Working with Regular Expression in Python.

# 正则表达式

正则表达式是一组由字母和符号组成的特殊文本，它可以用来从文本中找出满足你想要的格式的句子。一个正则表达式是一种从左到右匹配主体字符串的模式，常使用缩写的术语 “regex” 或 “regexp”。
实验网站：regex101

参考：菜鸟

正则语法

元字符

正则表达式起作用主要依赖于元字符的使用。元字符不代表它们本身的字符含义，在正则表达式中他们都用特殊的含义，如果想要表示出它们原有的字符含义就需要使用转义字符。
常用的主要有：

## 点能匹配任意单个字符，但是不能匹配换行符
# .
# .+

## 标识符的正则表达式
# [a-zA-Z_]+[a-zA-Z0-9_]*

## 常量的正则表达式
# 

## 量词 +*?{}

简写字符集

正则表达式提供了一些常用字符集的简写，使用方便，但是我们必须记住相应简写的表意

注记：大写的简写集是小写的补集

零宽度断言（前后预查）

先行断言和后发断言都属于非捕获簇（不捕获文本 ，也不针对组合计进行计数）。 先行断言用于判断所匹配的格式是否在另一个确定的格式之前，匹配结果不包含该确定格式（仅作为约束）

说人话就是用来做判断的表达式，其本身只是一个条件

总的来说，断言用于筛选匹配的结果

• 正先行断言，选出所有主表达式之后跟着?=断言定义的表达式
• 负先行断言，选出所有主表达式之后没有跟随?!断言定义的表达式
• 正后发断言，选出所有主表达式之前的模式是?<=断言定义的表达式
• 负后发断言，选出所有主表达式之前的模式是?<!断言定义的表达式

注： 先行、后发都是指主表达式

## 下正则表达式匹配的模式为单词the/The之后的标识符
# (?<= [T | t]he\s)([a-zA-Z_]+[a-zA-Z0-9_]*)

## 下正则表达式匹配的模式为's之前的表示符
# ([a-zA-Z_]+[a-zA-Z0-9_]*)(?='s)

标志

标志也叫模式修正符，它可以用来修改表达式的搜索结果，这些标志可以任意的组合使用，它也是整个正则表达式的一部分。

贪婪匹配和惰性匹配

正则表达式默认使用贪婪匹配，即尽可能长的匹配相关模式。一般是确定了开始和结束的表达式，我们可以用?将贪婪匹配转换为惰性匹配。

e.g. (.at) /
(.?at) 的区别

常用的正则表达式模式

电子邮件

^[1]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+$

汉字

^[2]{0,}$

身份证号

^\d{15}|\d{18}$

标识符

[a-zA-Z_]+[a-zA-Z0-9_]*

re 包

re 模块使 Python 语言拥有全部的正则表达式功能。

compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

本章节主要介绍Python中常用的正则表达式处理函数。

re.match()

re.match 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。

函数语法格式：

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

匹配成功 re.match 方法回返回一个匹配的对象，否则返回None。

import re
print(re.match('www', 'www.runoob.com'))  # 在起始位置匹配
print(re.match('com', 'www.runoob.com'))  # 不在起始位置匹配

<re.Match object; span=(0, 3), match='www'>
None

我们可以用 group(num=0) 和 groups() 匹配对象函数来获得匹配的表达式。

import re

line = "Cats are smarter than dogs"

# ()可以对正则表达式分组并记住匹配的文本
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!!")

# 匹配的正则表达式中只有两个组，因此如果试图访问第三个组救回报错

matchObj.group() :  Cats are smarter than dogs
matchObj.group(1) :  Cats
matchObj.group(2) :  smarter

re.search()

re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法格式：

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。

import re
print(re.search('www', 'www.runoob.com'))  # 在起始位置匹配
print(re.search('com', 'www.runoob.com'))  # 不在起始位置匹配

<re.Match object; span=(0, 3), match='www'>
<re.Match object; span=(11, 14), match='com'>

我们可以用 group(num=0) 和 groups() 匹配对象函数来获得匹配的表达式。

import re

line = "Cats are smarter than dogs"

# ()可以对正则表达式分组并记住匹配的文本
matchObj = re.search(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

re.match() 和 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，否则返回None。

import re

line = "Cats are smarter than dogs"

matchObj = re.match(r'dogs', line, re.M | re.I)
if matchObj:
   print("match --> matchObj.group() : ", matchObj.group())
else:
   print("No match!!")

matchObj = re.search(r'dogs', line, re.M | re.I)
if matchObj:
   print("search --> searchObj.group() : ", matchObj.group())
else:
   print("No match!!")

No match!!
search --> searchObj.group() :  dogs

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。

函数语法：

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

import re

phone = "2004-959-559 # 这是一个国外电话号码"

# 删除字符串中的 Python注释
num = re.sub(r'#.*$', "", phone)
print ("电话号码是: ", num)

# 删除非数字(-)的字符串
num = re.sub(r'\D', "", phone)
print ("电话号码是 : ", num)

电话号码是:  2004-959-559 
电话号码是 :  2004959559

## reql 是一个函数
import re

# 这个函数的作用是将分组名位value的内容 *2 再转换位字符串的形式输出
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

s = 'A23G4HFD567'
# ?P<name> 用于给分组指定名字
print(re.sub('(?P<value>\d+)', double, s))

A46G8HFD1134

re.complie()

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。

函数语法格式：

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

import re
pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
print(m)

None

re.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，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

函数语法格式：

findall(string, pos, endpos)

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)

['123', '456']
['88', '12']

## 匹配多个模式，返回元组列表
import re

result = re.findall(r'(\w+)=(\d+)', 'set width=20 and height=10')
print(result)

[('width', '20'), ('height', '10')]

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。

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

import re

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

12
32
43
3

re.split()

split 方法按照能够匹配的子串将字符串分割后返回列表。

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

import re

re.split(' ', 'Hello, world!')

['Hello,', 'world!']

本栏目推荐文章
• Python学习笔记
• python字典的使用
• python字符串方法
• python列表和元组使用介绍
• python | 小游戏 开局托儿所 自动化脚本 pyautogui
• python中的Map和Filter
• python-爬元气桌面壁纸
• python中的*args**和**kwargs
• Python教程(23)——Python类中常用的特殊成员
• linux环境Python安装

Expression Working Regular Python withexpression working regular python working strings python with python_regular expression regular基础 working python files with regular-expression-matching expression javascript regular special regular-expression-matching expression leetcode expression regular javascript expression actions regular expression learning regular new