re模塊

re模塊中常用功能函數


1、compile()


編譯正則表達式模式，返回一個對象的模式。（可以把那些常用的正則表達式編譯成正則表達式對象，這樣可以提高一點效率。）


格式：


re.compile(pattern,flags=0)


pattern: 編譯時用的表達式字符串。


flags 編譯標誌位，用於修改正則表達式的匹配方式，如：是否區分大小寫，多行匹配等。常用的flags有：


標誌
含義
re.S(DOTALL)
使.匹配包括換行在內的所有字符
re.I（IGNORECASE）
使匹配對大小寫不敏感
re.L（LOCALE）
做本地化識別（locale-aware)匹配，法語等
re.M(MULTILINE)
多行匹配，影響^和$
re.X(VERBOSE)
該標誌通過給予更靈活的格式以便將正則表達式寫得更易於理解
re.U
根據Unicode字符集解析字符，這個標誌影響\w,\W,\b,\B
 


複製代碼
import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt))   #查找所有包含'oo'的單詞
執行結果如下：
['good', 'cool']
複製代碼
2、match()


決定RE是否在字符串剛開始的位置匹配。//注：這個方法並不是完全匹配。當pattern結束時若string還有剩餘字符，仍然視爲成功。想要完全匹配，可以在表達式末尾加上邊界匹配符'$'


格式：


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


print(re.match('com','comwww.runcomoob').group())
print(re.match('com','Comwww.runcomoob',re.I).group())
執行結果如下：
com
com
3、search()


 格式：


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


re.search函數會在字符串內查找模式匹配,只要找到第一個匹配然後返回，如果字符串沒有匹配，則返回None。


print(re.search('\dcom','www.4comrunoob.5com').group())
執行結果如下：
4com
*注：match和search一旦匹配成功，就是一個match object對象，而match object對象有以下方法：


group() 返回被 RE 匹配的字符串
start() 返回匹配開始的位置
end() 返回匹配結束的位置
span() 返回一個元組包含匹配 (開始,結束) 的位置
group() 返回re整體匹配的字符串，可以一次輸入多個組號，對應組號匹配的字符串。
a. group（）返回re整體匹配的字符串，
b. group (n,m) 返回組號爲n，m所匹配的字符串，如果組號不存在，則返回indexError異常
c.groups（）groups() 方法返回一個包含正則表達式中所有小組字符串的元組，從 1 到所含的小組號，通常groups()不需要參數，返回一個元組，元組中的元就是正則表達式中定義的組。 


複製代碼
import re
a = "123abc456"
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0))   #123abc456,返回整體
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1))   #123
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2))   #abc
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3))   #456
###group(1) 列出第一個括號匹配部分，group(2) 列出第二個括號匹配部分，group(3) 列出第三個括號匹配部分。###
複製代碼
4、findall()


re.findall遍歷匹配，可以獲取字符串中所有匹配的字符串，返回一個列表。


 格式：


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


p = re.compile(r'\d+')
print(p.findall('o1n2m3k4'))
執行結果如下：
['1', '2', '3', '4']
複製代碼
import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt))
print(re.findall(r'(\w)*oo(\w)',tt))#()表示子表達式 
執行結果如下：
['good', 'cool']
[('g', 'd'), ('c', 'l')]
複製代碼
5、finditer()


 搜索string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。找到 RE 匹配的所有子串，並把它們作爲一個迭代器返回。


格式：


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


複製代碼
iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')
for i in iter:
    print(i)
    print(i.group())
    print(i.span())
執行結果如下：
<_sre.SRE_Match object; span=(0, 2), match='12'>
12
(0, 2)
<_sre.SRE_Match object; span=(8, 10), match='44'>
44
(8, 10)
<_sre.SRE_Match object; span=(24, 26), match='11'>
11
(24, 26)
<_sre.SRE_Match object; span=(31, 33), match='10'>
10
(31, 33)
複製代碼
6、split()


按照能夠匹配的子串將string分割後返回列表。


可以使用re.split來分割字符串，如：re.split(r'\s+', text)；將字符串按空格分割成一個單詞列表。


格式：


re.split(pattern, string[, maxsplit])


maxsplit用於指定最大分割次數，不指定將全部分割。


print(re.split('\d+','one1two2three3four4five5'))
執行結果如下：
['one', 'two', 'three', 'four', 'five', '']
7、sub()


使用re替換string中每一個匹配的子串後返回替換後的字符串。


格式：


re.sub(pattern, repl, string, count)


複製代碼
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', '-', text))
執行結果如下：
JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
其中第二個函數是替換後的字符串；本例中爲'-'


第四個參數指替換個數。默認爲0，表示每個匹配項都替換。


複製代碼
re.sub還允許使用函數對匹配項的替換進行復雜的處理。


如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；將字符串中的空格' '替換爲'[ ]'。


import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0))
執行結果如下：
JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
8、subn()


 返回替換次數


格式：


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


複製代碼
print(re.subn('[1-2]','A','123456abcdef'))
print(re.sub("g.t","have",'I get A,  I got B ,I gut C'))
print(re.subn("g.t","have",'I get A,  I got B ,I gut C'))
執行結果如下：
('AA3456abcdef', 2)
I have A,  I have B ,I have C
('I have A,  I have B ,I have C', 3)
複製代碼
四、一些注意點


1、re.match與re.search與re.findall的區別：


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，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。


複製代碼
a=re.search('[\d]',"abc33").group()
print(a)
p=re.match('[\d]',"abc33")
print(p)
b=re.findall('[\d]',"abc33")
print(b)
執行結果：
3
None
['3', '3']
複製代碼
2、貪婪匹配與非貪婪匹配


*?,+?,??,{m,n}?    前面的*,+,?等都是貪婪匹配，也就是儘可能匹配，後面加?號使其變成惰性匹配


複製代碼
a = re.findall(r"a(\d+?)",'a23b')
print(a)
b = re.findall(r"a(\d+)",'a23b')
print(b)
執行結果：
['2']
['23']
複製代碼
a = re.match('<(.*)>','<H1>title<H1>').group()
print(a)
b = re.match('<(.*?)>','<H1>title<H1>').group()
print(b)
執行結果：
<H1>title<H1>
<H1>
複製代碼
複製代碼
複製代碼
a = re.findall(r"a(\d+)b",'a3333b')
print(a)
b = re.findall(r"a(\d+?)b",'a3333b')
print(b)
執行結果如下：
['3333']
['3333']
#######################
這裏需要注意的是如果前後均有限定條件的時候，就不存在什麼貪婪模式了，非匹配模式失效。
複製代碼
 3、用flags時遇到的小坑


print(re.split('a','1A1a2A3',re.I))#輸出結果並未能區分大小寫
這是因爲re.split(pattern，string，maxsplit,flags)默認是四個參數，當我們傳入的三個參數的時候，系統會默認re.I是第三個參數，所以就沒起作用。如果想讓這裏的re.I起作用，寫成flags=re.I即可。 
五、正則的小實踐


1、匹配電話號碼


p = re.compile(r'\d{3}-\d{6}')
print(p.findall('010-628888'))
2、匹配IP


re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")