pythonre模块-创新互联
python 中的re模块
re 模块为Python的内置模块，Python程序中通过这个模块来使用正则表达式。
re 模块的使用
re 模块有两种使用方式，示例中以match方法为例。
方式 1：
步骤：
1）直接使用 re.match 方法（传入正则表达式和需要匹配的字符串）对文本进行匹配查找，match方法返回一个 Match 对象
2）使用 Match 对象提供的方法获取匹配结果示例：
import re
m = re.match(r'\d+', '123abc456') # 返回一个 Match 对象
print(m.group()) # 输出匹配结果：123方式 2：
步骤：
1）使用 re.compile 方法（传入正则表达式）得到 Pattern 对象
2）通过 Pattern 对象提供的方法对字符串进行匹配查找，返回一个 Match 对象（包含了匹配结果）
3）使用 Match 对象提供的方法获取匹配结果示例：
import re
pattern = re.compile(r'\d+') # 返回一个 Pattern 对象
m = pattern.match('123abc456') # 返回一个 Match 对象
print(m.group()) # 输出匹配结果：123如上2种方式的区别在于，第二种方式通过 re.compile 方法获取一个 Pattern 对象，使得一个正则表达式被多次用于匹配；而第一种方式，每一次的匹配都需要传入正则表达式。
compile方法
re.compile(pattern[, flag])示例中的 compile 方法用于编译正则表达式，返回一个 Pattern 对象，可利用 Pattern 对象中的一系列方法对字符串进行匹配查找。Pattern 对象中的常用方法包括：match，search，findall，finditer，split，sub，subn。当然这些方法也可以使用 re模块直接调用~
match方法
match 方法用于从字符串的头部开始匹配，仅返回第一个匹配的结果~
pattern.match(string[, pos[, endpos]])
或
re.match(pattern, string[, flags])pattern.match(string[, pos[, endpos]]) 中的 pos，endpos指定字符串匹配的起始和终止位置，这两个均为可选参数，若不指定，默认从字符串的开头开始匹配~
re.match(pattern, string[, flags]) 中的pattern为传入的正则表达式，flags指定匹配模式，如忽略大小写，多行模式，同compile方法中的flag参数~
分组匹配
可以通过在正则表达式中使用小括号'()'，来对匹配到的数据进行分组，然后通过group([n])，groups()获取对应的分组数据。
import re
pattern = re.compile('([0-9]*)([a-z]*)([0-9]*)')
m = pattern.match('123abc456')
# 输出匹配的完整字符串
print(m.group()) # 123abc456
# 同上，输出匹配的完整字符串
print(m.group(0)) # 123abc456
# 从匹配的字符串中获取第一个分组
print(m.group(1)) # 123
# 从匹配的字符串中获取第二个分组
print(m.group(2)) # abc
# 从匹配的字符串中获取第三个分组
print(m.group(3)) # 456
# 从匹配的字符串中获取所有分组，返回为元组
print(m.groups()) # ('123', 'abc', '456')
# 获取第二个分组 在字符串中的起始位置（分组第一个字符的索引），start方法的默认参数为0，即字符串的起始索引
print(m.start(2)) # 3
# 获取第二个分组 在字符串中的起始位置（分组最后一个字符的索引+1），通start方法，end方法的默认参数也为0，即字符串结尾的索引+1
print(m.end(2)) # 6
# 第三个分组的起始和结束位置，即 (start(3), end(3))
print(m.span(3)) # (6, 9)
# 同 (start(), end())
print(m.span()) # (0, 9)上述中的 group()，groups()，start()，end()，span() 方法均为 Match类中的方法，这些方法主要用于从匹配的字符串中（或者说是从 Match对象中）获取相关信息~
re 模块下的常用方法
re 模块中较为常用的方法除了 compile() 和 match() 方法，还有下面列出的这些~
search 方法
不同于match方法的从头开始匹配，search方法用于在字符串中的进行查找（从左向右进行查找），只要找到一个匹配结果，就返回 Match 对象，若没有则返回None~
search(string[, pos[, endpos]])
# 可选参数 pos，endpos 用于指定查找的起始位置和结束位置，默认 pos 为0，endpos为字符串长度示例：re.search
import re
pattern = re.compile(r'[a-z]+')
m = pattern.match('123abc456cde')
print(m) # None
m = pattern.search('123abc456cde') # 或者 m = re.search(r'[a-z]+', '123abc456')
print(m.group()) # abc由于match是从头开始匹配，所以这里匹配不到结果~
findall 方法
match方法 和search方法 仅会返回一个结果，findall方法会将字符串中的所有匹配结果以列表的形式返回，注意，返回的是列表，不是 Match 对象~
findall(string[, pos[, endpos]])
# 可选参数 pos，endpos 用于指定查找的起始位置和结束位置，默认 pos 为0，endpos为字符串长度示例：
import re
