python 正则

match(pattern, string, flag)

import re

string = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) (.*)', string)
for i in range(4):
    print(matchObj.group(i))

输出：

Cats are smarter than dogs      #group(0)
Cats
smarter
than dogs

• 一个小括号代表是一个group，索引从1开始。索引0表示match的结果。

• 正则表达式patter之后的？表示非贪婪匹配。比较group(2)和group(3)可以看出来区别。2遇到可以停的地方就停了，3一直匹配到了最后。

  • import re
    
    string = "Cats are smarter than dogs"
    # matchObj = re.search( r' (.+?)', string)
    matchObj = re.match( r'(.*) are (.*?) (.*?)', string)
    for i in range(4):
        print(matchObj.group(i))
    

    • 这样的group(3)为空，因为*是匹配0个到多个字符，然后有了？之后，会让*匹配尽可能少的字符。与group(2)不同的原因是group(2)两边必须是空格，group(3)只要前面是空格就可以了。

search(pattern, string, flags=0)

search 和match相似，只是match要从从字符串头开始匹配，search可以任意位置。

import re

line = "Cats are smarter than dogs"
pattern = " are (.*)"
print(re.match(pattern,line))
print(re.search(pattern,line))

输出

None        #match的结果
<re.Match object; span=(4, 26), match=' are smarter than dogs'>

Match对象

search()和match() 如果成功匹配返回一个re.MatchObject对象，否则返回None。

import re

line = "Cats are smarter than dogs"
pattern = " are (.*)"
matchObj = re.search(pattern,line)
print(matchObj)

print(matchObj.re)
print(matchObj.string)


print(matchObj.span())
print(matchObj.start())
print(matchObj.end())

输出

<re.Match object; span=(4, 26), match=' are smarter than dogs'> #Match对象
re.compile(' are (.*)')     #Match对象的正则表达式对象
Cats are smarter than dogs  #Match对象进行匹配的字符串
(4, 26)     #成功匹配的index
4           #成功匹配的第一个字符的下标
26          #成功匹配的最后一个字符的下标

sub(pattern, repl, string,count=0, flags=0)

用repl替换掉string中匹配的位置。

repl可以是一个返回字符串的函数

count表示模式匹配后的最大替换次数，默认0表示全部替换。

import re

phone = "2004-959-559 # 这是一个国外电话号码"

# 删除字符串中的 Python注释
num = re.sub(r'#.*$', "", phone)
print("电话号码是:" + num)

# 删除非数字(-)的字符串
num = re.sub(r'\D', "", phone)
print("电话号码是:" + num)

输出：

电话号码是:2004-959-559 
电话号码是:2004959559

• 其中第一个正则表示从#一直匹配到结束。
• \D表示所有非数字的字符
• sub函数的返回值是替换之后的字符串

import re

# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

输出：

A46G8HFD1134

• (?P<value>)是给这个pattern分组取一个名字

import re

# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group(1))
    return str(value * 2)


s = 'A23G4HFD567'
print(re.sub('(\d+)', double, s))   #输出 A46G8HFD1134

所以Match对象的group方法除了可以传入index以外，还可以传入分组名称。

re.compile(pattern[, flags])

为了提高pattern的复用性，可以将pattern字符串编译成一个re.RegexObject 对象。

Pattern对象有和re模块中相同的方法，但更灵活

• Pattern.match(string [, startIndex, endIndex])：可以从指定位置开始。

• flag：

  • re.I 忽略大小写

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

成功匹配就返回一个满足正则的字符串list，否则空list。

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

和pattern.findall()类似，但是返回的迭代器。

import re

it = re.finditer(r"\d+", "12a32bc43jf3")
for match in it:
    print(match.group())

输出：

12
32
43
3

迭代器的使用都可以通过for-in循环。

re.split(pattern, string [, maxsplit=0, flags=0])

pattern匹配到的字符串等价于分隔符

re特殊字符