Python之re模塊案例詳解

一、正則表達式　　 

　　re模塊是python獨有的匹配字符串的模塊，該模塊中提供的很多功能是基於正則表達式實現的，而正則表達式是對字符串進行模糊匹配，提取自己需要的字符串部分，他對所有的語言都通用。註意：

• re模塊是python獨有的
• 正則表達式所有編程語言都可以使用
• re模塊、正則表達式是對字符串進行操作

因為，re模塊中的方法大都借助於正則表達式，故先學習正則表達式。

（一）常用正則

 1、字符組

在同一個位置可能出現的各種字符組成瞭一個字符組，在正則表達式中用[]表示

 2、字符

3、量詞

（二）正則表達式的使用

1、. ^ $

 2、* + ? { }

註意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，後面加?號使其變成惰性匹配

 3、字符集［］［^］

 4、分組 ()與 或 ｜［^］

　　身份證號碼是一個長度為15或18個字符的字符串，如果是15位則全部由數字組成，首位不能為0；如果是18位，則前17位全部是數字，末位可能是數字或x，下面我們嘗試用正則來表示：

 5、轉義符 \

　　在正則表達式中，有很多有特殊意義的是元字符，比如\n和\s等，如果要在正則中匹配正常的”\n”而不是”換行符”就需要對”\”進行轉義，變成’\\’。

　　在python中，無論是正則表達式，還是待匹配的內容，都是以字符串的形式出現的，在字符串中\也有特殊的含義，本身還需要轉義。所以如果匹配一次”\n”,字符串中要寫成’\\n’，那麼正則裡就要寫成”\\\\n”,這樣就太麻煩瞭。這個時候我們就用到瞭r’\n’這個概念，此時的正則是r’\\n’就可以瞭。

6、貪婪匹配

貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認情況下，采用貪婪匹配

幾個常用的非貪婪匹配Pattern

*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復

.*?的用法

. 是任意字符
* 是取 0 至 無限長度
? 是非貪婪模式。
何在一起就是 取盡量少的任意字符，一般不會這麼單獨寫，他大多用在：
.*?x

就是取前面任意長度的字符，直到一個x出現

二、re模塊

（一）常量、屬性

1、re.A（re.ASCII）

讓\w，\W，\b，\B，\d，\D，\s和\S 執行ASCII-隻匹配完整的Unicode匹配代替。這僅對Unicode模式有意義，而對於字節模式則忽略。

2、re.I（re.IGNORECASE）

執行不區分大小寫的匹配；類似的表達式也[A-Z]將匹配小寫字母。

3、re.L（re.LOCALE）

　　讓\w，\W，\b，\B和區分大小寫的匹配取決於當前的語言環境。該標志隻能與字節模式一起使用。不建議使用此標志，因為語言環境機制非常不可靠，它一次隻能處理一種“區域性”，並且僅適用於8位語言環境。默認情況下，Python 3中已為Unicode（str）模式啟用瞭Unicode匹配，並且能夠處理不同的語言環境/語言。

4、re.M（re.MULTILINE）

　　指定時，模式字符’^’在字符串的開頭和每行的開頭（緊隨每個換行符之後）匹配；模式字符’$’在字符串的末尾和每行的末尾（緊接在每個換行符之前）匹配。默認情況下，’^’ 僅在字符串的開頭，字符串’$’的末尾和字符串末尾的換行符（如果有）之前立即匹配。

5、re.S（re.DOTALL）

使’.’特殊字符與任何字符都匹配，包括換行符；沒有此標志，’.’將匹配除換行符以外的任何內容。

（二）常用方法

1、re.compile（pattern，flags = 0 ）

將正則表達式模式編譯為正則表達式對象，可使用match()，search()以及下面所述的其他方法將其用於匹配

>>> prog = re.compile('\d{2}') # 正則對象

>>> prog.search('12abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.search('12abc').group() # 通過調用group()方法得到匹配的字符串,如果字符串沒有匹配，則返回None。
'12'

>>> prog.match('123abc')
<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.match('123abc').group()
'12'
>>>

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

　　掃描字符串以查找正則表達式模式產生匹配項的第一個位置 ，然後返回相應的match對象。None如果字符串中沒有位置與模式匹配，則返回；否則返回false。請註意，這與在字符串中的某個點找到零長度匹配不同。

#在這個字符串進行匹配，隻會匹配一個對象>>> re.search('\w+','abcde').group()
'abcde'
>>> re.search('a','abcde').group()
'a'
>>>

3、re.match（pattern，string，flags = 0 ）

如果字符串開頭的零個或多個字符與正則表達式模式匹配，則返回相應的匹配對象。None如果字符串與模式不匹配，則返回；否則返回false。請註意，這與零長度匹配不同。

