快捷導(dǎo)航

python正則-re的用法詳解

更新時間：2019年07月28日 09:30:28 作者：浩然haoran

這篇文章主要介紹了python正則-re的用法詳解，文中給大家提到了正則中的修飾符以及它的功能,需要的朋友可以參考下

天在刷題的時候用到了正則，用的過程中就感覺有點不太熟練了，很久沒有用正則都有點忘了。所以現(xiàn)在呢，我們就一起來review一下python中正則模塊re的用法吧。

今天是review，所以一些基礎(chǔ)的概念就不做介紹了，先來看正則中的修飾符以及它的功能：

修飾符

•re.I 使匹配對大小寫不敏感
•re.L 做本地化識別匹配
•re.M 多行匹配,影響^和$
•re.S 使.匹配包括換行在內(nèi)的所有字符
•re.U 根據(jù)Unicode字符集解析字符.這個標(biāo)志影響\w \W \b \B
•re.X 該標(biāo)志通過給予你更靈活的格式以便你將正則表達(dá)式寫的更易于理解.

模式

•^ 匹配字符串開頭
•$ 匹配字符串結(jié)尾
•. 匹配人以字符,除了換行符號.當(dāng)re.DOTAALL標(biāo)記被指定時,則可以匹配包括換行符的任意字符.
•[...] 用來表示一組字符,單獨列出:[amk]匹配a,m或k
•[^...] 不在[]中的字符:[^amk]匹配除amk之外的字符
•re* 匹配0個或多個的表達(dá)式
•re+ 匹配1個或多個的表達(dá)式
•re? 匹配0個或1個由前面的正則表達(dá)式定義的片段,非貪婪方式.
•re{n} 精準(zhǔn)匹配n個前面表達(dá)式
•re{n,} 匹配大于等于n個前面表達(dá)式
•re{n,m} 匹配n到m個前面的表達(dá)式定義的片段,貪婪方式
•a|b 匹配a或b
•(re) 對正則表達(dá)式分組,并記住匹配的文本
•(?imx) 正則表達(dá)式包含三種可選標(biāo)志,imx,只影響括號中的區(qū)域.
•(?-imx) 正則表達(dá)式關(guān)閉imx可選標(biāo)志,只影響括號中的區(qū)域.
•(?:re) 類似(...)但不表示一個組
•(?imx:re) 在括號中使用imx可選標(biāo)志
•(?-imx:re) 在括號中不是用imx可選標(biāo)志
•(?#...) 注釋
•(?=re) 前向肯定界定符.如果所含正則表達(dá)式,以...表示,在當(dāng)前位置成功匹配時成功,否則失敗.但一旦所含表達(dá)式已經(jīng)嘗試,匹配引擎根本沒有提高,模式的剩余部分還要嘗試界定符右邊.
•(?!re) 前向否定界定符.與肯定界定符相反;當(dāng)所含的表達(dá)式不能在字符串當(dāng)前位置匹配成功時成功.
•(?>re) 匹配的獨立模式,省去回朔.
•\w 匹配字符數(shù)字以及下劃線
•\W 匹配非字母數(shù)字下劃線
•\s 匹配任意空白字符,等價于[\t\n\r\f]
•\S 匹配任意非空白字符
•\d 匹配任意數(shù)字
•\D 匹配任意非數(shù)字
•\A 匹配字符串開始
•\Z 匹配字符串結(jié)束,如果是存在換行,只匹配到換行前的結(jié)束字符串.
•\z 匹配字符串結(jié)束
•\G 匹配最后匹配完成的位置
•\b 匹配一個單詞邊界,也就是指單詞和空格之間的位置
•\B 匹配非單詞邊界
•\n \t 匹配一個換行符,一個制表符
•\1...\9 匹配第n個分組的內(nèi)容

