本篇將介紹python正則表達(dá)式堤如，更多內(nèi)容請(qǐng)參考：【python正則表達(dá)式】
什么是正則表達(dá)式
正則表達(dá)式，又稱規(guī)則表達(dá)式注竿，通常被用來(lái)檢索晴氨、替換那些符合某個(gè)模式（規(guī)則）的文本。
正則表達(dá)式是對(duì)字符串操作的一種邏輯公式碉输，就是用事先定義好的一些特定字符籽前、及這些特定字符的組合，組成一個(gè)“規(guī)則字符串”敷钾，這個(gè)“規(guī)則字符串”用來(lái)表達(dá)對(duì)字符串的一些過(guò)濾邏輯枝哄。
給定一個(gè)正則表達(dá)式和另一個(gè)字符串，我們可以達(dá)到如下的目的：
- 給定的字符串是否符合正則表達(dá)式的過(guò)濾邏輯(“匹配”)
-
通過(guò)正則表達(dá)式阻荒，從文本字符串中獲取到我們想要的特定部分（“過(guò)濾”）
正則表達(dá)式過(guò)程
正則表達(dá)式匹配規(guī)則
Python的re模塊
在python中挠锥，我們可以使用內(nèi)置的re模塊來(lái)使用正則表達(dá)式。
有一點(diǎn)需要特別注意的是侨赡，正則表達(dá)式使用對(duì)特殊字符進(jìn)行轉(zhuǎn)義蓖租，所以如果我們要使用原始字符串，只需要一個(gè)r前綴羊壹，示例：
r'chuanzhiboke\t\.\tpython'
re模塊的一般使用步驟如下：
- 使用
compile()函數(shù)將正則表達(dá)式的字符串形式編譯為一個(gè)Pattern對(duì)象 - 通過(guò)
Pattern對(duì)象提供的一系列方法將文本進(jìn)行匹配查找蓖宦，獲得匹配結(jié)果(一個(gè)Match對(duì)象) - 最后使用
Match對(duì)象提供的屬性和方法獲得信息，根據(jù)需要進(jìn)行其他的操作油猫。
compile對(duì)象
compile函數(shù)用于編譯正則表達(dá)式稠茂，生成一個(gè)Pattern對(duì)象，它的一般使用形式如下：
import re
#將正則表達(dá)式編譯為Pattern對(duì)象
pattern = re.compile(r'\d+')
在上面情妖，我們已將一個(gè)正則表達(dá)式編譯成Pattern對(duì)象睬关，接下來(lái)，我們就可以利用pattern的一系列方法對(duì)文本進(jìn)行匹配查找了毡证。
Pattern對(duì)象的一些常用方法主要有：
- match對(duì)象：從起始位置開(kāi)始查找电爹，一次匹配。
- search對(duì)象：從任何位置開(kāi)始查找情竹，一次匹配藐不。
- findall()對(duì)象：全部匹配匀哄，返回列表。
- finditer()對(duì)象：全部匹配雏蛮，返回迭代器涎嚼。
- spilt()對(duì)象：分割字符串，返回列表
- sub()對(duì)象：替換
match 方法
match方法用于查找字符串的頭部(也可以指定起始位置)挑秉，它是一次匹配法梯，只要找到了一個(gè)匹配的結(jié)果返回，而不是查找所有匹配的結(jié)果犀概，它的一般使用形式如下：
match(string[, pos[, endpos]])
其中立哑，string是待匹配的字符串，pos和endpos是可選參數(shù)姻灶，指定字符串的起始和終點(diǎn)位置铛绰，默認(rèn)值分別是0和len(字符串長(zhǎng)度)。因此产喉，當(dāng)你不指定pos和endpos時(shí)捂掰，match方法默認(rèn)匹配字符串的頭部。
當(dāng)匹配成功時(shí)曾沈，返回一個(gè)Match對(duì)象这嚣，如果沒(méi)有匹配上，則返回None塞俱。
>>>import re
>>>pattern = re.compile(r'\d+') #用于匹配至少一個(gè)數(shù)字
>>>m = pattern.match('one12twothree34four') #查找頭部姐帚，沒(méi)有匹配
>>>print(m) #如果沒(méi)有匹配上，就什么也不輸出
