Python---正则表达式

专栏：python
个人主页：HaiFan.
专栏简介：Python在学，希望能够得到各位的支持！！！

前言

概念

正则表达式是对字符串(包括普通字符(如a到z之间的字母)和特殊字符(称为“元字符”))操作的一种逻辑公式，就是用事先定义好的一些特定字符，及其这些特定字符的组合，组成一个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述搜索文本时要匹配一个或多个字符串

正则表达式又称正规表达式，正规表示法，规则表达式，常规表达式，(英语：Regular Expression，在代码中简写为regex，regexp或RE)，是计算机科学的一概念，正则表达式使用单个字符串来描述，匹配一系列匹配某个句法规则的字符串，在很多文本编辑器里，正则表达式通常被用来检索，替换那些匹配的某个模式的文本。
来源百度百科

作用和特点

给定一个正则表达式和另一个字符串，我们可以达到如下目的

1. 给定字符串是否符合正则表达式的过滤逻辑(匹配)
2. 可以通过正则表达式，从字符串中获取我们想要的特定部分

使用场景

如何判断一个字符串是手机号？
判断邮箱为163或者123的所有合法邮箱地址

正则符号

\A：表示从字符串的开始处匹配
\Z：表示从字符串的结束处匹配，如果存在执行，只匹配到换行前的结束字符串
\b：匹配一个单词边界，也就是说指单词和空格间的位置。
\B：匹配非单词边界。
\d：匹配任意数字，等价于---[0-9]
\D：匹配任意非数字字符,等价于---[^\d]
\s：匹配任意空白字符,等价于---[\t\n\r\f]
\S：匹配任意非空白字符,等价于---[^\s]
\w：匹配任意字母数字及下划线,等价于---[a-zA-Z0-9]
\W：匹配任意非字母数字及下划线,等价于---[^\w]
\\：匹配原义的反斜杠\
---------------------------------------
[]：用于表示一组字符，如果^事第一个字符，则表示的是一个补集，比如[0-9]表示所有的数字，[^0-9]表示除了数字外的字符
.：用于匹配除换行符之外的所有字符
^：用于匹配字符串的开始.及行首
$：用于匹配字符串的末尾(末尾如果有换行符，就匹配换行符前面的那个字符)，及行尾
*：用于将前面的模式匹配0次或多次(贪婪模式，及尽可能多的匹配)
+：用于将前面的模式匹配1次或多次(贪婪模式)
?：用于将前面的模式匹配0次或1次(贪婪模式)
*?,+?,??是上面三种特殊字符的非贪婪模式(尽可能少的匹配)
{m}：用于验证将前面的模式匹配m次
{m,}：用于验证将前面的模式匹配m次或者多次---> >= m次
{m,n}：用于将前面的模式匹配m次到n次(贪婪模式)，即最小匹配m次，最大匹配n次
{m,n}?即上面{m,n}的非贪婪模式
\\：\是转义字符，在特殊字符前面加上\，特殊字符就失去了其所代表的含义，比如\+就仅仅代表加号本身
|：比如A|B用于匹配A或B

re模块

在Python中，使用正则表达式要导入 re模块

import re

re.compile()

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

如何使用:re.compile(pattern,flags)
这个pattern就是一个字符串形式的正则表达式，flags可选，意思是匹配模式，比如：忽略大小写等

---

import re
msg = '123456'
ret = re.compile('345')
a = ret.search(msg)
print(a)

这个search是什么，暂时不要关心，后面会说。
通过re.compile('345)可以返回一个正则对象，在这里用的ret来接收，然后通过ret.就可以调用一系列的方法,如match，search等等。当然re模块也提供了与这些方法功能一样的函数，这些函数的第一个参数是模式串。

match()

re.match是从字符串的起始位置开始匹配，若没有匹配成功，则返回none。匹配成功则返回第一个匹配的对象

# 语法：
re.match(pattern, string, flags=0):

第一个参数pattern：匹配的正则表达式
第二个参数string：要匹配的字符串
第三个参数flags：匹配方式，如：字母大小写的区分等

import remsg = '123456'a = re.match('345',msg)
b = re.match('123',msg)print(a)
print(b)

search()

从头至尾的扫描字符串，若有匹配的则返回第一次匹配的对象，若没有发现的话，就但会None

# 语法
re.search(pattern, string, flags=0):

第一个参数pattern：匹配的正则表达式
第二个参数string：要匹配的字符串
第三个参数flags：匹配方式，如：字母大小写的区分等

import remsg = '123456'a = re.search('345',msg)
b = re.search('456',msg)
c = re.search('123',msg)
d = re.search('245',msg)print(a)
print(b)
print(c)
print(d)

span()

在match或者search匹配成功后，返回第一个成功匹配的位置，通过span可以只显示匹配成功的位置。

import remsg = '123456'a = re.search('345',msg)print(a.span())

findall()

在字符串中找到锁匹配的所有字串，返回一个列表，没有找到能够匹配的，则返回一个空列表。

# 语法
re.findall(pattern, string, flags=0):

第一个参数pattern：匹配的正则表达式
第二个参数string：要匹配的字符串
第三个参数flags：匹配方式，如：字母大小写的区分等

import remsg = 'AS4DFJ352a3k43jkjv24k4vj234vj234j234jkjv2j4v'a = re.findall('[a-z][0-9][a-z]',msg)
# [a-z]表示a到z的所有字母
# [0-9]表示9个数字
print(a)

group()

import remsg = '111-12345678'ret = re.match(r'(\d{3}|d{4})-(\d{8})$',msg)
# \d表示匹配任意数字，{3}表示将前面的模式串匹配3次
# $：用于匹配字符串的末尾(末尾如果有换行符，就匹配换行符前面的那个字符)，及行尾
print(ret)
print(ret.group(1))
print(ret.group(2))

括号表示分组，group(1)表示第一组内容，group(2)表示第二组内容

sub()

正则表达式可以将所有匹配的字符串用不同的字符串进行替换，sub方法提供一个替换值，可以是字符串或者函数，和一个要被处理的字符串。

第一个参数pattern：匹配的正则表达式
第二个参数repl：要替换的内容
第三个参数string：要匹配的
第四个参数count：这是一个可选参数，意思是最大替换次数
第五个参数flags：匹配方式，如：字母大小写的区分等

import remsg = '465423adfs564'ret = re.sub(r'\d+','90',msg)print(ret)

---

import redef add(temp):num = temp.group()num = int(num)num += 1return str(num)ret = re.sub(r'\d+',add,'py:100,java:200')print(ret)

通过\d+可以找到100和200这个字符串，然后进入add函数，执行temp.group()，第一次执行会把100拿出来给num，第二次会把200拿出来。

split()

这个方法是用于惊醒字符串的分割，将分割之后的内容保存在列表中。

#语法
re.split(pattern, string, maxsplit=0, flags=0):

第一个参数pattern：匹配的正则表达式
第二个参数string：要匹配的字符串
第三个参数maxsplit：分割次数
第四个参数flags：匹配方式，如：字母大小写的区分等

import remsg = '234jhjk34jkjh3kjhjkh3kjhk3'ret = re.split(r'[3]',msg)print(ret)

import remsg = '234jhjk34jkjh3kjhjkh3kjhk3'ret = re.split(r'[3]',msg,maxsplit=0)
ret1 = re.split(r'[3]',msg,maxsplit=1)print(ret)
print(ret1)