# 同search,不過在字符串開始處進行匹配，隻會匹配一個對象
>>> re.match('a','abcade').group()
'a'
>>> re.match('\w+','abc123de').group()
'abc123de'
>>> re.match('\D+','abc123de').group() #非數字
'abc'
>>>

4、re.fullmatch（pattern，string，flags = 0 ）

如果整個字符串與正則表達式模式匹配，則返回相應的match對象。None如果字符串與模式不匹配，則返回；否則返回false。請註意，這與零長度匹配不同。

>>> re.fullmatch('\w+','abcade').group()
'abcade'
>>> re.fullmatch('abcade','abcade').group()
'abcade'
>>>

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

　　通過出現模式來拆分字符串。如果在pattern中使用瞭捕獲括號，那麼模式中所有組的文本也將作為結果列表的一部分返回。如果maxsplit不為零，則最多會發生maxsplit分割，並將字符串的其餘部分作為列表的最後一個元素返回。

>>> re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割
['', '', 'cd']
>>> re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']

如果分隔符中有捕獲組，並且該匹配組在字符串的開頭匹配，則結果將從空字符串開始。字符串的末尾也是如此：

>>> re.split(r'(\W+)', '...words, words...')
['', '...', 'words', ', ', 'words', '...', '']

6、re.findall（pattern，string，flags = 0 ）

　　以string列表形式返回string中pattern的所有非重疊匹配項。從左到右掃描該字符串，並以找到的順序返回匹配項。如果該模式中存在一個或多個組，則返回一個組列表；否則，返回一個列表。如果模式包含多個組，則這將是一個元組列表。空匹配項包含在結果中。

>>> re.findall('a', 'This is a beautiful place!')
['a', 'a', 'a']
>>>

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

返回一個迭代器，該迭代器在string類型的RE 模式的所有非重疊匹配中產生匹配對象。 從左到右掃描該字符串，並以找到的順序返回匹配項。空匹配項包含在結果中。

>>> re.finditer('[ab]', 'This is a beautiful place!')
<callable_iterator object at 0x0000000000DCDA90> #迭代器對象
>>> ret=re.finditer('[ab]', 'This is a beautiful place!')
>>> next(ret).group() #查看下一個匹配值
'a'
>>> [i.group() for i in ret] #查看剩下所有匹配的值
['b', 'a', 'a']
>>>

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

　　返回通過用替換repl替換字符串中最左邊的不重疊模式所獲得的字符串。如果找不到該模式， 則返回的字符串不變。 repl可以是字符串或函數；如果是字符串，則處理其中的任何反斜杠轉義。即，將其轉換為單個換行符，將其轉換為回車，依此類推。count參數表示將匹配到的內容進行替換的次數

>>> re.sub('\d', 'S', 'abc12jh45li78', 2) #將匹配到的數字替換成S,替換2個
'abcSSjh45li78'

>>> re.sub('\d', 'S', 'abc12jh45li78') #將匹配到所有的數字替換成S
'abcSSjhSSliSS'
>>>

9、re.subn（pattern，repl，string，count = 0，flags = 0 ）

執行與相同的操作sub()，但返回一個元組。(new_string, number_of_subs_made)

>>> re.subn('\d', 'S', 'abc12jh45li78', 3)
('abcSSjhS5li78', 3)
>>>

10、re.escape(pattern)

escape中的所有字符圖案，除瞭ASCII字母，數字和’_’。如果要匹配可能包含正則表達式元字符的任意文字字符串，這將很有用。

>>> re.escape('python.exe\n')
'python\\.exe\\\n'
>>>

11、search（）與match（）方法

Python提供瞭兩種基於正則表達式的原始操作： re.match()僅在字符串的開頭匹配，re.search()檢查匹配項，在字符串中的任何位置檢查匹配項（這是Perl的默認設置）。

>>> re.match("c", "abcdef") #Not match
>>> re.search("c", "abcdef") #match
<_sre.SRE_Match object; span=(2, 3), match='c'>
>>>

以開頭的正則表達式’^’可用於search()限制字符串開頭的匹配項：

>>> re.match("c", "abcdef") #Not match
>>> re.search("^c", "abcdef") #Not match
>>> re.search("^a", "abcdef") #match
<_sre.SRE_Match object; span=(0, 1), match='a'>
>>>

參考：

https://docs.python.org/3.6/library/re.html

https://www.cnblogs.com/Eva-J/articles/7228075.html#_label7

到此這篇關於Python之re模塊案例詳解的文章就介紹到這瞭,更多相關Python之re模塊內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：

• python中re模塊知識點總結
• python中對正則表達式re包的簡單引用方式
• Python 正則表達式基礎知識點及實例
• Python知識點詳解之正則表達式語法
• Python使用re模塊實現正則表達式操作指南