上面這些呢，是我們會用到的一些模式，這里面絕大部分都是應(yīng)該熟記于心的。

接下來我們看re的一些方法：

re.compile

這個方法會生成一個正則對象，他的第一個參數(shù)是正則字符串，第二個參數(shù)是修飾符，就是 re.I, re.S 這些。

生成的這個正則對象呢，它還有一些方法，比如match、findall、finditer、search等等，這些方法的用法請往下看。

re.match

match方法是從給定字符串的開頭開始進(jìn)行匹配，并且只匹配一次。也就是說如果字符串和正則的第一個字母就對不上那就匹配失敗了。

ta的參數(shù)是pettern，string，flags

•pettern 就是正則字符串，如果是通過re.compile方法生成的正則對象.match來調(diào)用的話，就不需要這個參數(shù)了，因為正則對象本身就代表了一個正則匹配模式。

•string 就是要進(jìn)行匹配的目標(biāo)字符串

•flags 就是正則的修飾符，比如 re.I

match 如果匹配失敗返回None，匹配懲罰返回的則是一個match對象。

match對象有一些方法，比較常用的有：span、group、groups等等
•span 方法返回的一個二元組，分別表示匹配字符串在目標(biāo)字符串中的起始下標(biāo)和結(jié)束下標(biāo)
•group 函數(shù)有一個int類型的參數(shù)，參數(shù)為0表示返回正則匹配的字符串，參數(shù)為1返回正則中第一個組匹配的內(nèi)容，2返回第二組的內(nèi)容一次類推
•groups 函數(shù)是所有g(shù)roup函數(shù)結(jié)果組成一個元組。

re.search

search 函數(shù)和 match 函數(shù)是類似的，區(qū)別在于match方法是只在目標(biāo)函數(shù)開頭匹配一次；search函數(shù)是在整個目標(biāo)函數(shù)上匹配一次，一次匹配成功后不再進(jìn)行匹配。

同樣search方法返回的也是一個match對象，用法和match方法返回的結(jié)果一樣。

re.split

split 函數(shù)是用來分割字符串的一個函數(shù)。它的功能就是根據(jù)匹配的字符串對目標(biāo)字符串進(jìn)行分割，返回的結(jié)果是一個列表。

需要注意的是，如果正則中有組，組內(nèi)的字符在結(jié)果列表中也會保留，不是組內(nèi)的字符在結(jié)果列表中不會被保留。什么意思呢？通過一個例子來看一下：

st = 'www.baidu.com www.taobao.com'
result = re.split('bai(du)', st)
print(result)

結(jié)果：

['www.', 'du', '.com www.taobao.com']

可以看到，字符串‘du'是被括號括起來的，所以在結(jié)果中也有'du'這個元素，而'bai'沒有被括號括起來，在結(jié)果中就不會有‘bai'這個元素。

re.findall

這個函數(shù)是我在爬蟲項目中用的最多的一個函數(shù)了，它可以把所有匹配的結(jié)果以列表的形式返回，而不是像match和search一樣只匹配一個結(jié)果。我們來試一下：

st = 'www.baidu.com www.taobao.com'
result = re.findall(r'www\.(\w*)\.(com)', st)
print(result)
[('baidu', 'com'), ('taobao', 'com')]
re.finditer

這個函數(shù)和findall的功能一樣。不同之處在于這個函數(shù)返回的結(jié)果是一個生成器，而生成器中的每一項是一個match對象，我們一起來看一下：

st = 'www.baidu.com www.taobao.com'
result = re.finditer(r'www\.(\w*)\.(com)', st)
print(result.__next__().group(0, 1, 2))
print(next(result).groups(2))
('www.baidu.com', 'baidu', 'com')
('taobao', 'com')
re.sub

這個函數(shù)是用來替換字符串的?？梢詫⑵ヅ涞淖址鎿Q成指定的字符串，我們來看一下：

st = 'www.111.com www.222.com'
result = re.sub(r'\d+', 'OK', st)
print(result)

結(jié)果：

www.OK.com www.OK.com

我們的第二個參數(shù)除了可以是一個給定的字符串還可以是一個函數(shù)：

def toOK(matched):
  value = matched.group()
  return str(int(value)*2)
st = 'www.111.com www.222.com'
result = re.sub(r'\d+', toOK, st)
print(result)

結(jié)果：