python正则表达式1

正则表达式

       正则表达式是一个特殊的字符序列，计算机科学的一个概念。通常被用来检索、替换那些符合某个模式（规则）的文本。

       许多程序设计语言都支持利用正则表达式进行字符串操作。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re模块。re模块使python语言拥有全部的正则表达式功能。

特点：

• 灵活性、逻辑性和功能性非常强；

• 可以迅速地用极其简单的方式达到字符串的复杂控制。

一、python中的正则表达式

       与大多数编程语言相同，正则表达式里也使用 \ 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4个反斜杠 \ ：前两个和后两个分别用于编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

print(re.match('\\\\','\hello'))    #需要使用4个反斜杠来匹配一个 \

　　python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。在python字符串前面添加 r 即可将字符串转换为原生字符串。（r：raw string）

print(re.match(r'\\','\hello'))    #使用两个反斜杠即可匹配一个 \

　　一个例子：

import re
x='hello\\nworld'    #hello\nworld

#在正则表达式里，如果想要匹配一个 \ ，需要使用\\\\
#第一个参数就是正则匹配规则
#第二个参数表示需要匹配的字符串

#m=re.search('\\\\',x)    match和search

#还可以在字符串前面加r，\\就表示\
m=re.search(r'\\',x)

#search和match方法的执行结果是一个Match类型的对象
print(m)   #<re.Match object; span=(5, 6), match='\\'>

　　

二、查找方法的使用

       在python中的查找匹配方法，常见的有下面四种，它们的用法大致相同，但是匹配出的结果却不同。

• match方法（只匹配字符串开头）

• search方法（扫描整个字符串，找到第一个匹配）

• findall方法（扫描整个字符串，找到所有的匹配）

• finditer方法（扫描整个字符串，找到所有的匹配，并返回要给可迭代对象）

       1、match方法的使用

       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。

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
flags	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。

       使用group（num）函数来获取匹配表达式

import re
result1=re.match(r'He','Hello')
result2=re.match(r'e','Hello')
print(result1.group(0))    # 'He'  匹配到的元素
print(result1.span())    # (0, 2)  匹配元素的位置,从0位到1位，2不包括内
print(result2)    #  None  没匹配到

　　2、search方法的使用

       re.search扫描整个字符串并返回第一个成功的匹配

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

　　应用：

import re
result1=re.search(r'he','hello')
result2=re.search(r'lo','hello')
print(result1.group(0))     #he
print(result1.span())      #(0,2)
print(result2.group(0))     #lo
print(result2.span())      #(3,5)   不包括第5位

　　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。

import re
result1=re.search(r'天气','今天天气真好！')
result2=re.match(r'天气','今天天气真好！')
print(result1)    #  <re.Match object; span=(2, 4), match='天气'>
print(result2)    #  None

　　3、findall方法的使用

       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。

       注意：match和search是匹配一次，findall匹配所有。

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

　　应用：

ret=re.findall(r'\d+','h12ab34')
print(ret)      #['12', '34']
ret=re.match(r'\d+','h12ab34')
print(ret)      #None     match只匹配开头，所以没匹配到
ret=re.search(r'\d+','h12ab34')
print(ret)      #<re.Match object; span=(0, 2), match='12'>   只匹配一次

　　4、finditer方法的使用

        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。

from collections.abc import Iterable
mm=re.finditer(r'c','agcegcklclexce9')
print(isinstance(mm, Iterable))    #True
for m in mm:
    print(m)     
#<re.Match object; span=(2, 3), match='c'>
#<re.Match object; span=(5, 6), match='c'>
#<re.Match object; span=(8, 9), match='c'>
#<re.Match object; span=(12, 13), match='c'>
for m in mm:
    print(m.group(),m.span())   #匹配对象里的group保存了匹配的结果
#c (2, 3)
#c (5, 6)
#c (8, 9)
#c (12, 13)

