python系统模块之re

正则模块re:

元字符:

字符	描述
.	除换行符外的任意字符
\	转义字符
[...]	字符集合,匹配任务其中一个
\d	数字:[0-9]
\D	非数字:[^\d]
\w	单词字符[A-Za-z0-9]
\W	非单词字符[^\w]
\s	空白字符[\t\r\n\f 空格]
\S	非空白字符[^\s]

数量词:

*	匹配一个字符0次或多次
+	匹配一个字符1次或多次
?	匹配一个字符0次或1次
{m}	匹配一个字符m次
{m,n}	匹配一个字符m次到n次
?	非贪婪模式

边界:

^	匹配字符串开头和行首
$	匹配字符串结尾和行尾
\A	匹配字符串开头
\Z	匹配字符串结尾
\b	匹配\w到\W之间

分组:

|	左右表达式任意匹配一个,先匹配左边,一般成功则跳过匹配右边, 如果没有|则匹配整个表达式
(...)	分组匹配,从左到右,没遇到一个编号就+1, 后面可以根据数量词提取内容
(?P<name>...)	除了分组序号外, 还可以执行一个name的别名
\<number>	引用编号为<number>的分组匹配到的字符串
(?P=name)	引用别名为<name>的分组匹配到的串

常用函数:

1) compile(pattern)

创建正则匹配规则对象

>>> import re
>>> pat=re.compile('A')
>>> m=pat.search('CBA')
>>> print m
<_sre.SRE_Match object at 0x9d690c8>   #匹配到了，返回MatchObject（True）
 
>>> m=pat.search('CBD')
>>> print m
None                                   #没有匹配到，返回None（False）
 
#上面的等价于
 
>>> re.search('A','CBA')
<_sre.SRE_Match object at 0xb72cd170>
 
#推荐都用第一种方法

2)findall(pattern, string)

在字符串中查询所有匹配项,并以列表的形式返回

>>> re.findall('a','ASDaDFGAa')
['a', 'a']                           #列表形式返回匹配到的字符串
>>> pat = re.compile('a')
>>> pat.findall('ASDaDFGAa')
['a', 'a']                           #列表形式返回匹配到的字符串
 
>>> pat = re.compile('[A-Z]+')       #正则匹配：'[A-Z]+' 后面有说明
>>> pat.findall('ASDcDFGAa')
['ASD', 'DFGA']                      #找到匹配到的字符串
>>> pat = re.compile('[A-Z]')
>>> pat.findall('ASDcDFGAa')         #正则匹配：'[A-Z]+' 后面有说明
['A', 'S', 'D', 'D', 'F', 'G', 'A']  #找到匹配到的字符串
 
>>> pat = re.compile('[A-Za-z]')     #正则匹配：'[A-Za-z]+' 匹配所有单词，后面有说明
>>> pat.findall('ASDcDFGAa')
['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a']

3)search(pattern,string)

在字符串中查询第一个匹配项,并以对象的形式返回

>>> m = re.search('asd','ASDasd')
>>> print m
<_sre.SRE_Match object at 0xb72cd6e8>  #匹配到了，返回MatchObject（True）
>>> m = re.search('asd','ASDASD')
>>> print m
None                                   #没有匹配到，返回None（False）

4)match(pattern,string)

在字符串开始位置查询匹配项,并以对象的形式返回

>>> m = re.match('a','Aasd')
>>> print m
None                                  #没有匹配到，返回None（False
 
>>> m = re.match('a','aASD')
>>> print m
<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）
 
可以用第一个方法：compile
 
>>> pat=re.compile('a')
>>> printpat.match('Aasd')
None
 
>>> printpat.match('aASD')
<_sre.SRE_Match object at 0xb72cd6e8>

5)split(pattern,string)

在字符串中根据模式分隔字符串

>>> re.split(',','a,s,d,asd')
['a', 's', 'd', 'asd']          #返回列表
>>> pat = re.compile(',')
>>> pat.split('a,s,d,asd')
['a', 's', 'd', 'asd']          #返回列表
 
>>> re.split('[, ]+','a ,  s  ,d     ,,,,,asd')   #正则匹配：[, ]+，后面说明
['a', 's', 'd', 'asd']
>>> re.split('[, ]+','a ,  s  ,d     ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数
['a', 's', 'd     ,,,,,asd']
>>> pat = re.compile('[, ]+')                     #正则匹配：[, ]+，后面说明
>>> pat.split('a ,  s  ,d     ,,,,,asd',maxsplit=2)        # maxsplit 最多分割次数
['a', 's', 'd     ,,,,,asd']

6)sub(pattern,repl,string)

在字符串中将匹配项替换成目标,返回字符串

>>> re.sub('a','A','abcasd')   #找到a用A替换，后面见和group的配合使用
'AbcAsd'
 
>>> pat = re.compile('a')
>>> pat.sub('A','abcasd')
'AbcAsd'
 
#通过组进行更新替换：
>>> pat=re.compile(r'www\.(.*)\..{3}') #正则表达式
>>> pat.match('www.dxy.com').group(1)
'dxy'
>>> pat.sub(r'\1','hello,www.dxy.com') #通过正则匹配找到符合规则的”www.dxy.com“ ，取得组1字符串 去替换 整个匹配得到字符串。dxy -> www.dxy.com
'hello,dxy'
 
>>> pat=re.compile(r'(\w+) (\w+)')     #正则表达式
>>> s='hello world ! hello hz !'
>>> pat.findall('hello world ! hello hz !')
[('hello', 'world'), ('hello', 'hz')]
>>> pat.sub(r'\2 \1',s)                #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。
'world hello!hz hello!'

7)escape(string)

特殊字符转移

>>> re.escape('www.dxy.cn')
'www\\.dxy\\.cn'                   #转义

注意:

a) 以上函数中只有match,search返回的是一个对象, 可以使用span,group方法

>>> pat = re.compile(r'www\.(.*)\.(.*)')       #用()表示一个组，2个组
>>> m = pat.match('www.dxy.com')
>>> m.group()                                  #默认为0，表示匹配整个字符串
'www.dxy.com'
>>> m.group(1)                                 #返回给定组1匹配的子字符串
'dxy'
>>> m.group(2)
'com'
>>> m.start(2)                                 #组2开始的索引
8
>>> m.end(2)                                   #组2结束的索引
11
>>> m.span(2)                                  #组2开始、结束的索引
(8, 11)
>>> m1 = pat.search('www.dxy.com')
>>> m1.group()
'www.dxy.com'
>>> m1.group(1)
'dxy'
>>> m1.group(2)
'com'
>>> m1.start(2)
8

b)正则表达式内容的时候, 尽量前面添加r'表达式', 可以保证内容中的正则不会被python进行转移处理, 保持原始字符给到re引擎

使用示例: