Python正则表达式
正则表达式简介
正则表达式，是一个特殊的字符序列，又称规则表达式（英语：Regular Expression，在代码中常简写为regex、regexp 或RE），本质而言是一种小型的，高度专业化的编程语言。
Python 自1.5版本起增加了re 模块，re 模块使Python语言拥有全部的正则表达式功能。
正则语法表
开头结尾
| 模式 | 描述 |
|---|---|
| ^ | 从整个字符串开头的地方匹配 |
| $ | 从整个字符串的结尾开始匹配 |
模糊匹配
| 模式 | 描述 |
|---|---|
| . | 匹配任意字符串，除了换行符 |
| ? | 重复匹配?号前面0个或1个由前面的正则表达式定义的片段，非贪婪模式 |
| * | 重复匹配*号前面0个或多个的表达式 |
| + | 重复匹配+号前面1个或多个的表达式 |
| a | b | 匹配a或b |
关于括号
| 模式 | 描述 |
|---|---|
| {} | 表示匹配{}前面的字符，指定个数为{}里面的数值 |
| [] | 表示一个字符集，它常被用来制定一个字符串类别，字符可以单个列出，也可以用-号分隔的两个给定字符来表示一个字符区间 |
| () | 分组，将括号中的内容当作整体来对待 |
"\" 反斜杠的应用
| 模式 | 描述 |
|---|---|
| \w | 匹配字母、数字、下划线 |
| \W | 匹配非字母、非数字、非下划线 |
| \s | 匹配任意空白字符，等价于[\t\n\r\f] |
| \S | 匹配任意非空字符 |
| \d | 匹配任意数字，等价于[0-9] |
| \D | 匹配任意非数字 |
| \A | 匹配字符串开始 |
| \z | 匹配字符串结束 |
| \Z | 匹配字符串结束，如果存在换行，只匹配到换行前的结束字符串 |
| \G | 匹配最后匹配完成的位置 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如，er\b可以匹配never中的er，但不能匹配verb中的er |
| \B | 匹配非单词边界，er\B能匹配verb中的er，但不能匹配never中的er |
| \n,\t ...... | 匹配一个换行符，匹配一个制表符等 |
| \1......\9 | 匹配第n个分组的内容 |
| \10 | 匹配第n个分组的内容，如果经匹配，否则指的是八进制字符码的表达式 |
re模块用法
re.(function)(pattern[, flags])
pattern : 一个字符串形式的正则表达式
flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
-
re.I 忽略大小写
-
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
-
re.M 多行模式
-
re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
-
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
-
re.X 为了增加可读性，忽略空格和 # 后面的注释
findall()
即：全部找到,返回的是一个列表
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。
import re
s = 'helloworld hellobeijing'
ret = re.findall('hello\S+',s)
print(ret)
['helloworld', 'hellobeijing']
finditer()
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=0)
参数：
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串 |
| flags | 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 例如：re.S匹配多行 |
search() 与 match()
相同点：
- 语法：re.search/match(pattern, string, flags=0)
- 函数参数说明：
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串 |
| flags | 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 例如：re.S匹配多行 |
3.可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
| 匹配方法 | 描述 |
|---|---|
| group(num=0) | 匹配的整个表达式的字符串，group()可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组 |
| group() | 返回一个包含所有小组字符串的元组，从 1 到所含的小组号 |
| start([group]) | 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 |
| end([group]) | 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 |
| span([group]) | 方法返回(start(group), end(group)) |
import re
# re.search
ret = re.search('h..','hello hello world')
print(ret) # 输出结果：<_sre.SRE_Match object; span=(0, 3), match='hel'>
ret1 = re.search('h..','hello hello world').group()
print(ret1) # 输出结果：hel 只输出第一个符合条件的结果
# re.match
ret = re.match('asd','asdhskdjfksji')
print(ret) # 输出结果：<_sre.SRE_Match object; span=(0, 3), match='asd'>返回的是一个对象。
ret1 = re.match('asd','asdhskdjfasdksjiasd').group()
print(ret1) # 输出结果：asd 调用.group()方法，只返回匹配的第一个结果。
不同点：
-
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
-
re.search匹配整个字符串，直到找到一个匹配
# re.search
s = 'helloworld hellobeijing'
ret = re.search('hellob\S+',s)
print(ret)
<re.Match object; span=(11, 23), match='hellobeijing'>
# re.match
s = 'helloworld hellobeijing'
ret = re.match('hellob\S+',s)
print(ret)
None
split() 分隔符 对比字符串里边的split方法。
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=0, flags=0])
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串 |
| maxsplit | 分组次数，maxsplit=1分隔一次，默认为0，不限制次数 |
| flags | 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 例如：re.S匹配多行 |
import re
s = 'helloworld hellobeijing'
ret = re.split('hello',s)
print(ret)
['', 'world ', 'beijing']
sub()
替换，类似字符串中的replace()方法。
re.sub用于替换字符串中的匹配项。
语法：
re.sub(pattern, repl, string, count=0, flags=0)
参数：
-
pattern : 正则中的模式字符串。
-
repl : 替换的字符串，也可为一个函数。
-
string : 要被查找替换的原始字符串。
-
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
import re
s = 'helloworld hellobeijing'
ret = re.sub('hello','goodbye',s)
print(ret)
goodbyeworld goodbyebeijing
compile(strPattern[,flag])
这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象
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])
参数：
pattern : 一个字符串形式的正则表达式
-
flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
-
re.I 忽略大小写
-
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
-
re.M 多行模式
-
re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
-
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
-
re.X 为了增加可读性，忽略空格和 # 后面的注释
import re
pattern = re.compile('he.{3}')
pattern.match(s)
<re.Match object; span=(0, 5), match='hello'>