一、簡介

正則表達式本身是一種小型的、高度專業(yè)化的編程語言，而在python中，通過內嵌集成re模塊，程序媛們可以直接調用來實現正則匹配。正則表達式模式被編譯成一系列的字節(jié)碼，然后由用C編寫的匹配引擎執(zhí)行。

二、正則表達式中常用的字符含義

1、普通字符和11個元字符：

這里需要強調一下反斜杠\的作用：

• 反斜杠后邊跟元字符去除特殊功能；（即將特殊字符轉義成普通字符）
• 反斜杠后邊跟普通字符實現特殊功能；（即預定義字符）
• 引用序號對應的字組所匹配的字符串。

a=re.search(r'(tina)(fei)haha\2','tinafeihahafei tinafeihahatina').group()
print(a)

結果：

tinafeihahafei

2、預定義字符集（可以寫在字符集[...]中）

這里需要強調一下\b的單詞邊界的理解：

w = re.findall('\btina','tian tinaaaa')
print(w)
s = re.findall(r'\btina','tian tinaaaa')
print(s)
v = re.findall(r'\btina','tian#tinaaaa')
print(v)
a = re.findall(r'\btina\b','tian#tina@aaa')
print(a)

執(zhí)行結果如下：
[]
['tina']
['tina']
['tina']

3、特殊分組用法：

三、re模塊中常用功能函數

1、compile()

編譯正則表達式模式，返回一個對象的模式。（可以把那些常用的正則表達式編譯成正則表達式對象，這樣可以提高一點效率。）

格式：

re.compile(pattern,flags=0)

pattern: 編譯時用的表達式字符串。

flags 編譯標志位，用于修改正則表達式的匹配方式，如：是否區(qū)分大小寫，多行匹配等。常用的flags有：

標志	含義
re.S(DOTALL)	使.匹配包括換行在內的所有字符
re.I（IGNORECASE）	使匹配對大小寫不敏感
re.L（LOCALE）	做本地化識別（locale-aware)匹配，法語等
re.M(MULTILINE)	多行匹配，影響^和$
re.X(VERBOSE)	該標志通過給予更靈活的格式以便將正則表達式寫得更易于理解
re.U	根據Unicode字符集解析字符，這個標志影響\w,\W,\b,\B

import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt)) #查找所有包含'oo'的單詞

執(zhí)行結果如下：
['good', 'cool']

2、match()

決定RE是否在字符串剛開始的位置匹配。//注：這個方法并不是完全匹配。當pattern結束時若string還有剩余字符，仍然視為成功。想要完全匹配，可以在表達式末尾加上邊界匹配符'$'

格式：

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

print(re.match('com','comwww.runcomoob').group())
print(re.match('com','Comwww.runcomoob',re.I).group())

執(zhí)行結果如下：
com
com

3、search()

 格式：

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

re.search函數會在字符串內查找模式匹配,只要找到第一個匹配然后返回，如果字符串沒有匹配，則返回None。

print(re.search('\dcom','www.4comrunoob.5com').group())

執(zhí)行結果如下：
4com

*注：match和search一旦匹配成功，就是一個match object對象，而match object對象有以下方法：

• group() 返回被 RE 匹配的字符串
• start() 返回匹配開始的位置
• end() 返回匹配結束的位置
• span() 返回一個元組包含匹配 (開始,結束) 的位置
• group() 返回re整體匹配的字符串，可以一次輸入多個組號，對應組號匹配的字符串。

a. group（）返回re整體匹配的字符串，

b. group (n,m) 返回組號為n，m所匹配的字符串，如果組號不存在，則返回indexError異常

c.groups（）groups() 方法返回一個包含正則表達式中所有小組字符串的元組，從 1 到所含的小組號，通常groups()不需要參數，返回一個元組，元組中的元就是正則表達式中定義的組。

import re
a = "123abc456"
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整體
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc
 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456
###group(1) 列出第一個括號匹配部分，group(2) 列出第二個括號匹配部分，group(3) 列出第三個括號匹配部分。###

