python 正则

正则表达式及re模块

• 正则表达式常用的方法

  表达式	含义
  re.match()	从字符串的起始位置匹配，如果字符串第一个不满足规则，则返回None
  re.search()	从整个字符串去匹配，找到一个就即刻返回结果，结束匹配，没有则返回None
  re.findall()	从整个字符串去匹配，并返回所有的结果，以列表的形式展示，没有则返回[]
  re.finditer()	从整个字符串去匹配，并返回所有的结果，以迭代器的形式展示

   

• 常用的一般字符

  一般字符	说明	例如
  .	任意一个字符（除换行符‘\n’）	>>> re.match(r'.','abc').group() 'a'
  []	把需要匹配的范围 [abc] <==>[a-c]	>>> re.match(r'a[a-c]b','abbwe').group() 'abb'

   

• 常用的预定义字符

  预定义字符	说明	对等字符类
  \d	任意一个数字	[0-9]
  \D	任意一个非数字	[^0-9]
  \s	任意一个空白符	[\t\n\x0B\f\r]
  \S	任意一个非空白符	[^\t\n\x0B\f\r]
  \w	任意一个字母或数字	[a-zA-Z0-9]
  \W	任意一个非字母或数字	[^a-zA-Z0-9]

   

• 数量词，用在 一般字符/预定义字符/(...)之后

  数量词	说明	实例
  *	匹配0个或多个，0到正无穷	>>> re.search(r'a*','weadwerqwe').group() '' （默认是非贪婪，匹配0个）
  +	匹配1个或多个，1到正无穷	>>> re.search(r'a+','weadwerqwe').group() 'a'（匹配一个，默认非贪婪）
  ？	匹配0个或1个	>>> re.search(r'a?','weadwerqwe').group() '' （匹配一个，默认非贪婪）
  {m}	匹配m个相同的字符	>>> re.match(r'a{2}','aaaa').group() 'aa'
  {m,n}	匹配m-n个相同的字符，若省略m，那么匹配0-n个相同的字符，若n省略，那么匹配m-无限个相同的字符	>>> re.match(r'a{2,4}','aaaa').group() 'aaaa' （匹配多的，默认贪婪模式）

   

• 边界匹配

  边界符号	说明	例子
  ^	匹配字符串开头，在多行中匹配每一行的开头	>>> re.findall(r'^a','aweasdfqaawe') ['a']
  $	匹配字符串末尾，在多行中匹配每一行的末尾	>>> re.findall(r'a$','qeweea') ['a']
  \A	仅匹配字符串开头	>>> re.findall(r'\Aa','abcwe\n,awer') ['a']
  \Z	仅匹配字符串末尾	>>> re.findall(r'qe\Z','qweqwqe') ['qe']

   

• 逻辑、分组

  名称	说明	例子
  逻辑或 |	左右两边满足一个即可	re.findall(r'a|b','ayebwiqa')
  分组 (...)	被括起来的将作为分组	>>> re.search(r'(abc)','abcabcwu').group() 'abc'

   

• (.*) 贪婪匹配，会尽可能多的往后匹配

• (.*?) 非贪婪匹配，会尽可能少的匹配,是否加?影响匹配结果的长度，常用该匹配规则

import re
>>> re.search(r'a.*','sweaaeaaa').group()
'aaeaaa'
>>> re.search(r'a.*?','sweaaeaaa').group()
'a'

 

• 总结一下常用的方法的使用

# match 从字符串第一个字符开始匹配，如果要准确匹配可以在末尾加上 $
>>> re.match(r'abc$', 'abc').group() # 准确匹配
'abc'
>>> re.match(r'a', 'Abc', re.I).group() # 忽略大小写匹配
'A'
>>> re.findall(r'a', 'AnsdkAkaa', re.I) # 忽略大小写匹配
['A', 'A', 'a', 'a']
>>> re.search(r'(?i)(abc){2}','ABCabc').group() # 忽略大小写匹配
'ABCabc'


