Python3正則表達式和re模塊

1. 正則表達式

1.1 正則表達式符號

2. re模塊

2.1 re.compile(pattern[, flags])

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

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

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

2.5 re.serach(pattern, string, flags=0)

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

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

---

1. 正則表達式

• 就其本質而言，正則表達式（或RE）是一種小型的、高度專業化的編程語言，它內嵌再Python中，並通過re模塊實現。正則表達式模式被編譯成一系列的字節碼，然後由C編寫的匹配引擎執行。
• 正則表達式用來匹配字符串,用來進行模糊匹配。
• 字符串提供的方法是完全匹配。
• * 、+、?都爲貪婪匹配，也就是儘可能匹配，後面加?號使其編程惰性匹配

1.1 正則表達式符號

[ ]可以取消元字符的特殊功能，元字符僅僅爲其本身（\ ^  -例外）

正則表達式符號	描述
'.'	通配符，默認匹配除'\n'之外的任意一個字符
'^'	匹配字符開頭
'$'	匹配字符結尾
'*'	貪婪匹配。匹配前面的子表達式0或多次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。等價於{0, +∞}
'+'	匹配前面的子表達式1或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”等價於{1, +∞}
'?'	匹配前面的子表達式0或1次。等價於{0, 1}
'.*'	匹配除'\n'之外的任意一個字符0或多次
'{m}'	匹配前一個字符m次
'{n, m}'	貪婪匹配。匹配前一個字符至少n次
'{n, m}'	貪婪匹配。匹配前一個字符n到m次
'[abc]'	匹配所包含的任意一個字符
'[a-z]'	匹配指定範圍內的任意字符
'[^a-z]'	匹配任何不在指定範圍內的任意字符
'|'	匹配|左或|右的字符
a|b	匹配a或b
'\'	反斜槓後邊跟元字符去除特殊功能，反斜槓後邊跟部分普通字符實現特殊功能
'(re)'	分組匹配，匹配括號內的表達式
'\A'	匹配字符串開始
'\b'	匹配一個單詞的邊界，也就是指單詞和空格間的位置，需加r（原始字符串）
'\B'	匹配非單詞邊界。
'\d'	匹配任何十進制數。等價於[0-9]
'\D'	匹配任何非數字字符。等價於[^0-9]
'\G'	匹配最後匹配完成的位置
'\n'	匹配一個換行符
'\s'	匹配任何不可見字符。等價於[ \f\n\r\t\v]。
'\S'	匹配任何可見字符。等價於[^ \f\n\r\t\v]。
'\t'	匹配一個製表符
'\w'	匹配不包括下劃線的任何字母數字字符或中文。類似但不等價於“[A-Za-z0-9_]
'\W'	匹配任何非單詞字符。等價於[^A-Za-z0-9_]
'\z'	匹配字符串結束
'\Z'	匹配字符串結束。如果存在換行，只匹配到換行前的結束字符串

2. re模塊

方法	描述
re.compile(pattern[, flags])	用於編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數使用。
re.findall(pattern, string, flags=0)	在字符串中找到正則表達式所匹配的所有子串，並返回一個列表。如果沒有找到匹配的，則返回空列表
re.finditer(pattern, string, flags=0)	在字符串中找到正則表達式所匹配的所有子串，並把它們作爲一個迭代器返回
re.match(pattern, string, flags=0)	返回只在字符串開始匹配的對象。可以使用group() 或 groups() 匹配對象函數來獲取匹配表達式
re.serach(pattern, string, flags=0)	返回匹配到的第一個對象。可以使用group() 或 groups() 匹配對象函數來獲取匹配表達式
re.split(pattern, string[, maxsplit=0, flags=0])	按照能夠匹配的子串將字符串分割後返回列表
re.sub(pattern, repl, string, count=0, flags=0)	替換字符串中的匹配項

flags參數	說明
re.l	使匹配對大小寫不敏感
re.L	做本地化識別匹配（locale-aware）
re.M	多行匹配，影響^和$
re.S	使.匹配包括換行在內的所有字符
re.U	根據Unicode字符集解析字符。這個標誌影響\w,\W,\b,\B
re.X	該標誌通過給予更靈活的格式以便你將正則表達式寫得更容易理解

2.1 re.compile(pattern[, flags])

用於編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數使用。

>>> import re
>>> a = re.compile('\.com')
>>> a.findall('www.baidu.com')
['.com']

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

在字符串中找到正則表達式所匹配的所有子串，並返回一個列表。如果沒有找到匹配的，則返回空列表

>>> import re
>>> re.findall('.*', 'hello')
['hello', '']
>>> re.findall('www.(\w+).com', 'www.baidu.com')
['baidu']
>>> re.findall('www.(?:\w+).com', 'www.baidu.com')
['www.baidu.com']
>>> re.findall('\\\\', 'abc\de')
['\\']
>>> re.findall(r'\\', 'abc\de')
['\\']

>>> re.findall('<a>(.*?)</a>',li)
['這個是內容', '這個是內容']
>>> li = '<div><ul><li><a>這個是內容</a></閃電></ul><ul><li><a>這個是內容</a></閃電></ul></div>'
>>> re.findall('<a>(.*)</a>',li)                  #貪婪匹配
['這個是內容</a></閃電></ul><ul><li><a>這個是內容']
>>> re.findall('<a>(.*?)</a>',li)                 #惰性匹配
['這個是內容', '這個是內容']

 

 

 

 

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

在字符串中找到正則表達式所匹配的所有子串，並把它們作爲一個迭代器返回

>>> import re
>>> a = re.finditer('\d', 'adf12345afds')
>>> print(next(a).group())
1
>>> print(next(a).group())
2
>>> print(next(a).group())
3
>>> print(next(a).group())
4
>>> print(next(a).group())
5

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

 

返回只在字符串開始匹配的對象。可以使用group() 或 groups() 匹配對象函數來獲取匹配表達式

>>> import re
>>> html = "<a>這是一個超鏈接！</a>"
>>> re.match('<(\w+)>.*</(\w+)>',html)
<re.Match object; span=(0, 15), match='<a>這是一個超鏈接！</a>'>
>>> re.findall('<a>(.*)</a>',html)
['這是一個超鏈接！']

>>> ret = re.match('<a>(.*)</a>', html)           #分組匹配
>>> ret.group()
'<a>這是一個超鏈接！</a>'
>>> ret.group(1)
'這是一個超鏈接！'

2.5 re.serach(pattern, string, flags=0)

返回匹配到的第一個對象。可以使用group() 或 groups() 匹配對象函數來獲取匹配表達式

>>> import re
>>> ret = re.search('(?P<id>\d{3})/(?P<name>\w{3})', 'weeew34ttt123/ooo')
>>> ret.group()
'123/ooo'
>>> ret.group('id')
'123'
>>> ret.group('name')
'ooo'

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

按照能夠匹配的子串將字符串分割後返回列表

>>> import re
>>> re.split('[b]', 'abcdabcdabcd')
['a', 'cda', 'cda', 'cd']
>>> re.split('[bd]', 'abcdabcdabcd')
['a', 'c', 'a', 'c', 'a', 'c', '']
>>> re.split('[ab]', 'abcdabcdabcd')
['', '', 'cd', '', 'cd', '', 'cd']

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

替換字符串中的匹配項

>>> import re
>>> re.sub('p.*n', 'world', 'hello,python')
'hello,world'
>>> re.sub('\d', 'abc', 'p1p2p3')
'pabcpabcpabc'