>>>m = pattern.match('one12twothree34four', 2, 10) #從'e'的位置開(kāi)始匹配障涯，沒(méi)有匹配到
>>>print(m)
>>>m = pattern.match('one12twothree34four', 3, 10) #從'1' 的位置開(kāi)始匹配罐旗，正好匹配上
>>>print(m)
<_sre.SRE_Match object at 0x10a42aac0>
>>>m.group(0) #可忽略0
'12'
>>>m.start(0) #可忽略0
3
>>>m.end(0) #可忽略0
5
>>>m.span(0) #可忽略0
(3, 5)
在上面，當(dāng)匹配成功時(shí)返回一個(gè)Match對(duì)象像樊，其中：
- group([group1,...])方法用于獲得一個(gè)或多個(gè)分組匹配的字符串尤莺，當(dāng)要獲得整個(gè)匹配字符串的子串時(shí)，可直接使用group()或group(0);
- start([group])方法用于獲取分組匹配的子串在整個(gè)字符串中的起始位置（子串第一個(gè)字符的索引）,參數(shù)默認(rèn)值為0生棍；
- end([group])方法用于獲取分組匹配的子串在整個(gè)字符串中的結(jié)束位置（子串最后一個(gè)字符的索引+1）,參數(shù)默認(rèn)值是0
- span([group])方法返回(start[group], end(group))
>>>import re
>>>pattern = re.compile(r'([a-z]+) （[a-z]+)', re.I) #表示忽略大小寫
>>>m = pattern.match('hello world wide web')
>>>print(m) #匹配成功颤霎，返回一個(gè)Match對(duì)象
<_sre.SRE_Match object at 0x10bea83e8>
>>>m.group(0) #返回匹配成功的整個(gè)子串
'Hello World'
>>>m.span(0) #返回匹配成功的整個(gè)子串
(0, 11)
>>>m.group(1) #返回第一個(gè)分組匹配成功的子串
'Hello'
>>>m.span(1) #返回第一個(gè)分組匹配成功
(0, 5)
>>>m.group(2) #返回第2個(gè)分組匹配成功的子串
'World'
>>>m.span(2) #返回第2個(gè)分組匹配成功的子串的位置
(6, 11)
>>>m.groups() #等價(jià)于(m.group(1), m.group(2), ...)
('Hello', 'World')
>>>m.group(3) #不存在第3個(gè)分組
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: no such group
search方法
search方法用于查找字符串的任何位置，它也是一次匹配涂滴，只要找到了一個(gè)匹配的結(jié)果就返回友酱，而不是查找所有匹配的結(jié)果，它的一般使用形式如下：
search[string[, pos[, endpos]]]
其中柔纵，string是待匹配的字符串缔杉，pos和endpos是可選參數(shù)，指定字符串的起始和終點(diǎn)位置搁料，默認(rèn)值分別是0和len(字符串長(zhǎng)度)或详。
當(dāng)匹配成功時(shí)系羞，返回一個(gè)Match對(duì)象，如果沒(méi)有匹配上霸琴，則返回None椒振。
讓我們看看例子：
>>>import re
>>>pattern = re.compile('\d+')
>>>m = pattern.search('one12twothree34four') #這里如果使用match方法則不匹配
>>>m
<_sre.SRE_Match object at 0x10cc03ac0>
>>>m.group()
'12'
>>>m = pattern.search('one12twothree34four', 10, 30) #指定字符串區(qū)間
>>>m
<_sre.SRE_Match object at 0x10cc03b28>
>>>m.group()
'34'
