Python-re模块-正则表达式模块常用方法
re模块介绍：
Python的re模块提供了正则表达式的功能,可以用来进行高级的字符串匹配和处理。re模块的主要功能包括:
- 编译正则表达式 - 使用re.compile()可以编译正则表达式字符串,生成正则表达式对象。
- 匹配字符串 - 使用正则表达式对象的match()、search()、findall()等方法可以在字符串进行匹配。
- 替换字符串 - 使用sub()和subn()方法可以使用正则表达式进行字符串替换。
- 分割字符串 - 使用split()方法可以按照正则表达式的匹配结果分割字符串。
- 获取匹配信息 - match对象包含了各种匹配信息,如匹配字符串、位置等。
- 标志 - 可以使用标志来修改正则表达式的匹配方式,如忽略大小写,多行匹配等。
- 模块级函数 - re模块还提供了模块级的正则匹配函数,如escape()可以对字符串转义。
re模块的这些功能覆盖了正则表达式的常见用法。使用re模块可以简化字符串的模式匹配、信息提取、过滤替换、切分等操作
需要注意的一点是,re模块主要针对ASCII字符,对Unicode的支持不太友好。此时可以考虑第三方模块如regex
总之,re模块是Python中使用正则表达式的最基础的模块,非常值得学习和掌握
Python re模块详解
re模块提供正则表达式模式匹配操作,主要有以下函数:
match()
匹配字符串开头位置,返回match对象或None:
import re
m = re.match('foo','foo')
print(m.group()) # 'foo'
m = re.match('foo','bar')
print(m) # Nonesearch()
搜索字符串任意位置,返回match对象或None:
m = re.search('foo','hello food')
print(m.group()) # 'foo'findall()
搜索字符串,返回所有匹配的列表:
m = re.findall('\d','123abc456')
print(m) # ['1', '2', '3', '4', '5', '6']sub()
使用正则表达式进行字符串替换:
text = re.sub('\d', '0', '123abc456')
print(text) # '000abc000' split()
使用正则表达式进行字符串分割:
m = re.split('\d+', '123abc456')
print(m) # ['abc', '']compile()
编译正则表达式,返回pattern对象:
pat = re.compile('\d')
m = pat.match('123')finditer()
在Python的re模块中,re.finditer()是非常有用的一个正则表达式匹配函数。
re.finditer()的作用是在字符串中找到所有的匹配,并返回一个迭代器。相比re.findall()和re.finditer()有以下区别:
re.findall():返回一个匹配字符串的列表re.finditer():返回一个匹配对象迭代器
示例:
import re
s = 'hello 123 456 world'
matches = re.findall('\d+', s)
print(matches) # ['123', '456']
iterator = re.finditer('\d+', s)
print(iterator) # <callable_iterator object at 0x10f5f3b50>
for match in iterator:
print(match)
# <re.Match object; span=(6, 9), match='123'>
# <re.Match object; span=(10, 13), match='456'>re.finditer()的返回对象是一个迭代器,每次迭代返回一个Match对象,包含匹配的字符串和位置。
主要优点是:
- 不需要先存储所有匹配,更save内存
- 可以逐个访问每个匹配
- 提供了匹配的位置信息
所以在需要定位每个匹配的位置时,re.finditer()非常有用。
fullmatch()
匹配整个字符串,返回match对象或None:
import re
m = re.fullmatch('foo','foo')
print(m.group()) # 'foo'
m = re.fullmatch('foo','foo bar')
print(m) # Noneescape()
将特殊字符转义,可以将字符串转化为正则表达式的字符串形式:
escaped = re.escape('http://example.com')
print(escaped) # 'http:\/\/example\.com'purge()
清除缓存的正则表达式,可以避免重复编译正则表达式:
pat = re.compile(r'\d+')
re.purge() # 清除缓存match.expand()
使用匹配到的组内容,替换字符串模板:
m = re.match(r'(?P<name>\w+) (\w+)', 'John Doe')
print(m.expand('Hello \g<name>')) # 'Hello John'(?P\w+)和 group(“name”) 搭配使用
import re
pattern = r'(?P<first_name>\w+) (?P<last_name>\w+)'
string = 'John Doe'
# 匹配字符串
m = re.match(pattern, string)
# 使用命名组获取匹配
first_name = m.group('first_name')
last_name = m.group('last_name')
print(first_name) # John
print(last_name) # Doe
# 替换字符串
new_string = re.sub(pattern, r'\g<last_name>, \g<first_name>', string)
print(new_string) # Doe, John在这个例子中,正则表达式模式使用了两个命名捕获组first_name和last_name。
然后在获取匹配后,可以直接通过命名引用匹配的内容。
在替换字符串时,也可以利用命名组引用,使代码更简洁清晰。
所以命名捕获组可以让正则匹配和处理更高效方便。
以上是re模块的常用函数