[Python知识库] python—正则表达式

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> python—正则表达式 -> 正文阅读

[Python知识库]python—正则表达式

python—正则表达式

官方中文文档：https://docs.python.org/zh-cn/3/library/re.html#search-vs-match

正则语法表

以下为常用语法，部分不常用语法（先行断言(lookahead)和后行断言(lookbehind) ）见补充：https://www.runoob.com/w3cnote/reg-lookahead-lookbehind.html

范例所用文本：

"""<link rel="dns-prefetch" href="//wl.jd.com" />
<title>eastman - 商品搜索 - 京东</title>
<meta name="Keywords" content="eastman，京东eastman" />
<meta name="description" content="在京东找到了eastman1313件eastman的类似商品，其中包含了eastman价格、eastman评论、eastman导购、eastman图片等相关信息" />"""

在这里插入图片描述

贪婪模式与非贪婪模式

python默认贪婪模式。
贪婪模式：在匹配结果有二义时，尽量匹配最大长度字符串。
'’, ‘+’，和 ‘?’ 修饰符都是贪婪的，它们在字符串进行尽可能多的匹配。有时候并不需要这种行为。如果正则式 <.> 希望找到 ’ b '，它将会匹配整个字符串，而不仅是 ‘’。
在修饰符之后添加 ? 将使样式以非贪婪`方式进行匹配，尽量少的字符将会被匹配。使用正则式 <.*?> 将会仅仅匹配 ‘’。
python中常用正则函数

re.match() 与 re.search()

语法：re.match(pattern, string, flags=0) 
	尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
即便是 MULTILINE 多行模式， re.match() 也只匹配字符串的开始位置，而不匹配每行开始。

import re

text = '''<link rel="dns-prefetch" href="//wl.jd.com" />
<title>eastman - 商品搜索 - 京东</title>
'''
mo = re.match('<\w\w\w',text)
print(mo)#<re.Match object; span=(0, 4), match='<lin'>
print(mo.group())#<lin
print(mo.start())#0
print(mo.span())#(0, 4)
mo1 = re.match('rel',text)#'rel'不在该字符串起始位置，所以返回None
print(mo1)#None
'''一般常这样用 ：'''
content = 'Hello 123 456 welcome to tuling'
result = re.match('^Hello(.*)ng$', content)
print(result)#<re.Match object; span=(0, 31), match='Hello 123 456 welcome to tuling'>
print(result.group())#Hello 123 456 welcome to tuling
print(result.groups())#(' 123 456 welcome to tuli',)
print(result.group(1))#123 456 welcome to tuli
print(result.span(1))#(5, 29)

语法：re.search(pattern, string, flags=0) 
扫描整个字符串并返回第一个成功的匹配。如果搜索完了还没有找到，就返回 None。
匹配方法与re.match()相同

import re

text = '''<link rel="dns-prefetch" href="//wl.jd.com" />
<title>eastman - 商品搜索 - 京东</title>
<meta name="Keywords" content="eastman，京东eastman" />
<meta name="description" content="在京东找到了eastman1313件eastman的类似商品，其中包含了eastman价格、eastman评论、eastman导购、eastman图片等相关信息" />
'''

mo = re.search('^<meta',text,re.MULTILINE)# MULTILINE 多行模式中函数 match() 只匹配字符串的开始，但使用 search() 和以 '^' 开始的正则表达式会匹配每行的开始。
print(mo)#<re.Match object; span=(82, 87), match='<meta'>
print(mo.group())#<meta
print(mo.span())#(82, 87)
mo1 = re.search('^meta',text,re.MULTILINE)#使用'^'限制匹配到字符串的首位
print(mo1)#None

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；而re.search匹配整个字符串，直到找到一个匹配。

re.findall() 与 re.finditer()

