常用模块之re模块(十八)

在Python中需要通过正则表达式对字符串进⾏匹配的时候，可以使⽤⼀个python自带的模块，名字为re模块

我们可以在Python中使用以下的语句，导入re模块：

import re

正则表达式的大致匹配过程是：

1. 依次拿出表达式和文本中的字符比较
2. 如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败
3. 如果表达式中有量词或边界，这个过程会稍微有一些不同

r 的作用

在Python 中字符串的前导 r 代表原始字符串标识符，该字符串中的特殊符号不会被转义，适用于正则表达式中繁杂的特殊符号表示。 因此 r"\n" 表示包含 ‘’ 和 ‘n’ 两个字符的字符串，而 “\n” 则表示只包含一个换行符的字符串。与大多数编程语言相同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要两个反斜杠”\”。Python里的原生字符串很好地解决了这个问题，Python中字符串前⾯加上 r 表示原⽣字符串。

print("\\n") # 输出 \n
print(r"\n") #输出 \n
print(r"\\n") # 输出 \\n

以上代码的实列输出：

匹配元字符

符	功能	位置
.	匹配任意1个字符（除了\n）
[ ]	匹配[ ]中列举的字符
\d	匹配数字，即0-9	可以写在字符集[…]中
\D	匹配⾮数字，即不是数字	可以写在字符集[…]中
\s	匹配空⽩，即空格，tab键	可以写在字符集[…]中
\S	匹配⾮空⽩字符	可以写在字符集[…]中
\w	匹配所有单词字符，即a-z、A-Z、0-9、_	可以写在字符集[…]中
\W	匹配⾮单词字符，即空格、换行符、有特殊字符	可以写在字符集[…]中

举例：

import re
#匹配任意1个字符（除了\n）
ret = re.findall(r".",'abcdefg_123456\nGPT!@# 千负')
print(ret)
# 匹配[ ]中列举的字符
ret = re.findall(r"[123]",'abcdefg_123456\nGPT!@# 千负')
print(ret)
#匹配数字，即0-9
ret = re.findall(r"\d+",'abcdefg_123456\nGPT!@# 千负')
print(ret)
#匹配⾮数字，即不是数字
ret = re.findall(r"\D+",'abcdefg_123456\nGPT!@# 千负')
print(ret)
#匹配所有单词字符，即a-z、A-Z、0-9、_
ret = re.findall(r"\w",'abcdefg_123456\nGPT!@# 千负')
print(ret)
#匹配⾮单词字符，即空格、换行符、有特殊字符
ret = re.findall(r"\W",'abcdefg_123456\nGPT!@# 千负')
print(ret)
#匹配空⽩，即空格，tab键
ret = re.findall(r"\s",'abcdefg_123456\nGPT!@# 千负')
print(ret)
#匹配⾮空⽩字符	
ret = re.findall(r"\S",'abcdefg_123456\nGPT!@# 千负')
print(ret)

代码输出的实列如下：

[…]字符集，对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，比如[abc]和[a-c]，第一个字符如果是^表示取反。所有特殊字符（比如"]“”-“”^“）在字符集中都失去原来的含义，如要使用可把”]“”-“放在第一个字符，”^"放在非第一个字符。

import re

#匹配char_a，char_b
ret = re.findall(r"char_[ab]","char_a, char_b,char_c,char_d")
print(ret)
#取反
ret = re.findall(r"char_[^ab]","char_a, char_b,char_c,char_d")
print(ret)
#匹配char_a到c
ret = re.findall(r"char_[a-c]","char_a, char_b,char_c,char_d")
print(ret)

以上代码输出的实例：

匹配多个字符

字符	功能	位置	表达式实例	完整匹配的字符串
*	匹配前⼀个字符出现0次或者⽆限次，即可有可⽆	用在字符或(…)之后	abc*	abccc
+	匹配前⼀个字符出现1次或者⽆限次，即⾄少有1次	用在字符或(…)之后	abc+	abccc
?	匹配前⼀个字符出现1次或者0次，即要么有1次，要么没有	用在字符或(…)之后	abc?	ab,abc
{m}	匹配前⼀个字符出现m次	用在字符或(…)之后	ab{2}c	abbc
{m,n}	匹配前⼀个字符出现从m到n次，若省略m，则匹配0到n次，若省略n，则匹配m到无限次	用在字符或(…)之后	ab{1,2}c	abc,abbc

