Python基础学习篇-3-常用的正则表达式处理函数

每日感悟：

当身处黑暗时，一定要耐心等待，因为光明就快来临了。

一、re.match函数

1、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。

函数语法：

re.match(pattern,string,flags=)

函数参数说明：

匹配成功re.match方法返回一个匹配的对象，否则返回None。

实例1

>>> import re

>>> str1 = 'abcdefg12345'

>>> print(re.match('abc', str1))# 在起始位置匹配成功，返回匹配成功的对象

>>>

>>> print(re.match('123', str1))# 没有在起始位置匹配成功，返回none

None

>>>

>>> print(re,match('890', str1)) # 没有在起始位置匹配成功，返回none

None

2、使用group(num) 或 groups() 匹配对象函数来获取匹配结果

实例2

importre

>>> line = 'cats are smarter than dogs'

>>> matchobj = re.match('(.*) are (.*?) .*', line, re.M|re.I)

>>> if matchobj:

print("obj.group(): ", matchobj.group())

print("obj.group(1): ", matchobj.group(1))

print("obj.group(2): ", matchobj.group(2))

obj.group(): cats are smarter than dogs

obj.group(1): cats

obj.group(2): smarter

>>> print("obj.groups: ", matchobj.groups()) #返回所有匹配结果的元组

obj.groups: ('cats', 'smarter')

>>> print("obj.group(3): ", matchobj.group(3))

Traceback (most recent call last):

File "

", line 1, in

print("obj.group(3): ", matchobj.group(3))

IndexError: no such group

>>>

解析正则表达式：'(.*) are (.*?) .*'

(.*)第一个匹配分组，.*代表匹配除换行符之外的所有字符。

(.*?)第二个匹配分组，.*?后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符

后面的一个.*没有括号包围，所以不是分组，匹配效果和第一个一样，但是不计入匹配结果中。

matchObj.group() 等同于 matchObj.group(0)，表示匹配到的完整文本字符

matchObj.group(1) 得到第一组匹配结果，也就是(.*)匹配到的

matchObj.group(2) 得到第二组匹配结果，也就是(.*?)匹配到的

因为只有匹配结果中只有两组，所以如果填 3 时会报错。

二、re.search方法

1、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=)

函数参数说明：

匹配成功re.search方法返回一个匹配的对象，否则返回None。

2、使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

实例

>>> import re

>>> str1 = 'abcdefg12345'

>>>

>>> print(re.search('abc', str1)) # 在起始位置匹配成功，返回匹配成功的对象

>>> print(re.search('123', str1)) # 在非起始位置匹配成功，同样返回匹配成功的对象

>>>

>>>

>>> searchobj = re.search('(.*?) are (.*?)', line, re.M|re.I)

>>> print("searchobj.group(): ", searchobj.group())

searchobj.group(): cats are

>>> print("searchobj.group(1): ", searchobj.group(1))

searchobj.group(1): cats

>>> print("searchobj.group(2): ", searchobj.group(2))

searchobj.group(2):

>>> print("searchobj.groups(): ", searchobj.groups()) #一共返回两个匹配字符串，第二个是空，因为使用的正则表达式是非贪婪模式

searchobj.groups(): ('cats', '')

>>>

>>> print("searchobj.group(3): ", searchobj.group(3))

Traceback (most recent call last):

File "

", line 1, in

print("searchobj.group(3): ", searchobj.group(3))

IndexError: no such group

>>>

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。

三、re.compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法格式为：

re.compile(pattern[,flags])

实例：在此以match函数为例，search函数类似

>>>importre

>>>pattern=re.compile(r'\d+')# 用于匹配至少一个数字

>>>m=pattern.match('one12twothree34four')# 查找头部，没有匹配

None

>>>m=pattern.match('one12twothree34four',2,10)

# 从'e'的位置开始匹配，没有匹配

None

>>>m=pattern.match('one12twothree34four',3,10)

# 从'1'的位置开始匹配，正好匹配

>>>printm# 返回一个 Match 对象

>>>>m.group()# 可省略 0

'12'

>>>m.start()# 可省略 0

3

>>>m.end()# 可省略 0

5

>>>m.span()# 可省略 0

(3,5)

在上面，当匹配成功时返回一个 Match 对象，其中：

方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 或；

方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；

方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；

方法返回 。

四、findall()函数

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。

语法格式为：

findall(string[,pos[,endpos]])

参数：

string: 待匹配的字符串。

pos: 可选参数，指定字符串的起始位置，默认为 0。

endpos: 可选参数，指定字符串的结束位置，默认为字符串的长度。

实例：查找字符串中的所有数字：

# -*- coding:UTF8 -*-

importre

pattern=re.compile(r'\d+')# 查找数字

result1=pattern.findall('runoob 123 google 456')

result2=pattern.findall('run88oob123google456',,10)

print(result1)

print(result2)

输出结果：

['123','456']['88','12']

五、re.finditer函数和re.split函数

1、re.finditer函数

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。

re.finditer(pattern,string,flags=)

参数：

实例

# -*- coding: UTF-8 -*-

importre

it=re.finditer(r"\d+","12a32bc43jf3")

formatchinit:

print(match.group())

输出结果：

1232433

六、re.split函数：

split 方法按照能够匹配的子串将字符串分割后返回列表，

它的使用形式如下：

re.split(pattern,string[,maxsplit=,flags=])

参数：

实例

>>>importre

>>>re.split('\W+','runoob, runoob, runoob.')

['runoob','runoob','runoob','']

>>>re.split('(\W+)','runoob, runoob, runoob.')

['','','runoob',',','runoob',',','runoob','.','']

>>>re.split('\W+','runoob, runoob, runoob.',1)

['','runoob, runoob, runoob.']

>>>re.split('a*','hello world')

# 对于一个找不到匹配的字符串而言，split 不会对其作出分割

['hello world']

附录

1、正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

2、正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

3、正则表达式实例

字符匹配字符类

4、特殊字符类

本文首发于本人csdn账号yolanda0606博文中：

1

END

1