Python之正則表達式

學習網站：http://www.runoob.com/python/python-reg-expressions.html

正則表達式

• 一套規則，可以在字符串文本中進行搜查替換等
• 案例1,re的基本使用流程
• 案例2，match的基本使用
• 正則常用方法：
  • match: 從開始位置開始查找，一次匹配,找到一個就結束
  • search：從任何位置查找，一次匹配， 案例3
  • findall： 全部匹配，返回列表, 案例4
  • finditer： 全部匹配，返回迭代器, 案例4
  • split： 分割字符串，返回列表
  • sub：替換
• 匹配中文
  • 中文unicode範圍主要在[u4e00-u9fa5]
  • 案例5
• 貪婪與非貪婪模式
  • 貪婪模式： 在整個表達式匹配成功的前提下，儘可能多的匹配
  • 非貪婪模式： xxxxxxxxxxxxxxxxxxxxxx, 儘可能少的匹配
  • python裏面數量詞默認是貪婪模式
  • 例如：
    • 查找文本abbbbbbccc
    • re是 ab*
    • 貪婪模式： 結果是abbbbbb
    • 非貪婪： 結果是a 

案例1： 

'''
python中正則模塊是re
使用大致步驟：
1. compile函數講正則表達式的字符串便以爲一個Pattern對象
2. 通過Pattern對象的一些列方法對文本進行匹配，匹配結果是一個Match對象
3. 用Match對象的方法，對結果進行操縱
'''
import re

# \d表示以數字
# 後面+號表示這個數字可以出現一次或者多次
s = r"\d+" # r表示後面是原生字符串，後面不需要轉義

# 返回Pattern對象
pattern = re.compile(s)

# 返回一個Match對象
# 默認找到一個匹配就返回
m = pattern.match("one12two2three3")

print(type(m))
# 默認匹配從頭部開始，所以此次結果爲None
print(m)

# 返回一個Match對象
# 後面爲位置參數含義是從哪個位置開始查找，找到哪個位置結束
m = pattern.match("one12two2three3", 3, 10)

print(type(m))
# 默認匹配從頭部開始，所以此次結果爲None
print(m)

print(m.group())

print(m.start(0))
print(m.end(0))
print(m.span(0))

案例2： 

'''
正則結果Match的使用案例
'''

import re

# 以下正則分成了兩個組，以小括號爲單位
s = r'([a-z]+) ([a-z]+)'
pattern = re.compile(s, re.I) # s.I表示忽略大小寫

m = pattern.match("Hello world wide web")

# goup（0）表示返回匹配成功的整個子串
s = m.group(0)
print(s)

a = m.span(0) # 返回匹配成功的 整個子串的跨度
print(a)

# gourp(1)表示返回的第一個分組匹配成功的子串
s = m.group(1)
print(s)

a = m.span(1) # 返回匹配成功的第一個子串的跨度
print(a)

s = m.groups() #等價於m.gourp(1), m.group(2).......
print(s)

案例3： 

'''
search
'''
import re

s = r'\d+'

pattern = re.compile(s)

m = pattern.search("one12two34three56")
print(m.group())

# 參數表明搜查的起始範圍，結束爲止可以大於串的長度
m = pattern.search("one12two34three56", 10, 40)
print(m.group())

案例4： 

'''
findall案例
'''
import re

pattern = re.compile(r'\d+')

s = pattern.findall("i am 18 years odl and 185 high")

print(s)

s = pattern.finditer("i am 18 years odl and 185 high")

print(type(s))

for i in s:
    print(i.group())

案例5： 

'''
中文unicode案例
'''

import re

hello = u'你好，世界'

pattern = re.compile(r'[\u4e00-\u9fa5]+')

m = pattern.findall(hello)
print(m)