语法：findall(string[, pos[, endpos]])
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。
在这里插入图片描述

import re

text = '''<link rel="dns-prefetch" href="//wl.jd.com" />
<title>eastman - 商品搜索 - 京东</title>
<meta name="Keywords" content="eastman，京东eastman" />
<meta name="description" content="在京东找到了eastman1313件eastman的类似商品，其中包含了eastman价格、eastman评论、eastman导购、eastman图片等相关信息" />
'''

mo = re.findall('\w\weastman',text)
print(mo)#['京东eastman', '到了eastman', '3件eastman', '含了eastman']

语法：re.finditer(pattern, string, flags=0)
re.finditer 和 re.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。迭代器中的每一个元素都是一个Match对象

import re

text = '''<link rel="dns-prefetch" href="//wl.jd.com" />
<title>eastman - 商品搜索 - 京东</title>
<meta name="Keywords" content="eastman，京东eastman" />
<meta name="description" content="在京东找到了eastman1313件eastman的类似商品，其中包含了eastman价格、eastman评论、eastman导购、eastman图片等相关信息" />
'''

mo = re.finditer('\w\weastman',text)
print(mo) #<callable_iterator object at 0x000001B47F1CD448>
for i in mo:
    print(i)
    print(i.group())
    
#输出结果：
#<re.Match object; span=(121, 130), match='京东eastman'>
#京东eastman
#<re.Match object; span=(173, 182), match='到了eastman'>
#到了eastman
#<re.Match object; span=(185, 194), match='3件eastman'>
#3件eastman
#<re.Match object; span=(203, 212), match='含了eastman'>
#含了eastman

split()

语法：re.split(pattern, string, maxsplit=0, flags=0)
按照能够匹配的子串将字符串分割后返回列表。
如果 maxsplit 非零， 最多进行 maxsplit 次分隔， 剩下的字符全部返回到列表的最后一个元素。

在这里插入图片描述

import re

a = re.split(r'\W+', 'Words, words, words')
print(a)#['Words', 'words', 'words']
如果在表达式中有圆括号，那么除被 圆括号中的表达式匹配掉的字符 外的字符也会作为元素被包含在列表里（含空白字符）
b = re.split(r'(\W+)', 'Words,\n,words, words')
print(b)#['Words', ',\n,', 'words', ', ', 'words']
如果分隔符里有捕获组合，并且匹配到字符串的开始或结尾，那么结果将会以一个空字符串开始或结尾
c = re.split(r'\W+', '.words, words。')
print(c)#['', 'words', 'words', '']
对于一个找不到匹配的字符串而言，split 不会对其作出分割
d = re.split('\s', 'helloworld')
print(d)#['helloworld']
样式的空匹配仅在与前一个空匹配不相邻时才会拆分字符串
e = re.split('1*','helloworld')
print(e)#['', 'h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', '']

re.sub()

语法：re.sub(pattern, repl, string, count=0, flags=0)
返回通过使用 repl 替换在 string 最左边非重叠出现的 pattern 而获得的字符串。 如果样式没有找到，则不加改变地返回 string。 
repl 可以是字符串或函数。如repl为字符串，则其中任何反斜杠转义序列都会被处理。 也就是说，\n 会被转换为一个换行符，\r 会被转换为一个回车附，依此类推。

在这里插入图片描述

import re

phone = "2004-959-559 # 这是一个国外电话号码"

# 删除字符串中的 Python注释
num = re.sub(r'#.*$', "", phone)
print("电话号码是:%s"%num) #电话号码是:2004-959-559 

# 删除非数字(-)的字符串
num = re.sub(r'\D', "", phone)
print("电话号码是:%s"%num) #电话号码是:2004959559

compile()

语法：re.compile(pattern[, flags])
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。
match() 或 search() 函数匹配成功后，返回的是一个match对象。该对象可使用如group()、start()、span()等方法。

import re

pattern = re.compile(r'\d+')
text = 'abcd 12315 .a'
mo = pattern.search(text)
print(mo)#<re.Match object; span=(5, 10), match='12315'>
print(mo.group())#12315