Python的正则表达式（re模块）
作者：尹正杰
版权声明：原创作品，谢绝转载！否则将追究法律责任。
Python使用re模块提供了正则表达式处理的能力。如果对正则表达式忘记的一干二净的话，可以花费几分钟时间在网上概览一下正则表达式基础，也可以参考我之前的笔记：https://www.cnblogs.com/yinzhengjie/p/11112046.html。
一.常量
多行模式：
re.M
re.MULTILINE 单行模式：
re.S
re.DOTAL 忽略大小写：
re.I
re.IGNORECASE 忽略表达式中的空白字符：
re.X
re.VERBOSE
二.单次匹配
1>.match方法
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() result = re.match("b",src) #match匹配从字符串的开头匹配，找到第一个就不找了，返回match对象。
print(1,result) result = re.match("a",src) #没找到，返回None
print(2,result) result = re.match("^a",src,re.M) #依然从头开始找，多行模式没有用
print(3,result) result = re.match("^a",src,re.S) #依然从头开始找
print(4,result) """
设定flags，编译模式，返回正则表达式对象regex。第一个参数就是正则表达式字符串(pattern)，flags是选项。正则表达式需
要被编译，为了提高效率，这些编译后的结果被保存，下次使用同样的pattern的时候，就不需要再次编译。
re的其它方法为了提高效率都调用了编译方法，就是为了提速。
"""
regex = re.compile("a",flags=0) #先编译，然后使用正则表达式对象
result = regex.match(src) #依然从头开始找，regex对象match方法可以设置开始位置和结束位置，依旧返回match对象。
print(5,regex) result = regex.match(src,15) #把索引15作为开始找
print(6,result) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') 1 <re.Match object; span=(0, 1), match='b'>
2 None
3 None
4 None
5 re.compile('a')
6 <re.Match object; span=(15, 16), match='a'>
2>.serach方法
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() result = re.search("a",src) #从头搜索知道第一个匹配，返回mathc对象
print(1,result) regex = re.compile("b")
result = regex.search(src,1)
print(2,result) regex = re.compile("^b",re.M)
result = regex.search(src) #regex对象search方法可以重设定开始位置和结束位置，返回mathc对象
print(3,result) result = regex.search(src,8)
print(4,result) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') 1 <re.Match object; span=(8, 9), match='a'>
2 <re.Match object; span=(7, 8), match='b'>
3 <re.Match object; span=(0, 1), match='b'>
4 <re.Match object; span=(11, 12), match='b'>
3>.fullmatch方法
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() result = re.fullmatch("bag",src)
print(1,result) regex = re.compile("bag")
result = regex.fullmatch(src)
print(2,result) result = regex.fullmatch(src,7)
print(3,result) result = regex.fullmatch(src,7,10) #整个字符串和正则表达式匹配，多了少了都不行！当然，也可以指定搜索的起始，结束位置，找到了返回mathc对象，找不着就返回None
print(4,result) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') 1 None
2 None
3 None
4 <re.Match object; span=(7, 10), match='bag'>
三.全文搜索
1>.findall方法
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() result = re.findall("b",src) #对整个字符串，从左至右匹配，返回所有匹配项的列表
print(1,result) regex = re.compile("^b")
result = regex.findall(src) #功能同上，只不过使用的是编译后的pattern，效率相对较高。
print(2,result) regex = re.compile("^b",re.M)
result = regex.findall(src,7)
print(3,result) result = regex.findall(src,7,10)
print(4,result) regex = re.compile("^b",re.S)
result = regex.findall(src)
print(5,result) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') 1 ['b', 'b', 'b']
2 ['b']
3 ['b', 'b']
4 ['b']
5 ['b']
2>.finditer方法
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() regex = re.compile("^b",re.M)
result = regex.finditer(src) #对整个字符串，从左至右匹配，返回所有匹配项，返回迭代器，注意每次迭代返回的是match对象。
print(type(result)) r = next(result)
print(type(r),r)
print(r.start(),r.end(),src[r.start():r.end()]) r = next(result)
print(type(r),r)
print(r.start(),r.end(),src[r.start():r.end()]) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') <class 'callable_iterator'>
<class 're.Match'> <re.Match object; span=(0, 1), match='b'>
0 1 b
<class 're.Match'> <re.Match object; span=(7, 8), match='b'>
7 8 b
四.匹配替换
1>.sub方法
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() regex = re.compile("b\wg")
result = regex.sub("yinzhengjie",src) #使用pattern对字符串string进行匹配，对匹配项使用"yinzhengjie"替换。我们替换的数据类型可以为string,bytes,function
print(1,result) print("*" * 20 + "我是分割线" + "*" * 20) result = regex.sub("jason",src,1) #我们这里可以指定只替换1次哟~
print(2,result) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') 1 bottle
yinzhengjie
yinzhengjie
apple
********************我是分割线********************
2 bottle
jason
big
apple
2>.subn方法
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() regex = re.compile("\s+")
result = regex.subn("\t",src) #功能和sub类似，只不过它返回的是一个元组，即被替换后的字符串及替换次数的元组。
print(result) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') ('bottle\tbag\tbig\tapple', 3)
五.分割字符串
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """
os.path.abspath(path)
normpath(join(os.getcwd(),path)).
