Python中正则表达式

re：re是提供正则表达式匹配操作的模块

一、什么是正则表达式

正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某个模式匹配,Python 自1.5版本起增加了re模块,它提供Perl风格的正则表达式。

二、正则表达式的基本使用

1、re.match()介绍
match() 试图从字符串的起始位置对模式进行匹配,如果匹配成功,就返回一个匹配对象,如果匹配失败,就返回None,匹配对象的group()方法能显示成功匹配的对象。

使用语法：

re.match(pattern,string[, flags])

参数说明

• 匹配的正则表达式,直接传入一个字符串,Python会将字符串作为正则表达式来对待
• 匹配的字符串
• 标志位：用于控制正则表达式的匹配方式,如：是否区分大小写,多行匹配等

import re
ret = re.match("hello","hello word")
print(ret.group())  # 使用group()方式返回对应的分组

注意：

• match() 匹配是从字符串的开始位置匹配,如果开始匹配不到则不在匹配并返回一个None

import re
ret = re.match("hello","ahello word")
print(ret.group())  # 匹配不成功,就返回None

2、re.search()介绍

• re.match() 是从字符串的开始位置匹配,所以基本情况下能够匹配的概率不大。
• re.search() 是从字符串中搜索正则表达式模式,任何位置都可以被匹配,返回的是第一次出现的匹配对象(因为正则字符串中可能会多出匹配),它的参数和re.match()是一样的,返回值也是一个匹配对象

使用语法:

re.search(pattern,string[,flags])  

import re
ret = re.search("hello","ahello word")  # 搜索成功
print(ret.group())  # hello

3、re.match()和re.search()的区别

• re.match匹配的时候只匹配字符串的开始,如果字符串的开始不符合正则表达式,则匹配失败,函数返回None。
• re.search() 匹配整个字符串,直到匹配到一个。

import re
ret = re.search("^hello","ahello word")  # 如果在hello前面加^号,其search的功能和match的功能一样
print(ret.group())  # 匹配不成功，返回None

4、re.fildall()介绍

• re.fildall() 对整个字符串从左到右进行匹配,返回所有匹配对象的列表.

使用语法：

re.fildall(pattern,string[,flags])

ret = re.fildall(\'\d+\',\'hello123,word456\')
print(ret)
结果:
>>>[\'123\',\'456\']

5、re.compile()介绍

• re.compile() 对整个正则表达式进行预编译,生成表达式对象,用于正则匹配

使用语法：
re.compile(pattern,flags)

import re
rule = re.compile(\'\d+\')
ret = rule.findall(\'hellow word456\')
print(ret)
>>>456

6、re.split()介绍

• re.split()方法与字符串的切割方法一样,返回的是一个列表,这了我用正则匹配进行切割

使用语法：
re.split(pattern,string,maxsplit,flags)

import re
strs = \'zhangsan123wangwu345we\'
set = re.split(\'\d+\',strs)
print(set)
>>>[\'zhangsan\', \'wangwu\', \'we\']

7、re.sub()介绍

• re.sub() 批量替换字符串中某个字符,如：将\’hello word\’替换成\’HELLO word\’

使用语法：
re.sub(pattern,repl,string,count)

import re
strs = \'hello word\'
ret = re.sub(\'hello\',\'HELLO\',strs)
print(ret)
>>>HELLO word
# 使用正则来匹配替换
strs = \'abcd123efg345hi\'
ret = re.sub(r\'\d+\',\'HELLO\',strs)
print(ret)
>>>abcdHELLOefgHELLOhi

8、re.subn()介绍

• re.subn的用法和re.sub是一样的,区别在与返回值,re.sub返回的是字符串,而re.subn返回的是元组

使用语法：
re.subn(pattern,repl,string,count)

import re
strs = \'abcd123efg345hi\'
ret = re.subn(r\'\d+\',\'HELLO\',strs)
print(ret)
>>>(\'abcdHELLOefgHELLOhi\', 2)   #(\'替换后的字符串\',替换的次数)

# 指定替换的次数
import re
strs = \'abcd123efg345hi\'
ret = re.subn(r\'\d+\',\'HELLO\',strs,1)
print(ret)
>>>(\'abcdHELLOefg345hi\', 1)

三、正则表达式语法

• 正则表达式的强大之处是因为它提供了很多特殊符号和字符,使用它们正则表达式才可以强大而又灵活。

字符组

元字符

量词

贪婪和惰性

贪婪匹配模式

• 用到量词的匹配时,默认为贪婪模式
• 贪婪模式的意思就是匹配的时候,尽量多匹配,不行再慢慢的减少匹配

import re
lst = "\d{2,4}"
ret = re.search(lst,"12345abcd")
print(ret.group())
结果：
>>>1234

惰性匹配模式

• 惰性匹配模式正好和贪婪模式相对
• 惰性匹配是尽量少的匹配,不行再慢慢去增加匹配的个数
• 惰性匹配只需要在量词后面添加?即可

import re
lst = "\d{2,4}?"
ret = re.search(lst,"12345abcd")
print(ret.group())
结果：
>>>12

常用正则表达式

常用分组

findall，search和分组的关系

案例1：

import re
ret = re.findall(\'\d(\d)\',\'a1,b22,c345\')
print(ret)
>>>[2,4]

案例2：

import re
ret = re.findall(\'\d(?:\d)\',\'a1,b22,c345\')
print(ret)
>>>[\'22\',\'34\']

案例3：

import re
ret = re.search(\'(?P<num1>\d)(?P<num2>\d)\',\'a14,b22,c3357\')
print(ret.group())   # 14
print(ret.group(0))  # 14
print(ret.group(1))  # 1
print(ret.group(2))  # 4
print(ret.group(\'num1\'))  # 1
print(ret.group(\'num2\'))  # 4

案例4：

import re
ret = re.search(\'(?P<num1>\d)(?P=num1)\',\'a14,b22,c3357\')
print(ret.group())  #匹配10位数，并且分组1=分组2
>>>22

分组的作用

import re
ret = re.search("<(?P<tag_name)>\w)>.*</(?P=tag_name)>","<h1>hello<\h1>")
print(ret)
print(ret.group(\'tag_name\'))
print(ret.group())
>>>h1
>>>h1
>>><h1>hello</h1>