实列：

import re
#：匹配出，⼀个字符串第⼀个字⺟为⼤写字符，后⾯都是⼩写字⺟并且这些⼩写字⺟可有可⽆
ret = re.match("[A-Z][a-z]*","A")
print(ret.group())
ret = re.match("[A-Z][a-z]*","AbcA")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())
#匹配出，0到99之间的数字
ret = re.match("[1-9]?[0-9]","7")
print(ret.group())
ret = re.match("[1-9]?\d","33")
print(ret.group())
ret = re.match("[a-z]{3}.", "abcdefg")
print(ret.group())
ret = re.match("[a-z]{3}?", "abcdefg")
print(ret.group())
# 这个结果并不是想要的，利⽤$才能解决
ret = re.match("[1-9]?\d","09")
print(ret.group())
ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
print(ret.group())
#匹配出，8到20位的密码，可以是⼤⼩写英⽂字⺟、数字、下划线
ret = re.match("[a-zA-Z0-9_]{8,20}","1ad12f23s34455ff66")
print(ret.group())

以上代码输出的实例：

re.match()函数

尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。匹配成功re.match方法返回一个匹配的对象。

语法：re.match(pattern, string, flags=0)

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串
lags	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。

如果上⼀步匹配到数据的话，可以使⽤group⽅法来提取数据。以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group()用来提出分组截获的字符串，（）用来分组，group() 同group（0）就是匹配正则表达式整体结果，group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。没有匹配成功的，re.search()返回None。

代码实列：

import re
result = re.match("itcast","itcast.cn")
print(result.group())

从string头开始匹配pattern完全可以匹配，pattern匹配结束，同时匹配终止，后面的.cn不再匹配，返回匹配成功的信息。以上代码输出的实列：

re.findall()函数

re.findall函数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

代码实列：

import re

ret = re.findall(r"\d+", "阅读次数为1234, 关注人数为6000")
print(ret)

我们需要在字符串中，寻找数字，可以看到，最终输出如下图所示：

re.search()函数

re.search 扫描整个字符串并返回第一个成功的匹配，如果没有匹配，就返回一个 None。

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

代码实列：

import re
ret = re.search(r"\d+", "阅读次数为1234, 关注人数为6000")
print(ret.group())

我们在字符串中寻找数字，search成功匹配到了数字，并且只返回第一个样本：

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

prog = re.compile(pattern)
result = prog.match(string)

等价于

result = re.match(pattern, string)

代码实列：

import re
pattern = re.compile(r'\d+')
m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
print(m)
print(m.group())
print(m.start())
print(m.end())
print(m.span())

以上代码输出的实列：

在上面，当匹配成功时返回一个 Match 对象，其中：

• 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]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；

• end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；

• span([group]) 方法返回 (start(group), end(group))

re.finditer()函数

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

import re

it = re.finditer(r"\d+", "12a32bc43jf3")
for match in it:
    print(match.group())

以上代码输出的实列：

re.sub()函数

sub是substitute的所写，表示替换，将匹配到的数据进行替换。

语法：re.sub(pattern, repl, string, count=0, flags=0)

参数	描述
pattern	必选，表示正则中的模式字符串
repl	必选，就是replacement，要替换的字符串，也可为一个函数
string	必选，被替换的那个string字符串
count	可选参数，count 是要替换的最大次数，必须是非负整数。如果省略这个参数或设为 0，所有的匹配都会被替换
flag	可选参数，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。

举例：将当前阅读次数修改为1000

import re

ret = re.sub(r"\d+", '1000', "当前阅读次数为996")
print(ret)

以上代码输出的实例：

re.subn()函数

行为与sub()相同，但是返回一个元组 (字符串, 替换次数)

语法：re.subn(pattern, repl, string[, count])

参数	描述
pattern	必选，表示正则中的模式字符串
repl	必选，就是replacement，要替换的字符串，也可为一个函数
string	必选，被替换的那个string字符串
count	可选参数，count 是要替换的最大次数，必须是非负整数。如果省略这个参数或设为 0，所有的匹配都会被替换
flag	可选参数，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。

举例：

import re
pattern = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
print(re.subn(pattern, r'\2 \1', s))
def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
print(re.subn(pattern, func, s))

以上代码输出的实例：

re.split()函数

根据匹配进⾏切割字符串，并返回⼀个列表

语法：re.split(pattern, string, maxsplit=0, flags=0)

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串
maxsplit	分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数

举例：

import re

ret = re.split(r":| ", "Python:武器库 开发 by 千负")
print(ret)

以上代码输出的实例：