python 正则表达式

python 通过 re 模块提供对正则表达式的支持。关于正则表达式的规则见：https://www.cnblogs.com/tina-python/p/5508402.html

re 模块

一般使用 re 的步骤是先将正则表达式的字符串形式编译为 Pattern 实例，然后使用 Pattern 实例处理文本并获得匹配结果（一个 match 函数），最后使用 match 函数获得信息，进行其它操作。

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

re.match() 尝试从字符串的起始位置匹配一个模式。其中，pattern 指匹配的正则表达式，string 指要匹配的字符串，flags 为标志位，用于控制正则表达式的匹配方式，如是否区分大小写，多行匹配等。如果匹配成功，re.match 方法就返回一个匹配的对象，否则返回 None。

代码：

#!/usr/bin/python3

import re

#span()    返回一个元组包含匹配 (开始,结束) 的位置
#需要注意的是None,不能被span构造元组，使用re.match().span()需要先判断一下re.match()返回的是否为None
# print(re.match('hello', 'hello world').span()) #在起始位置匹配
# print(re.match('world', 'hello world')) #不在起始位置匹配

cnt1 = re.match('hello', 'hello world')
cnt2 = re.match('world', 'hello world')#不在起始位置匹配，返回None

if(cnt1 != None):
    print(cnt1.span())
else:
    print(cnt1)

if(cnt2 != None):
    print(cnt2.span())
else:
    print(cnt2)

# 输出：
# (0, 5)
# None

注意：None 没有 span 方法成员，使用 re.match().span() 需要先判断一下 re.match() 返回的是否为None

re.search() 

用于扫描整个字符串并返回第一个成功匹配的字符。如果匹配成功则返回一个匹配对象，否则返回 None

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

代码：

#!/usr/bin/python3

import re

cnt1 = re.search('hello', 'hello world')
cnt2 = re.search('world', 'hello world')

if(cnt1 != None):
    print(cnt1.span())
else:
    print(cnt1)

if(cnt2 != None):
    print(cnt2.span())
else:
    print(cnt2)

# 输出：
# (0, 5)
# (6, 11)

re.match 与 re.search 的区别

re.match 函数只匹配字符串开始的字符，如果开始的字符不匹配，则返回 None

re.search 方法匹配整个字符串，直到找到第一个匹配的对象，匹配结束没找到匹配值才返回 None

代码：

#!/usr/bin/python3

import re

line = 'Cats are smarter than dogs'

# re.I（IGNORECASE）使匹配对大小写不敏感
# re.M(MULTILINE) 多行匹配，影响^和$

matchObj = re.match(r'dogs', line, re.M | re.I)#r表示非转译的原始字符

if matchObj:
    print('use match, the match string is:', matchObj.group())
    # group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串
else:
    print('No match string')

matchObj = re.search(r'dogs', line, re.M | re.I)

if matchObj:
    print('use search, the match string is:', matchObj.group())
else:
    print('No match string')

# 输出：
# No match string
# use search, the match string is: dogs

注意：

flag 标志位有：

re.S(DOTALL) 使.匹配包括换行在内的所有字符
re.I（IGNORECASE）使匹配对大小写不敏感
re.L（LOCALE）做本地化识别（locale-aware)匹配，法语等
re.M(MULTILINE) 多行匹配，影响^和$
re.X(VERBOSE) 该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U 根据Unicode字符集解析字符，这个标志影响w,W,,B

group() 返回 re 整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串，默认参数为 0

贪婪模式和非贪婪模式

在 python 中数量词默认是贪婪的，总是尝试匹配经可能多的字符，非贪婪模式正好相反，总是尝试匹配尽可能少的字符

如：正则表达式 'ab*' 如果用于查找 'abbbc'，就会找到 'abbb'。如果使用非贪婪模式的数量词 'ab*?' ，就会找到 'a'

代码：

#!/usr/bin/python3
import re

tmp = re.match(r'^(d+)(0*)$', '102300')

if tmp:
    print(tmp.groups())
else:
    print(tmp)
# 输出：
# ('102300', '')

由于 d+ 采用贪婪匹配，直接将后面的 0 全部匹配了，结果 0* 只能匹配空字符串。要让 0* 能够匹配到后面的两个 0，必须让 d+ 采用非贪婪模式匹配

代码：

#!/usr/bin/python3
import re

tmp = re.match(r'^(d+?)(0*)$', '102300')

if tmp:
    print(tmp.groups())
else:
    print(tmp)
# 输出：
# ('1023', '00')

替换

python 的 re 模块提供了 re.sub，用于替换字符串中的匹配项

sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]) 

使用 repl 替换 string 中每一个匹配的子串后返回替换后的字符串。当 repl 是一个方法时，这个方法应当只接收一个参数（match 对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。count 用于指定最多替换的次数，默认全部替换

代码：

#!/usr/bin/python3
import re

def fun(m):
    return m.group(1).title() + '' + m.group(2).title()

pt = re.compile(r'(w+)(w+)')
#编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）
greeting = 'i say, hello world!'

print(pt.sub(r'2 1', greeting))

print(pt.sub(fun, greeting))

# 输出：
# i say, hello world!
# i say, hello world!

编译

在 python 中使用正则表达式时，re 模块内部会做两件事情：

1.编译正则表达式，如果正则表达式的字符串本身不合法，就报错

2.用编译后的正则表达式匹配字符串

对于出现次数比较多的正则表达式，可以使用 re.compile() 方法预编译该正则表达式来提高效率：

#!/usr/bin/python3

import re

re_telepthone = re.compile(r'^(d{3})-(d{3,8})$') #预编译正则表达式

cnt1 = re_telepthone.match('010-12345')
cnt2 = re_telepthone.match('010-8086')

if(cnt1):
    print(cnt1.groups())
else:
    print(cnt1)

if(cnt2):
    print(cnt2.groups())
else:
    print(cnt2)

# 输出：
# ('010', '12345')
# ('010', '8086')