""" print(src.split()) #字符串的分割函数split，太难用，不能指定多个字符串进行分割。
print(re.split("[\.()\s,]+",src)) #正则表达式的re模块就可以支持多个字符串进行分割哟~ #以上代码执行结果如下:
['os.path.abspath(path)', 'normpath(join(os.getcwd(),path)).']
['', 'os', 'path', 'abspath', 'path', 'normpath', 'join', 'os', 'getcwd', 'path', '']
六.分组
1>.分组概述
使用小括号的pattern捕获的数据被放到了组group中。
match，search函数可以返回match对象；findall返回字符串列表；finditer返回一个个match对象。
如果pattern中使用了分组，如果有匹配的结果，会在match对象中。
1>.使用group(N)方式返回对应分组，1到N是对应的分组，0返回整个匹配的字符串，N不写缺省为0；
2>.如果使用了命名分组，可以使用group('name')的方式取分组
3>.也可以使用groups返回所有组
4>.groupdict()返回所有命名的分组
2>.分组代码案例
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() regex = re.compile("(b\w+)")
result = regex.match(src) #从头匹配一次
print(type(result))
print(1,"match",result.groups()) result = regex.search(src,1) #从指定位置向后匹配一次
print(2,"search",result.groups()) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') <class 're.Match'>
1 match ('bottle',)
2 search ('bag',)
3>.命名分组
#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie import re src = """bottle\nbag\nbig\napple""" for i,c in enumerate(src,1):
print((i-1,c),end="\n" if i % 10 == 0 else " ")
print() regex = re.compile("(b\w+)\n(?P<name2>b\w+)\n(?P<name3>b\w+)") result = regex.match(src)
print(1,"match",result)
print(2,result.group(3),result.group(2),result.group(1))
print(3,result.group(0).encode()) #有没有分组，都可以使用Match对象的group(0),因为0返回整个匹配字符串。
print(4,result.group("name2"),result.group("name3"))
print(5,result.groups())
print(6,result.groupdict()) print("*" * 20 + "我是分割线" + "*" * 20) result = regex.findall(src) #如果有分组，fandall返回的是分组的内容，而不是匹配的字符串
for item in result:
print(type(item),item) regex = re.compile("(?P<head>b\w+)")
result = regex.finditer(src) print("*" * 20 + "我是分割线" + "*" * 20) for item in result:
print(type(item),item,item.group(),item.group("head")) #以上代码执行结果如下:
(0, 'b') (1, 'o') (2, 't') (3, 't') (4, 'l') (5, 'e') (6, '\n') (7, 'b') (8, 'a') (9, 'g')
(10, '\n') (11, 'b') (12, 'i') (13, 'g') (14, '\n') (15, 'a') (16, 'p') (17, 'p') (18, 'l') (19, 'e') 1 match <re.Match object; span=(0, 14), match='bottle\nbag\nbig'>
2 big bag bottle
3 b'bottle\nbag\nbig'
4 bag big
5 ('bottle', 'bag', 'big')
6 {'name2': 'bag', 'name3': 'big'}
********************我是分割线********************
<class 'tuple'> ('bottle', 'bag', 'big')
********************我是分割线********************
<class 're.Match'> <re.Match object; span=(0, 6), match='bottle'> bottle bottle
<class 're.Match'> <re.Match object; span=(7, 10), match='bag'> bag bag
<class 're.Match'> <re.Match object; span=(11, 14), match='big'> big big