python-正则基础

正则表达式，说的简单些，就是一个匹配的功能，在python中，只要引用 re 模块，就能进行正则匹配操作

一、math匹配

先来看一个简单的例子

import re
re.match(pattern, data_source)     #math为匹配，pattern为需要匹配的对象，data_source为数据源

查看下匹配的结果

import re
a = re.match('abc', 'abcdefg')
b = re.match('abc', 'bcdefg')
print(a)
print(b)

-----结果-----
<_sre.SRE_Match object; span=(0, 3), match='abc'>       #a为匹配到的结果，返回的是一个正则的对象
None                                                    #b为没匹配到的结果

查看匹配到的具体结果，需要使用group方法:

import re
a = re.match('abc', 'abcdefg')
print(a.group())

-----结果-----
abc

　

需要注意的是，math只能从字符串开头进行匹配

import re
a = re.match('abc', 'aabcdefg')
if a:
    print('匹配成功')
else:
    print('匹配失败')

-----结果-----
匹配失败

在math中除了有group方法查看匹配到的内容外，还有以下几个方法：

import re
a = re.match('abc', 'abcdefg')
print(a.start())                 #查看匹配开始的位置
print(a.end())                   #查看匹配结束的位置
print(a.span())                  #查看匹配开始和结束的位置

-----结果-----
0
3
(0, 3)

　　

如果想要匹配任意数字，可以这样写：

import re
a = re.match('[0-9]', '1234abc')                #[0-9]为匹配任意一个数字
b = re.match('[0-9]{1,9}', '1234abc')           #[0-9]{1,9}为匹配任意1到9个数字
print(a.group())
print(b.group())

-----结果-----
1
1234

　

在上面的例子中，我们进行了两次匹配，在匹配的过程中，先需要对匹配的对象进行编译，如果多次匹配时的对象都是相同的，那也会进行多次编辑，这就造成了一定程度上的资源浪费，为了提升匹配效率，我们可以这样写：

import re

p = re.compile('[0-9]')          #先对匹配对象进行编译
a = p.match('1234aBc')           #第一次匹配开头为数字
b = p.match('56abc')             #第二次匹配开头为数字
print(a.group())
print(b.group())

　

二、search

在上文中介绍了math，math是只能从开头进行匹配，如果想从整个字符串的任意位置进行匹配，我们可以使用search：

import re
a = re.search('\d', 'b1234abc123')     #\d为匹配任意十进制数，相当于[0-9]
print(a.group())

-----结果-----
1

需要注意的是，search只要是匹配到了内容，后面的内容就不会进行匹配了

三、findall

findall方法能够以列表的形式返回能匹配的子串，看例子：

import re
a = re.findall('[0-9]', '1234abc123')
b = re.findall('[0-9]{0,9}', '1234abc123')
c = re.findall('[0-9]{1,9}', '1234abc123')
print(a)
print(b)
print(c)

-----结果-----
['1', '2', '3', '4', '1', '2', '3']
['1234', '', '', '', '123', '']              #由于{0，9}是可以匹配到0个数字，因此最终的结果中会匹配到空的字符串
['1234', '123']                              #改为{1，0}后，就无法匹配到0个数字啦

　　

四、sub和subn

之前介绍的几个方法中，只能查看到匹配的结果，如果我们想把匹配到的内容换成另外的内容，就可以使用sub和subn，就是通常意义上的替换

import re
a = re.sub('a', 'z', 'b1234abc123aaa')          #把a换成z
b = re.subn('a', 'z', 'b1234abc123aaa')
print(a)
print(b)

-----结果-----
b1234zbc123zzz
('b1234zbc123zzz', 4)                           #使用subn时，会统计到匹配的次数

如果想要指定替换的次数，可以参入count的参数

import re
a = re.sub('a', 'z', 'b1234abc123aaa', count=1)
b = re.subn('a', 'z', 'b1234abc123aaa', count=1)
print(a)
print(b)

-----结果-----
b1234zbc123aaa
('b1234zbc123aaa', 1)

五、split

split表示在匹配时对字符串进行分割，分割完后存入一个列表中

import re
a = re.split('[0-9]', 'xiaohong1xiaosun')
print(a)

-----结果-----
['xiaohong', 'xiaosun']

　　

　

六、正则表达式

元字符	说明
.	代表任意字符
|	逻辑或操作符
[ ]	匹配内部的任一字符或子表达式
[^]	对字符集和取非
-	定义一个区间
\	对下一字符取非（通常是普通变特殊，特殊变普通）
*	匹配前面的字符或者子表达式0次或多次
*?	惰性匹配上一个
+	匹配前一个字符或子表达式一次或多次
+?	惰性匹配上一个
?	匹配前一个字符或子表达式0次或1次重复
{n}	匹配前一个字符或子表达式
{m,n}	匹配前一个字符或子表达式至少m次至多n次
{n,}	匹配前一个字符或者子表达式至少n次
{n,}?	前一个的惰性匹配
^	匹配字符串的开头
\A	匹配字符串开头
$	匹配字符串结束
[\b]	退格字符
\c	匹配一个控制字符
\d	匹配任意数字
\D	匹配数字以外的字符
\t	匹配制表符
\w	匹配任意数字字母下划线
\W	不匹配数字字母下划线