pattern = re.compile(r'[a-z]+')
res = pattern.findall('123abc456cde')
print(res)
# 执行结果：
['abc', 'cde']findall方法的优先级查询，findall方法会优先把匹配结果组里的内容进行返回，来看如下示例：
import re
pattern = re.compile('\d([a-z]+)\d')
print(pattern.findall('123abc456'))
# 输出结果：
['abc']其实我们想要的结果是 '3abc4'，但是findall方法会优先返回分组中的内容，即 'abc'。若要想要匹配结果，取消权限即可，就是在小括号的起始位置加上 '?:'
import re
pattern = re.compile('\d(?:[a-z]+)\d')
print(pattern.findall('123abc456'))
# 输出结果：
['3abc4']finditer 方法
finditer 方法与 findall方法类似，会查找整个字符串并返回所有匹配的结果，返回的是一个迭代器，且每一个元素为 Match 对象~
import re
pattern = re.compile(r'\d+')
res = pattern.finditer('#123abc456cde')
for i in res:
print(i.group())
# 输出结果：
123
456split 方法
split方法用于将字符串进行切割，切割使用的分隔符就是字符串中被匹配到的子串，将被切割后的子串以列表的形式返回~
split(string[, maxsplit])
# maxsplit 参数用于指定大分割次数，默认会将这个字符串分割示例：
import re
pattern = re.compile(r'\d+')
m = pattern.split('abc23de3fgh4456ij') # 或者直接 re.split('\d+','abc23de3fgh4ij')
print(m)
# 结果输出：
['abc', 'de', 'fgh', 'ij']正则表达式中添加括号后，则会保留分隔符
import re
ret = re.split("(\d+)", "abc23de3fgh4456ij")
print(ret)
# 结果输出”
['abc', '23', 'de', '3', 'fgh', '3456', 'ij']sub 方法
sub方法用于将字符串中匹配的子串替换为指定的字符串
pattern.sub(repl, string[, count])
或者
re.sub(pattern, repl, string[, count])count为可选参数，指定大替换次数，repl 可以是一个字符串，也可以是一个 \id 引用匹配到的分组（但不能使用 \0），还可以是一个方法，该方法仅接受一个参数（Match对象），且返回一个字符串~
1）repl 是一个字符串
import re
ret = re.sub(r'\d+', '###', 'abc123cde')
print(ret)
# 输出结果：
abc###cde2）repl 是一个分组引用
将类似于 'hello world' 这样的字符串前后两个单词替换~
import re
ret = re.sub(r'(\w+) (\w+)', r'\2 \1', 'hello world; hello kitty')
print(ret)
# 输出结果：
world hello; kitty hello3）repl是一个方法
import re
def func(m):
return 'hi' + ' ' + m.group(2)
ret = re.sub(r'(\w+) (\w+)', func, 'hello world; hello kitty')
print(ret)
# 输出结果：
hi world; hi kittysubn方法
subn方法和sub方法类似，subn方法会返回一个元组，元组有两个元素，第一个元素与sub方法返回的结果一致，第二个元素为字符串中被替换的子串个数
import re
def func(m):
return 'hi' + ' ' + m.group(2)
ret = re.subn(r'\d+', '###', 'abc123cde')
print(ret)
ret = re.subn(r'(\w+) (\w+)', r'\2 \1', 'hello world; hello kitty')
print(ret)
ret = re.subn(r'(\w+) (\w+)', func, 'hello world; hello kitty')
print(ret)
# 输出结果：
('abc###cde', 1)
('world hello; kitty hello', 2)
('hi world; hi kitty', 2)贪婪匹配 和 非贪婪匹配
正则匹配默认使用的就是贪婪匹配，也就是尽可能的多匹配，如下示例为贪婪匹配：
import re
m = re.match('[a-z]+', 'abc123def')
print(m.group())
# 输出结果：
abc同一示例使用非贪婪匹配，在正则后面加上一个 '?' 即可，注意这个问号不是代表0个或者一个（注意区分）：
import re
m = re.match('[a-z]+?', 'abc123def')
print(m.group())
# 输出结果：
a贪婪匹配（单单使用 ？），？重复0个或者1个，贪婪模式下匹配一个
ret=re.findall('13\d?','1312312312, 134, 34234, 2313')
print(ret)
# 输出结果：
['131', '134', '13']惰性匹配示例：
ret=re.findall('131\d+?','1312312312')
print(ret)
# 输出结果：
['1312']正则表达式补充
转义符 \
1、反斜杠后边跟元字符去除特殊功能, 比如.
