Python3 正则表达式
正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。本文主要阐述re包中的主要函数。
在阐述re包中的函数之前，我们首先看议案正则表达式的模式，即使用特殊的语法来表示一个正则表达式。
1.match函数
re.match 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。
函数用法：re.match(pattern, string, flags=0)
- pattern: 所要匹配的正则表达式
- 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，多行匹配等等。
- 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
匹配对象方法：
- 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。
- groups(): 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。
import re
print(re.match("xixi", "xixi_haha_heihei").group())
xixi
line = 'Cats are smarter than dogs'
b = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)
print(b.group()) # 返回所有
print(b.group(1)) # 返回第一组，即(.*)对应的
print(b.group(2)) # 返回第二组，即(.*?)对应的
Cats are smarter than dogs
Cats
smarter
2.search函数
re.search 扫描整个字符串并返回第一个成功的匹配。
函数用法：re.search(pattern, string, flags=0)
print(re.match('heihei', 'xixi_haha_heihei'))
print(re.search('heihei', 'xixi_haha_heihei').group())
None
heihei
line = 'Cats are smarter than dogs'
b = re.search(r'(.*) are (.*?) .*', line, re.M|re.I)
print(b.group()) # 返回所有
print(b.group(1)) # 返回第一组，即(.*)对应的
print(b.group(2)) # 返回第二组，即(.*?)对应的
Cats are smarter than dogs
Cats
smarter
search和match的区别
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search匹配整个字符串，直到找到一个匹配。
3. sub函数
re提供了re.sub来替换字符串中的匹配项。
函数用法：re.sub(pattern, repl, string, count=0, flags=0)
- 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。
- flags : 编译时用的匹配模式，数字形式。
phone = '133-3333-3333 # this is a phone number'
num = re.sub(r'#.*$', '', phone)
print('phone num', num)
# 移除注释，找到以#开头的。
num = re.sub(r'\D', '', phone)
print('phone num', num)
# 移除非数字内容
phone num 133-3333-3333
phone num 13333333333
repl是函数的情况
def double(matched):
value = int(matched.group('value'))
return str(value * 2)
s = 'A233Sfd34'
print(re.sub('(?P<value>\d+)', double, s))
A466Sfd68
4.compile函数
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。
函数使用：re.compile(pattern, flags)
pattern = re.compile(r'/d+')
m = pattern.match('ones123412')
print(m)
None
5.findall
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，但是findall是匹配所有。
函数使用：findall(string, pos, endpos)
- 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。
pattern = re.compile(r'\d+')
result1 = pattern.findall('xixixix 123 heihiehei 456')
result2 = pattern.findall('xixixix 123 heihiehei 456', 0, 15)
print(result1)
print(result2)
['123', '456']
['123']
6.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。
ittt = re.finditer(r'\d+', '12dsfasdf123asdf534')
for ttt in ittt:
print(ttt.group())
12
123
534
7.split
split 方法按照能够匹配的子串将字符串分割后返回列表。
函数使用：
re.split(pattern, string, maxsplit=0, flags=0)
- pattern： 匹配的正则表达式
- string： 要匹配的字符串。
- maxsplit： 分隔次数，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，
print(re.split('\W+', 'xxixix, xixixi, hehiehei'))
print(re.split('(\W+)', ' xxixix, xixixi, hehiehei'))
['xxixix', 'xixixi', 'hehiehei']
['', ' ', 'xxixix', ', ', 'xixixi', ', ', 'hehiehei']