(xiàn)一次
- ？：前面的內(nèi)容出現(xiàn)一次或零次
- {m,n}：前面的內(nèi)容出現(xiàn)最最少m次融求，最多n次
- a| b：匹配a或b
- (re)：對正則表達式分組并記住匹配的文本
示例：
- 驗證一個數(shù)字：^\d$
- 至少一個數(shù)字：^\d+$
- 5-10位數(shù)字：^\d{5-10}$
- 16以上咬像，99以下：^[16-99]$
- 英文字符和數(shù)字：^[A-Za-z0-9]$
使用步驟：
- 使用compile將表示正則的字符串編譯為一個pattern對象
- 通過pattern對象提供的一系列方法對文本進行查找匹配，該對象擁有一系列方法用于正則表達式匹配和替換生宛，獲得匹配結(jié)果县昂，一個Match對象
- 最后使用Match對象提供的屬性和方法獲得信息，根據(jù)需要進行操作
貪婪和非貪婪
- 貪婪：盡可能多的匹配陷舅，(*)表示貪婪匹配
- 非貪婪：找到符合條件的最小內(nèi)容即可倒彰，(?)表示非貪婪
re.match函數(shù)
re.match 嘗試從字符串的起始位置匹配一個模式，匹配成功re.match方法返回一個匹配的對象莱睁，否則返回None待讳。如果不是起始位置匹配成功的話芒澜，match()返回none。
函數(shù)語法：
re.match(pattern,string,flags=0)
函數(shù)參數(shù)說明：
| 參數(shù) | 描述 |
|---|---|
| pattern | 匹配的正則表達式 |
| string | 要匹配的字符串 |
| flags | 標志位创淡，用于控制正則表達式的匹配方式痴晦，如：是否區(qū)分大小寫，多行匹配等等琳彩。 |
正則表達式可以包含一些可選標志修飾符來控制匹配的模式誊酌。修飾符被指定為一個可選的標志。多個標志可以通過按位 OR(|) 它們來指定露乏。如 re.I | re.M 被設(shè)置成 I 和 M 標志：
| 修飾符 | 描述 |
|---|---|
| re.I | 使匹配對大小寫不敏感 |
| re.M | 多行匹配碧浊，影響 ^ 和 $ |
| re.S | 使 . 匹配包括換行在內(nèi)的所有字符 |
| re.U | 根據(jù)Unicode字符集解析字符。這個標志影響 \w, \W, \b, \B. |
可以使用group(num) 或 groups() 匹配對象函數(shù)來獲取匹配表達式瘟仿。
| 匹配對象方法 | 描述 |
|---|---|
| group(num=0) | 匹配的整個表達式的字符串箱锐，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應(yīng)值的元組猾骡。 |
| groups() | 返回一個包含所有小組字符串的元組瑞躺，從 1 到 所含的小組號敷搪。 |
代碼示例：
# 導(dǎo)入相關(guān)包
import re
print(re.match('www', 'www.runoob.com')) # 在起始位置匹配
print(re.match('www', 'www.runoob.com').span())
print(re.match('com', 'www.runoob.com')) # 不在起始位置匹配
line = "Cats are smarter than dogs"
# r表示字符串不轉(zhuǎn)義
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
print('matchObj.group():',matchObj.group())
print('matchObj.group():',matchObj.groups())
print('matchObj.group(1):',matchObj.group(1))
print('matchObj.group(2):',matchObj.group(2))
else:
print('No match!!')
運行結(jié)果為：
<re.Match object; span=(0, 3), match='www'>
(0, 3)
None
matchObj.group(): Cats are smarter than dogs
matchObj.group(): ('Cats', 'smarter')
matchObj.group(1): Cats
matchObj.group(2): smarter
re.search函數(shù)
re.search 掃描整個字符串并返回第一個成功的匹配兴想。
函數(shù)語法：
re.search(pattern, string, flags=0)
代碼示例：
import re
line = "Cats are smarter than dogs";
searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj:
print("searchObj.group() : ", searchObj.group())
print("searchObj.group(1): ", searchObj.group(1))
print("searchObj.group(2): ", searchObj.group(2))
else:
print("Nothing found!!")
運行結(jié)果為：
searchObj.group() : Cats are smarter than dogs
searchObj.group(1) : Cats
searchObj.group(2) : smarter
re.match與re.search的區(qū)別
re.match只匹配字符串的開始，如果字符串開始不符合正則表達式赡勘，則匹配失敗嫂便，函數(shù)返回None；而re.search匹配整個字符串闸与，直到找到一個匹配毙替。
代碼示例：
import re
line = "Cats are smarter than dogs";
matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
print('match --> matchObj.group() :' , matchObj.group())
else:
print("No match!!")
matchObj = re.search( r'dogs', line, re.M|re.I)
if matchObj:
print("search --> searchObj.group() : ", matchObj.group())
else:
print("No match!!")
