python 正则表达式、re

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种模式匹配。

参考链接：https://www.runoob.com/python/python-reg-expressions.html#flags

补充：

实战

>>> import re#匹配02.56
>>> time_count=re.compile(r'\d+\.+\d+')#注意匹配.要加转义字符
>>> s='time=02.56s'
>>> result=time_count.search(s).group()
>>> print(result)
02.56
>>> result=time_count.search(s)#这样会输出
>>>
>>> print(result)
<_sre.SRE_Match object; span=(5, 10), match='02.56'>
>>> result=time_count.findall(s)#注意是list
>>> print(result)
['02.56']
>>> result=time_count.findall(s).group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'list' object has no attribute 'group'

　　第二次，$匹配末尾的

import re
#匹配02.56
time_count=re.compile(r'\d+\.+\d+$')#$就这样放在匹配的后面
s='time=02.56s'
result=time_count.findall(s)
print(result)
 
#输出
[]
#因为re$不是表示返回在字符串中到re匹配的地方结束，而是代表字符串也以re所表示的结束
s='time=02.56'
#这样就有了
['02.56']

正则表达式对象

　　re.RegexObject

　　　　re.compile() 返回 RegexObject 对象。有的方法是用这个对象调用的，都能

　　re.MatchObject

　　　　match（）匹配成功返回的对象

>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
>>> print m                                         # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0>

表达式模式：更多模式见参考链接

　　当匹配'.'时，需要加转移字符\即r'\.'会匹配点

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a\| b	匹配a或b
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

方法

re.compile（）函数

　　compile 函数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。

re.compile(pattern[, flags])
 
# pattern : 一个字符串形式的正则表达式
 
# flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
 
    # re.I 忽略大小写
    # re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
    # re.M 多行模式
    # re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
    # re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
    # re.X 为了增加可读性，忽略空格和 # 后面的注释

re.match函数

　　re.match()函数尝试从字符串的起始位置匹配一个模式，如果在起始位置匹配成功的话，返回none，当匹配成功时返回一个 Match 对象

re.match(pattern, string, flags=0)#pattern模式
#pattern参数可以是字符串，也可以是正则表达式
#flags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，多行匹配等等。
 
#例：
import re
print(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配到
print(re.match('com', 'www.runoob.com'))         # 这个就没有匹配到，因为起始位置不是com
#输出
(0, 3)
None

RegexObject.match()（是RegexObject调用的）

>>>import re
>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字#注意时一个数字开头
>>> m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
>>> print m                                         # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0)   # 可省略 0
'12'
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0#这是因为到’t‘处就没有匹配，就结束了
5
>>> m.span(0)    # 可省略 0
(3, 5)

group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
start([group]) 返回匹配开始的位置（子串第一个字符的索引），参数默认值为 0；
end([group]) 返回匹配结束的位置（子串最后一个字符的索引+1），参数默认值为 0；
span([group]) 返回一个元组包含匹配 (开始,结束) 的位置 (start(group), end(group))。

group（）

匹配成功re.match方法返回一个匹配的对象，我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group(num=0)	匹配的整个表达式的字符串（就是string参数喽？），group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到所含的小组号。

　　实例：

import re
 
line = "Cats are smarter than dogs"
 
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
 
print("matchObj.group() : ", matchObj.group())#返回整个字符串
print ("matchObj.group(1) : " matchObj.group(1))#返回匹配的第一个小组
print ("matchObj.group(2) : ", matchObj.group(2))
#输出
matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

re.search方法

　　re.search 扫描整个字符串并返回第一个成功的匹配。

　　和match（）方法的区别是：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。

　　此外参数都一样

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

　　匹配成功re.search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。都和match（）方法一样

import re
print(re.search('www', 'www.runoob.com').span())  # 在起始位置匹配
print(re.search('com', 'www.runoob.com').span())         # 不在起始位置匹配同样也又结果
#结果
(0, 3)
(11, 14)

findall（）

　　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，则返回空列表。

　　注意： match 和 search 是匹配一次 findall 匹配所有。

findall(string[, pos[, endpos]])
    # string : 待匹配的字符串。
    # 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。

　　实例：

import re
 
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
 
print(result1)
print(result2)
#输出
['123', '456']
['88', '12']

re.finditer

　　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。参数和match、search相同

　　实例：

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

re.sub（）检索和替换

　　Python 的 re 模块提供了re.sub用于替换字符串中的匹配项。

re.sub(pattern, repl, string, count=0, flags=0)
pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

　　注意，repl可以是一个函数

import re
 
# 将匹配的数字乘以 2
def double(matched):#注意函数的定义方式，没有什么不同
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))#直接传入函数名即可
#输出结果

A46G8HFD1134

re.split 分割

　　split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

re.split(pattern, string[, maxsplit=0, flags=0])
    # maxsplit 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

　　实例：

>>>import re
>>> re.split('\W+', 'runoob, runoob, runoob.')
['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W+)', ' runoob, runoob, runoob.')
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
>>> re.split('\W+', ' runoob, runoob, runoob.', 1)
['', 'runoob, runoob, runoob.']
 
>>> re.split('a*', 'hello world')   # 对于一个找不到匹配的字符串而言，split 不会对其作出分割
['hello world']

正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。