2、反斜杠后边跟普通字符实现特殊功能, 比如\d
\d 匹配任何十进制数； 它相当于类 [0-9]。
\D 匹配任何非数字字符； 它相当于类 [^0-9]。
\s 匹配任何空白字符； 它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符； 它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符； 它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符； 它相当于类 [^a-zA-Z0-9_]
\b 匹配一个特殊字符边界，比如空格 ，&，＃等让我们看一下 \b 的应用：
ret=re.findall(r'I\b','I am LIST')
print(ret) # ['I']Tip：
如上示例中 ret=re.findall(r'I\b','I am LIST') 使用的是 r'I\b' 而不能使用 'I\b' ，解释如下：
Python程序在这里的执行过程分为2步：
第一步：python 解释器读取 'I\b' 字符串进行解析，解析完成后传递给 re 模块
第二步：re 模块 对接收到的字符串进行解析在第一步中，'\b' 和 '\n' 类似，对于Python解释器而言，有特殊的意义，Python解释器针对 '\b' 和 '\n' 会根据ASCII码表进行翻译，翻译完成之后再传递给 re 模块进行后续的处理；所以 re 模块获取到的不会是 原模原样的 'I\b'。这里若要让 re 模块接收到原模原样的 'I\b'，有两种方式：
1）在字符串中使用 \ ，将 \b 转义
re.findall('I\\b','I am LIST')
2）直接在字符串前面加 r，使字符串中的 \b 失效，建议使用这种方式
re.findall(r'I\b','I am LIST')还有一种情况，要匹配的字符串本身就包含 '\' , 例如匹配 'hello\kitty' 中的 'o\k'
分析：\ 对于re 模块而言，有转义的意思，所以 re 模块希望获取到的字符串规则是 'o\k'，也就是说Python解释器解析完字符串后传递给 re 模块的是 'o\k'（如果直接使用 re.findall('o\k','hello\kitty') ，re模块获取到的是 'o\k'），所以这里也有两种实现方式：
1）re.findall(r'o\\k','hello\kitty') ，建议使用这种方式
2）针对2个 \ 分别进行转义
re.findall('o\\\\k','hello\kitty')也许这里会有疑问，re.findall("1\d?", "123,12345235,124234,1,abc,13") ，为何这里的\d 可以直接使用，那是因为 \d 在ASCII码表里面没有对应的字符串（Python解释器对 \d 不会进行翻译），所以可以直接使用。ASCII码表中和 '\' 连用的特殊字符见下图：
元字符之｜
｜表示 或者，使用 | 时一般需要和 括号配合使用，不然无法区分 | 的左边与右边
import re
ret = re.search('(ab)|\d','#@123abc') # 匹配 ab 或者 数字，search仅会返回第一个匹配到的
print(ret.group()) # 1字符集［］的是使用
import re
# [bc] 表示仅匹配 b 或者 c，如下示例中表示，匹配 abd 或者 acd
ret = re.findall('a[bc]d','acd')
print(ret) #['acd']
# [a-zA-Z] : 所有大小写字母
# [a-zA-Z0-9] : 所有大小写字母及数字
# [a-zA-Z0-9_] : 所有大小写字母及数字，再加上一个下划线
ret = re.findall('[a-z]','acd') # 匹配所有小写字母
print(ret) #['a', 'c', 'd']
# 注意：元字符在 字符集[] 中没有任何效果，这里的 . 和 + 就是普通的符号，有效果的元字符包括：- ^ \
ret = re.findall('[.*+]','a.cd+')
print(ret) #['.', '+']
# - 表示范围符号
ret = re.findall('[1-9]','45dha3') # 匹配数字 1 至 9
print(ret) #['4', '5', '3']
# ^ 表示取反，即匹配 非a，非b的字符
ret = re.findall('[^ab]','45bdha3')
print(ret) #['4', '5', 'd', 'h', '3']
# \ 为转义符
ret = re.findall('[\d]','45bdha3')
print(ret) #['4', '5', '3'].................^_^
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
分享名称：pythonre模块-创新互联
本文来源：http://shouzuofang.com/article/dcppdh.html