運行結(jié)果為：
No match!!
search --> searchObj.group() : dogs
檢索和替換
Python 的 re 模塊提供了re.sub用于替換字符串中的匹配項。
函數(shù)語法
re.sub(pattern, repl, string, count=0, flags=0)
函數(shù)參數(shù)說明：
| 參數(shù) | 描述 |
|---|---|
| pattern | 正則中的模式字符串 |
| repl | 替換的字符串践樱，也可為一個函數(shù) |
| string | 要被查找替換的原始字符串 |
| count | 模式匹配后替換的最大次數(shù)厂画，默認 0 表示替換所有的匹配 |
代碼示例
import re
phone = "2004-959-559 # 這是一個國外電話號碼"
# 刪除字符串中的 Python注釋
num = re.sub(r'#.*$', "", phone)
print("電話號碼是: ", num)
# 刪除非數(shù)字(-)的字符串
num = re.sub(r'\D', "", phone)
print("電話號碼是 : ", num)
運行結(jié)果為：
電話號碼是: 2004-959-559
電話號碼是 : 2004959559
repl 參數(shù)是一個函數(shù)
import re
# 將匹配的數(shù)字乘以 2
def double(matched):
value = int(matched.group('value'))
return str(value * 2)
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))
運行結(jié)果為：
A46G8HFD1134
re.compile函數(shù)
compile 函數(shù)用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象拷邢，供 match() 和 search() 這兩個函數(shù)使用袱院。
語法格式
re.compile(pattern[, flags])
參數(shù)：
- pattern : 一個字符串形式的正則表達式
- flags : 可選，表示匹配模式瞭稼，比如忽略大小寫忽洛，多行模式等，具體參數(shù)為：
- re.I 忽略大小寫
- re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境
- re.M 多行模式
- re.S 即為 . 并且包括換行符在內(nèi)的任意字符（. 不包括換行符）
- re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫
- re.X 為了增加可讀性环肘，忽略空格和 # 后面的注釋
代碼示例：
>>>import re
>>> pattern = re.compile(r'\d+') # 用于匹配至少一個數(shù)字
>>> m = pattern.match('one12twothree34four') # 查找頭部欲虚，沒有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配悔雹，正好匹配
>>> print m # 返回一個 Match 對象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0) # 可省略 0
'12'
>>> m.start(0) # 可省略 0
3
>>> m.end(0) # 可省略 0
5
>>> m.span(0) # 可省略 0
(3, 5)
在上面复哆，當(dāng)匹配成功時返回一個 Match 對象欣喧，其中：
- group([group1, …]) ，方法用于獲得一個或多個分組匹配的字符串梯找，當(dāng)要獲得整個匹配的子串時续誉，可直接使用 group() 或 group(0)；
- start([group]) 初肉，方法用于獲取分組匹配的子串在整個字符串中的起始位置（子串第一個字符的索引）酷鸦，參數(shù)默認值為 0；
- end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結(jié)束位置（子串最后一個字符的索引+1）牙咏，參數(shù)默認值為 0
- span([group]) 臼隔，方法返回 (start(group), end(group))
代碼示例
>>>import re
>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小寫
>>> m = pattern.match('Hello World Wide Web')
>>> print m # 匹配成功，返回一個 Match 對象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0) # 返回匹配成功的整個子串
'Hello World'
>>> m.span(0) # 返回匹配成功的整個子串的索引
(0, 11)
>>> m.group(1) # 返回第一個分組匹配成功的子串
'Hello'
>>> m.span(1) # 返回第一個分組匹配成功的子串的索引
(0, 5)
>>> m.group(2) # 返回第二個分組匹配成功的子串
'World'
>>> m.span(2) # 返回第二個分組匹配成功的子串
(6, 11)
>>> m.groups() # 等價于 (m.group(1), m.group(2), ...)
('Hello', 'World')
>>> m.group(3) # 不存在第三個分組
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: no such group
findall
在字符串中找到正則表達式所匹配的所有子串妄壶，并返回一個列表摔握，如果沒有找到匹配的，則返回空列表丁寄。
注意： match 和 search 是匹配一次氨淌，findall 匹配所有
語法格式
findall(string[, pos[, endpos]])
參數(shù)：
- string : 待匹配的字符串。
- pos : 可選參數(shù)伊磺，指定字符串的起始位置盛正，默認為 0。
- endpos : 可選參數(shù)屑埋，指定字符串的結(jié)束位置豪筝，默認為字符串的長度。
代碼示例：
import re
pattern = re.compile(r'\d+') # 查找數(shù)字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1)
print(result2)
輸出結(jié)果：
['123', '456']
['88', '12']
re.finditer
和 findall 類似摘能，在字符串中找到正則表達式所匹配的所有子串续崖，并把它們作為一個迭代器返回。
語法格式：
re.finditer(pattern, string, flags=0)
代碼示例：
import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
print (match.group() )
輸出結(jié)果：
12
32
43
3
re.split函數(shù)
split 方法按照能夠匹配的子串將字符串分割后返回列表团搞，它的使用形式如下：
語法格式：
re.split(pattern, string[, maxsplit=0, flags=0])
參數(shù)：
| 參數(shù) | 描述 |
|---|---|
| pattern | 匹配的正則表達式 |
| string | 要匹配的字符串严望。 |
| maxsplit | 分隔次數(shù)，maxsplit=1 分隔一次逻恐，默認為 0像吻，不限制次數(shù)。 |
| flags | 標志位梢莽，用于控制正則表達式的匹配方式萧豆，如：是否區(qū)分大小寫，多行匹配等等昏名。 |
代碼示例：
>>>import re
>>> re.split('\W+', 'runoob, runoob, runoob.')
['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W+)', ' runoob, runoob, runoob.')
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
>>> re.split('\W+', ' runoob, runoob, runoob.', 1)
['', 'runoob, runoob, runoob.']
>>> re.split('a*', 'hello world') # 對于一個找不到匹配的字符串而言涮雷，split 不會對其作出分割
['hello world']
