Python提供了re模块,用于实现正则表达式的操作。在实现时,可以使用re模块提供的方法(如
search()
、match()
、findall()
等)进行字符串处理,也可以先使用re模块的compile()
方法将模式字符串转换为正则表达式对象,然后再使用该正则表达式对象的相关方法来操作字符串。
re.match(pattern, string, [flags])
- pattern:表示模式字符串,由要匹配的正则表达式转换而来。
- string:表示要匹配的字符串。
- flags:可选参数,表示标志位,用于控制匹配方式,如是否区分子母大小写。
常用标志:
标志 | 说明 |
---|---|
A 或 ASCII | 对于\w、\W、\b、\B、\d、\D、\s和\S只进行ASCII匹配(仅适用于Python3.x) |
I 或 IGNORECASE | 执行不区分子母大小写的匹配 |
M 或 MULTILINE | 将^和$用于包括整个字符串的开始和结尾的每一行(默认情况下,仅适用于整个字符串的开始和结尾处) |
S 或 DOTALL | 使用(.)字符匹配所有字符,包括换行符 |
X 或 VERBOSE | 忽略模式字符串中未转义的空格和注释 |
示例代码:
匹配字符串是否以“mr_”开头,不区分子母大小写:
import repattern = r'mr_\w+' # 模式字符串string = 'MR_SHOP mr_shop' # 要匹配的字符串match = re.match(pattern, string, re.I) # 匹配字符串,不区分大小写print(match) # 输出匹配结果string = '项目名称MR_SHOP mr_shop'match = re.match(pattern, string, re.I) # 匹配字符串,不区分大小写print(match) # 输出匹配结果执行结果:None
re模块中常用函数
compile()
编译正则表达式模式,返回一个对象的模式。(可以把那些常用的正则表达式编译成正则表达式对象,这样可以提高一点效率。)
re.compile(pattern,flags=0)
-
pattern: 编译时用的表达式字符串。
-
flags:编译标志位,用于修改正则表达式的匹配方式,如:是否区分大小写,多行匹配等。常用的flags有:
标志 | 含义 |
---|---|
re.S(DOTALL) | 使.匹配包括换行在内的所有字符 |
re.I(IGNORECASE) | 使匹配对大小写不敏感 |
re.L(LOCALE) | 做本地化识别(locale-aware)匹配,法语等 |
re.M(MULTILINE) | 多行匹配,影响^和$ |
re.X(VERBOSE) | 该标志通过给予更灵活的格式以便将正则表达式写得更易于理解 |
re.U | 根据Unicode字符集解析字符,这个标志影响\w,\W,\b,\B |
示例代码:
import rett = "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'的单词 执行结果:['good', 'cool']
match()
决定RE是否在字符串刚开始的位置匹配。//注:这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符’$’
re.match(pattern, string, flags=0)
print(re.match('com','comwww.runcomoob').group())print(re.match('com','Comwww.runcomoob',re.I).group())执行结果: com com
search()
re.search(pattern, string, flags=0)
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回None。
print(re.search('\dcom','www.4comrunoob.5com').group())执行结果: 4com
注意:
match和search一旦匹配成功,就是一个match object对象,而match object对象有以下方法:
- group() 返回被 RE 匹配的字符串
- start() 返回匹配开始的位置
- end() 返回匹配结束的位置
- span() 返回一个元组包含匹配 (开始,结束) 的位置
- group() 返回re整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串。
a. group()返回re整体匹配的字符串,b. group (n,m) 返回组号为n,m所匹配的字符串,如果组号不存在,则返回indexError异常c.groups()groups() 方法返回一个包含正则表达式中所有小组字符串的元组,从 1 到所含的小组号,通常groups()不需要参数,返回一个元组,元组中的元就是正则表达式中定义的组。
示例代码:
import rea = "123abc456" print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整体 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) 列出第一个括号匹配部分,group(2) 列出第二个括号匹配部分,group(3) 列出第三个括号匹配部分。
findall()
re.findall遍历匹配,可以获取字符串中所有匹配的字符串,返回一个列表。
示例代码:p = re.compile(r'\d+')print(p.findall('o1n2m3k4'))执行结果: ['1', '2', '3', '4']
import rett = "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))#()表示子表达式 执行结果: ['good', 'cool'] [('g', 'd'), ('c', 'l')]
finditer()
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。找到 RE 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)
示例代码:
iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')for i in iter: print(i) print(i.group()) print(i.span()) 执行结果:<_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)
split()
按照能够匹配的子串将string分割后返回列表。
可以使用re.split来分割字符串,如:re.split(r’\s+’, text);将字符串按空格分割成一个单词列表。
re.split(pattern, string[, maxsplit])
maxsplit用于指定最大分割次数,不指定将全部分割。
示例代码:
print(re.split('\d+','one1two2three3four4five5'))执行结果: ['one', 'two', 'three', 'four', 'five', '']
sub()
使用re替换string中每一个匹配的子串后返回替换后的字符串。
re.sub(pattern, repl, string, count)
示例代码:
import redef filterchar(string): pattern = r'(黑客)|(抓包)' # 要替换的字符 sub =re.sub(pattern, 'xxx', string) # 如果string中出现pattern中所定义的值,将其替换成'xxx' print(sub)filterchar('我喜欢黑客技术,他们经常抓包')执行结果: 我喜欢xxx技术,他们经常xxx
re.sub还允许使用函数对匹配项的替换进行复杂的处理。
示例代码:
re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0);将字符串中的空格' '替换为'[ ]'。
示例代码:
import retext = "JGood is a handsome boy, he is cool, clever, and so on..."print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0))执行结果如下:JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
subn()
返回替换次数
subn(pattern, repl, string, count=0, flags=0)
示例代码:
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'))执行结果: ('AA3456abcdef', 2) I have A, I have B ,I have C ('I have A, I have B ,I have C', 3)