　　5、fullmatch方法的使用

        完全匹配

m4=re.fullmatch(r'he','hello')  #None
m4=re.fullmatch(r'hello','hello')  #<re.Match object; span=(0, 5), match='hello'>

　　

 三、re.match类

       当我们调用re.match方法、re.search方法，或者对re.finditer方法的结果进行迭代时，结果是re.Match对象。

x=re.match(r'h','hello')
#<re.Match object; span=(0, 1), match='h'>
y=re.search(r'e','hello')
z=re.finditer(r'l','hello')
print(type(x))   #<class 're.Match'>
print(type(y))   #<class 're.Match'>
for a in z:
    print(type(a))   #<class 're.Match'>

　　

       这个类里定义了相关的属性，可以直接使用。

属性和方法	说明
pos	搜索的开始位置
endpos	搜索额结束位置
string	搜索的字符串
re	当前使用的正则表达式的对象
lastindex	最后匹配的组索引
lastgroup	最后匹配的组名
group（index=0）	某个分组的匹配结果，如index=0，便是匹配整个正则表达式
group（）	所有分组的匹配结果，每个分组的结果组成一个列表返回
groupdict（）	返回组名作为key，每个分组的匹配结果作为value的字典
start（[group]）	获取组的开始位置
end（[group]）	获取组的结束位置
span（[group]）	获取组的开始和结束位置
expand（template）	使用组的匹配接过来替换模板template中的内容，并把替换后的字符串返回

 

import re
ret=re.search(r'm.*a','odabdmjadasdef')
print(ret.pos,ret.endpos)  #搜索开始和结束的位置，默认是0和字符串长度
print(ret.group())  #mjada  贪婪模式
print(ret.group(0))  #mjada
print(ret.group(1))   #报错，no such group
#1、在正则表达式里使用（）表示一个分组
#2、如果没有分组，默认只有一组
#3、分组的下标从0开始

mm=re.search(r'(9.*)(0.*)(5.*7)','fd9dfeca0egfdl5juipxn7xbzi')
print(mm.group(0))   #第0组就是把整个正则表达式当做一个整体  9dfeca0egfdl5juipxn7
print(mm.group())   #默认就是第0组
print（mm.group(1)   #第一个（）里对应的    9dfeca
print(mm.groups())   #('9dfeca', '0egfdl', '5juipxn7')

#?P<name>表达式    可以给分组起名
mmm=re.search(r'(9.*)(?<middle>0.*)(5.*7)','fd9dfeca0egfdl5juipxn7xbzi')
print(mmm.groupdict())    #{'middle': '0egfdl'}
print(mmm.group('middle'))   #0egfdl            通过分组名获取到分组里匹配的字符串
print(mmm.span(1))  #(2, 8)   获取第一个分组的起始位置和结束位置，包前不包后

　

四、re.compile方法的使用

       在使用正则表达式时，可以直接调用re模块的match，search，findall等方法，传入指定的正则表达式。同时，也可以调用re.compile方法，生成一个正则表达式对象，再调用这个正则表达式对象的相关方法实现匹配。

import re
ret=re.search(r'm.*a','odabdmjadasdef')
print(ret)     #<re.Match object; span=(5, 10), match='mjada'>

r=re.compile(r'm.*a')
s=r.search('odabdmjadasdef')
print(s)       #<re.Match object; span=(5, 10), match='mjada'>

　　在python里面，在大多数情况下真的不需要使用re.compile！

       在re里的match、search、fullmatch等方法里，都返回_compile()

 

        在re里的compile方法里，同样返回_compile()

 

 

       我们常用的正则表达式方法，都已经自带compile了！根本没有必要多此一举re.compile再调用正则表达式方法。

       而_compile()方法的源代码里自带缓存。它会自动储存最多512条由type(pattern), pattern, flags)组成的Key，只要是同一个正则表达式，同一个flag，那么调用两次_compile时，第二次会直接读取缓存。

 

        所以，再大多数情况下不需要手动调用re.compile，除非你的项目涉及到几百万以上的正则表达式查询。