>>>m.span()
(13, 15)
在看一個(gè)例子：
# coding:utf-8
import re
#將正則表達(dá)式編譯成Pattern對(duì)象
pattern = re.compile(r'\d+')
#使用search()方法查找匹配的字符串，不存在匹配的子串時(shí)將不返回
m = pattern.search('hello 123456 789')
if m:
#使用Match獲得分組信息
print('matching string：',m.group())
#起始位置和結(jié)束位置
print('position: ',m.span())
執(zhí)行結(jié)果：
matching string: 123456
position:(6,12)
findall 方法
上面的match和search方法都是一次匹配梧乘，只要找到了一個(gè)匹配的結(jié)果就返回澎迎。然而，在大多數(shù)時(shí)候选调，我們需要搜索整個(gè)字符串夹供，獲得所有匹配的結(jié)果。
findall方法的使用形式如下：
findall(string[, pos[, endpos]])
其中仁堪，string是待匹配的字符串哮洽，pos和endpos是可選參數(shù)，指定字符串的起始和終點(diǎn)位置分別是0和len(字符串長(zhǎng)度)弦聂。
findall是以列表形式返回全部能匹配到的子串袁铐，如果沒(méi)有匹配，則返回一個(gè)空列表横浑。
import re
pattern = re.compile(r'\d+') #查找數(shù)字
result1 = pattern.findall('hello 123456 789')
result2 = pattern.findall('one1two2three3four4', 0, 10)
print(result1)
print(2)
執(zhí)行結(jié)果如下：
['123456', '789']
['1', '2']
再來(lái)看一個(gè)例子：
import re
#re模塊提供一個(gè)方法叫compile提供，提供我們輸入一個(gè)匹配的規(guī)則
#然后返回一個(gè)pattern實(shí)例屉更，我們根據(jù)這個(gè)規(guī)則去匹配字符串
pattern = re.compile(r'd+\.\d*')
#通過(guò)pattern.findall()方法能夠全部匹配到我們得到的字符串
result = pattern.findall("123.141593, 'bigcat', 232312, 3.15")
#findall以列表形式 返回全部能匹配到的子串給result
for item in result:
print(item)
運(yùn)行結(jié)果：
123.141593
3.15
finditer方法
finditer方法的行為跟findall的行為類似徙融，也是搜索整個(gè)字符串，獲得所有匹配的結(jié)果瑰谜。但它返回一個(gè)順序訪問(wèn)每一個(gè)匹配結(jié)果(Match對(duì)象)的迭代器欺冀。
#coding:utf-8
import re
pattern = re.compile(r'\d+')
result1 = pattern.finditer('hello 123456 789')
result2 = pattern.finditer('one1two2three3four4', 0, 10)
print(result1)
print(result2)
print('result1....')
for m1 in result1:
print("matching string:{} position:{}".format(m1.group(), m1.span()))
print('result2....')
for m2 in result2:
print("matching string:{} position:{}".format(m2.group(), m2.span()))
執(zhí)行結(jié)果：
<type 'callable-iterator'>
<type 'callable-iterator'>
result1.