4、findall()

re.findall遍歷匹配，可以獲取字符串中所有匹配的字符串，返回一個列表。

 格式：

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

p = re.compile(r'\d+')
print(p.findall('o1n2m3k4'))

執(zhí)行結果如下：
['1', '2', '3', '4']

import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt))
print(re.findall(r'(\w)*oo(\w)',tt))#()表示子表達式 

執(zhí)行結果如下：
['good', 'cool']
[('g', 'd'), ('c', 'l')]

5、finditer()

 搜索string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。找到 RE 匹配的所有子串，并把它們作為一個迭代器返回。

格式：

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

iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')
for i in iter:
 print(i)
 print(i.group())
 print(i.span())

執(zhí)行結果如下：
<_sre.SRE_Match object; span=(0, 2), match='12'>
12
(0, 2)
<_sre.SRE_Match object; span=(8, 10), match='44'>
44
(8, 10)
<_sre.SRE_Match object; span=(24, 26), match='11'>
11
(24, 26)
<_sre.SRE_Match object; span=(31, 33), match='10'>
10
(31, 33)

6、split()

按照能夠匹配的子串將string分割后返回列表。

可以使用re.split來分割字符串，如：re.split(r'\s+', text)；將字符串按空格分割成一個單詞列表。

格式：

re.split(pattern, string[, maxsplit])

maxsplit用于指定最大分割次數，不指定將全部分割。

print(re.split('\d+','one1two2three3four4five5'))

執(zhí)行結果如下：
['one', 'two', 'three', 'four', 'five', '']

7、sub()

使用re替換string中每一個匹配的子串后返回替換后的字符串。

格式：

re.sub(pattern, repl, string, count)

import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', '-', text))

執(zhí)行結果如下：
JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

其中第二個函數是替換后的字符串；本例中為'-'

第四個參數指替換個數。默認為0，表示每個匹配項都替換。

re.sub還允許使用函數對匹配項的替換進行復雜的處理。

如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；將字符串中的空格' '替換為'[ ]'。

import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0))

執(zhí)行結果如下：
JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

8、subn()

 返回替換次數

格式：

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

print(re.subn('[1-2]','A','123456abcdef'))
print(re.sub("g.t","have",'I get A, I got B ,I gut C'))
print(re.subn("g.t","have",'I get A, I got B ,I gut C'))

執(zhí)行結果如下：
('AA3456abcdef', 2)
I have A,  I have B ,I have C
('I have A,  I have B ,I have C', 3)

四、一些注意點

1、re.match與re.search與re.findall的區(qū)別：

re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

a=re.search('[\d]',"abc33").group()
print(a)
p=re.match('[\d]',"abc33")
print(p)
b=re.findall('[\d]',"abc33")
print(b)

執(zhí)行結果：
3
None
['3', '3']

2、貪婪匹配與非貪婪匹配

*?,+?,??,{m,n}?    前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配

a = re.findall(r"a(\d+?)",'a23b')
print(a)
b = re.findall(r"a(\d+)",'a23b')
print(b)

執(zhí)行結果：
['2']
['23']

a = re.match('<(.*)>','<H1>title<H1>').group()
print(a)
b = re.match('<(.*?)>','<H1>title<H1>').group()
print(b)

執(zhí)行結果：
<H1>title<H1>
<H1>

a = re.findall(r"a(\d+)b",'a3333b')
print(a)
b = re.findall(r"a(\d+?)b",'a3333b')
print(b)

執(zhí)行結果如下：
['3333']
['3333']
#######################

這里需要注意的是如果前后均有限定條件的時候，就不存在什么貪婪模式了，非匹配模式失效。

 3、用flags時遇到的小坑

print(re.split('a','1A1a2A3',re.I))#輸出結果并未能區(qū)分大小寫

這是因為re.split(pattern，string，maxsplit,flags)默認是四個參數，當我們傳入的三個參數的時候，系統會默認re.I是第三個參數，所以就沒起作用。如果想讓這里的re.I起作用，寫成flags=re.I即可。

五、正則的小實踐

1、匹配電話號碼

p = re.compile(r'\d{3}-\d{6}')
print(p.findall('010-628888'))

2、匹配IP

re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。