# search
>>> re.search('tion','function').span() # 返回索引范围，匹配不到会报错
(4, 8)
>>> re.search('tion','function').group()  # 返回匹配到的值，匹配不到会报错
'tion'

# findall 有3种形式
>>> re.findall(r'a', 'aiuweaiueuiaiuqieuaqiua')
['a', 'a', 'a', 'a', 'a']

# split
>>> re.split('[ab]', 'abcd') # 按a或者b分割
['', '', 'cd']

# sub
>>> re.sub(r'\d', 'H', 'eva3egon4yuan4', 1) # 替换：把数字替换成H返回一个字符串，且之替换一个，默认替换
'evaHegon4yuan4'                                  #全部

# subn 
>>> re.subn('\d', 'H', 'eva3egon4yuan4') # 替换：把数字替换成H返回一个元祖，元祖由替换结果和替换次数组
('evaHegonHyuanH', 3)                           # 成

# compile
>>> re.compile('\d{3}')
re.compile('\\d{3}')
>>> rt = re.compile('\d{3}')  # 将正则表达式转换为正则表达式对象，然后再传给对应的方法来处理
>>> rt.search('qwei234i891').group()
'234'

#finditer  
>>> re.finditer('\d', 'ds3sy4784a')
<callable_iterator object at 0x000002265DD83C50> # 返回一个迭代对象

 

• 注意

import re

ret = re.findall('www.(baidu|jd).com', 'www.jd.com')
print(ret)  # ['jd']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ret = re.findall('www.(?:baidu|jd).com', 'www.jd.com')
print(ret)  # ['www.jd.com']


ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 ： ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan']

#在匹配部分加上（）之后所切出的结果是不同的，
#没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
#这个在某些需要保留匹配部分的使用过程是非常重要的。

 

• 例子

案例1
s ="1113446777"  
把s分为1111, 3, 44, 6, 777

# 方法1
list_s =list(s)

for i in range(1,len(s)):
    if s[i] != s[i-1]:
        list_s[i] = ','+ s[i]

s2 = ''.join(list_s)
print(s2)

#方法二

list_s2 = []
ret = re.finditer(r'(\d)\1*', s)
val = next(ret).group()
while val:
    list_s2.append(val)
    try:
        val = next(ret).group()
    except:
        val = ''
print(list_s2)

案例2
>>> s = '1111werwrw3333rertert4444'
>>> p = r'(\d)\1+([a-zA-Z]*)' # 注意findall前面提到的3种方式，字符串，()，嵌套()，这是最后一种表现形式
>>> import re
>>> re.findall(p,s)
[('1', 'werwrw'), ('3', 'rertert'), ('4', '')]

>>> m = re.search(p,s)  
>>> m.group()  
'1111werwrw'  
>>> m.group(1)  
'1'  
>>> m.group(2)  
'werwrw'  
>>> m.groups()  
('1', 'werwrw')  
>>> m = re.finditer(p,s)   # 通过迭代器来处理
>>> m.next().group()  
'1111werwrw'  
>>> m.next().group()  
'3333rertert'  
>>> m.next().group()  
'4444'  
>>> m.next().group()  
Traceback (most recent call last):  
  File "<stdin>", line 1, in <module>  
StopIteration  

综上：
group()：母串中与正则表达式匹配的子串；
group(0)：结果与group()一样；
groups()：所有group组成的一个元组，group(1)是与正则表达式中第一个group匹配成功的子串，group(2)是第二个，依次类推，如果index超了边界，抛出IndexError；
findall()：返回的就是所有groups的数组，就是group组成的元组的数组，母串中的这一撮组成一个元组，那一措组成一个元组，这些元组共同构成一个list，就是findall()的返回结果。另，如果groups是只有一个元素的元组，findall的返回结果是子串的list，而不是元组的list了。