matching string: 123456, position: (6, 12)
matching string: 789, position: (13, 16)
result2
matching string: 1, position: (3, 4)
matching string: 2, position: (7, 8)
split 方法
split方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：
split(string[, maxsplit])
其中萨脑，maxsplit用于指導(dǎo)最大分割次數(shù)隐轩，不知道靜全部分割。
看看例子：
import re
p = re.compile(r'[\s\,;]+')
print(p.split('a,b;;c d'))
執(zhí)行結(jié)果：
['a', 'b', 'c', 'd']
sub方法
sub方法用于替換渤早。它的使用形式如下：
sub(repl, string[, count])
其中职车，repl可以是字符串也可以是一函數(shù)：
- 如果repl是字符串，則會(huì)使用repl去替換字符串每一個(gè)匹配的子串鹊杖，并返回替換后的字符串悴灵，repl還可以使用id的形式來(lái)引用過(guò)分組，但不能使用編號(hào)0骂蓖；
- 如果repl是函數(shù)积瞒，這個(gè)方法應(yīng)當(dāng)只接受一個(gè)參數(shù)(Match對(duì)象)，并返回一個(gè)字符串用于替換(返回的字符串中不能再引用分組)登下。
- count用于指導(dǎo)最多替換次數(shù)茫孔，不指定時(shí)全部替換叮喳。
看看例子：
import re
p = re.compile(r'(\w+) (\w+)') #\w=[A-Za-z0-9]
s = 'hello 123, hello 456'
print(p.sub(r'hello world', s)) #使用'hello world'替換'hello 123'和'hello 456'
print(p.sub(r'\2 \1', s))
def func(m):
return 'hi' + ' ' + m.group(2)
print(p.sub(func, s))
print(p.sub(func, s, 1))
執(zhí)行結(jié)果：
hello world, hello world
123 hello, 456 hello
hi 123, hi 456
hi 123, hello 456
匹配中文
在某些情況下，我們想要匹配文本中的漢字缰贝，有一點(diǎn)需要注意的是馍悟，中文的unicode編碼范圍主要在[u4e00-u9fa5]，這里說(shuō)主要是因?yàn)檫@個(gè)范圍并不完整揩瞪，比如沒(méi)有包括全角(中文)標(biāo)點(diǎn)赋朦，不過(guò)，在大部分情況下李破，應(yīng)該是夠用的宠哄。
假設(shè)現(xiàn)在想把字符串title=u'你好，hello嗤攻，世界'中的中文提取出來(lái)毛嫉，可以這么做：
import re
title = u'你好，hello妇菱，世界'
pattern = re.compile(u'[\u4e00-\u9fa5]+')
result = pattern.findall(title)
print(result)
注意到承粤，我們?cè)谡齽t表達(dá)式前面加上了前綴u，u表示unicode字符串闯团。
執(zhí)行結(jié)果：
['你好', '世界']
注意：貪婪模式與非貪婪模式
- 貪婪模式：在整個(gè)表達(dá)式匹配成功的前提下辛臊，盡可能多的匹配(*);
- 非貪婪模式：在整個(gè)表達(dá)式匹配成功的前提下，盡可能少的匹配(?);
- Python里數(shù)量詞默認(rèn)是貪婪的房交。
實(shí)例一：源字符串：abbbc
- 使用貪婪的數(shù)量詞的正則表達(dá)式
ab+,匹配結(jié)果：abbb彻舰。
*決定了盡可能多匹配b，所以a后面所有的b都出現(xiàn)了候味。
- 使用非貪婪的數(shù)量詞的正則表達(dá)式
ab*?刃唤，匹配結(jié)果：a。
即使前面有
*,但是?決定了盡可能少匹配b白群，所以沒(méi)有b尚胞。
實(shí)例二：源字符串：aa<div>test1</div>bb<div>test2</div>cc
- 使用貪婪的數(shù)量詞的正則表達(dá)式：
<div>.*</div> - 匹配結(jié)果：
<div>test1</div>bb<div>test2</div>
這里采用的是貪婪模式。在匹配到第一個(gè)“
</div>”時(shí)已經(jīng)可以使整個(gè)表達(dá)式匹配成功帜慢，但是由于采用的是貪婪模式笼裳，所以仍然要向右嘗試匹配，查看是否還有更長(zhǎng)的可以成功匹配的子串崖堤。匹配到第二個(gè)“</div>”后侍咱，向右再?zèng)]有可以成功匹配的子串，匹配結(jié)束密幔，匹配結(jié)果為“<div>test1</div>bb<div>test2</div>”
- 使用非貪婪的數(shù)量詞的正則表達(dá)式：
<div>.*?</div> - 匹配結(jié)果：
<div>test1</div>
正則表達(dá)式二采用的是非貪婪模式楔脯，在匹配到第一個(gè)“
</div>”時(shí)使整個(gè)表達(dá)式匹配成功，由于采用的是非貪婪模式胯甩，所以結(jié)束匹配昧廷，不再向右嘗試堪嫂，匹配結(jié)果為“<div>test1</div>”。
