正则表达式（python）

正则表达式

正则表达式（regular expression）描述了一种字符串匹配的模式（pattern），可以用来检查一个串使用含有某种子串、将匹配的子串替换或者是从某个串中取出某个条件的子串等。
正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。

正则表达式模式

1. 数字和字母表示他们自身。
2. 多数字母和数字前加一个反斜杠时会拥有不同的含义。
3. 标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
4. 反斜杠本身需要使用反斜杠转义。

特殊字符类

正则常用函数

• re.match(pattern, string, flags=0)：尝试从字符串的起始位置匹配一个模式，匹配成功re.match方法返回一个匹配的对象，否则返回None。我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

print(re.match("www", "www.runoob.com"))
# <_sre.SRE_Match object; span=(0, 3), match='www'>
print(re.match("www", "www.runoob.com").group())
# www
print(re.match("www", "www.runoob.com").span())
# (0, 3)
print(re.match("com", "www.runoob.com"))
# None


line = "Cats are smarter than dogs"
#.* 表示任意匹配除换行符（\n \r）之外的任何单个或多个字符
# (.*?)表示“非贪婪”模式，只保存第一个匹配到的子串
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)

if matchObj:
	print("matchObj.group(): ", matchObj.group())
	print("matchObj.group(1): ", matchObj.group(1))
	print("matchObj.group(2): ", matchObj.group(2))
else:
	print("No match!")
	
# matchObj.group():  Cats are smarter than dogs
# matchObj.group(1):  Cats
# matchObj.group(2):  smarter
复制代码

• re.search(pattern, string, flags=0)：扫描整个字符串并返回第一个成功的匹配，否则返回None。

print(re.search('www', 'www.runoob.com').span())
# (0, 3)
print(re.search('com', 'www.runoob.com').span())
# (11, 14)
复制代码

re.match与re.search的区别
re.match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回 None，而 re.search 匹配整个字符串，直到找到一个匹配。

• re.sub(pattern, repl, string, count=0, flags=0),3个参数是必选的：
  • pattern（必选） : 正则中的模式字符串。
  • repl（必选） : 替换的字符串，也可为一个函数。
  • string（必选） : 要被查找替换的原始字符串。
  • count（可选） : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
  • flags（可选）: 编译时用的匹配模式，数字形式。

phone = "2004-959-559 # this is a phone number"
num = re.sub(r'#.*$', "", phone)
print("phone number : ", num)
# phone number :  2004-959-559 
num = re.sub(r'\D', "", phone)
print("phone number : ", num)
# print("phone number : ", num)
复制代码

• re.compile(pattern[, flags])：用于编译正则表达式，生成一个正则表达式（Pattern）对象，供match()和search()这两个函数使用。

pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小写
m = pattern.match('Hello World Wide Web')
print(m)
# <_sre.SRE_Match object; span=(0, 11), match='Hello World'>  匹配成功返回一个Match对象
print(m.group())
# Hello World 返回匹配成功的整个子串
print(m.group(1))
# Hello 返回第一个分组匹配成功的子串
print(m.span(1))
# (0, 5) 返回第一个分组匹配成功的子串的索引
print(m.group(2))
# World 返回第二个分组匹配成功的子串
print(m.span(2))
# (6, 11) 返回第二个分组匹配成功的子串索引
print(m.groups())
# ('Hello', 'World') 等价于 (m.group(1), m.group(2), ...)
复制代码

• re.findall(pattern, string, flags=0)或pattern.findall(string[, pos[, endpos]])：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，泽返回空列表。注意： match 和 search 是匹配一次 findall 匹配所有。

results1 = re.findall(r'\d+', 'runoob 123 google 456')

pattern = re.compile(r'\d+')
results2 = pattern.findall('runoob 123 google 456')
# pattern.findall(string[, pos[, endpos]]) 
# pos 可选参数，指定字符串的起始位置，默认为0。
# endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。
results3 = pattern.findall('run88oob123google456', 0, 10)
# ['88', '12']
复制代码

• re.finditer(pattern, string, flags=0)：和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

it = re.finditer(r"\d+", "12a32bc43jf3")
for match in it:
	print(match.group())
# 12
# 32
# 43
# 3
复制代码

• re.split(pattern, string[, maxsplit=0, flags=0])：split 方法按照能够匹配的子串将字符串分割后返回列表。maxsplit表示分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

print(re.split('\W+', 'runoob, runoob, runoob.'))
# \W+：匹配一个或多个非字母进行切割，匹配到的非字母不缓存。['runoob', 'runoob', 'runoob', '']
print(re.split('(\W+)', ' runoob, runoob, runoob.'))
#(\W+)匹配一个或多个非字母进行切割，匹配到的非字母全部缓存缓存。 ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
print(re.split('\W+', ' runoob, runoob, runoob.', 1))
['', 'runoob, runoob, runoob.']
复制代码