python中的正则表达式详解

详解"/>

python中的正则表达式详解

一、正则表达式是什么？

（急于用正则表达式的朋友可以直接跳过这个部分）
————————————————————————
正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
几乎每个网上教程或者博客对其定义都是这个，不过我还要啰嗦一下的，因为我在正则表达式上面费了好长的时间。
正则表达式，你就理解为有特殊用途字符串就没问题了，无非就是比字符串多了一些杂七杂八的操作而已。正则表达式不难，不难，不难，首先鼓励一下自己。

二、关于正则表达式的旗标

要用正则表达式，必须先引入正则表达式的包，import re
下文中函数的flags参数代表正则表示匹配的旗标，这些旗标都能通过使用该模块中的属性来代表，其都有：

什么是旗标呢？简而言之就是标记，不同的标记，不同的功能。

三、创建正则表达式

前面已经说过了，正则表达式你就当一个特殊的字符串对待就行了，无非就是可以匹配字符串而已。

1、正则表达式所支持的合法字符

2、正则表达式所支持的特殊字符

3、正则表达式所支持的预定义字符

先了解各种字符作用，然后再来了解怎么创建正则表达式。与其让语言叙述，不如你亲眼目睹，下文中的各种函数以及其Demo都是可用的，且易于理解。你可以从函数中了解各种字符的作用，还有怎么创建正则表达式。

四、python支持的正则表达式函数

1、了解python中re模块中都有那些可用的函数

import re
print(re.__all__)
#输出结果['match', 'fullmatch', 'search', 'sub', 'subn', 'split', 'findall', 'finditer', 'compile', 'purge', 'template', 'escape', 'error', 'Pattern', 'Match', 'A', 'I', 'L', 'M', 'S', 'X', 'U', 'ASCII', 'IGNORECASE', 'LOCALE', 'MULTILINE', 'DOTALL', 'VERBOSE', 'UNICODE']

下述函数，该函数只要返回的是_sre.SRE_Pattern对象(正则表达式)，就可以用该对象的方法。该对象的方法有：

group(n)：获取第n+1个匹配位置的字符串
span(n)：获取第n+1个匹配字符串的位置

下述函数中，只要search()与match()返回的是_sre.SRE_Match对象，该对象的方法和属性有：
match.group([group1,…]):获取该匹配对象中指定组所匹配的字符串
match.__getitem_(g):这是match.group(g)的简化写法。由于match对象提供了__getitem_(g)，因此可以使用match[g]来代替match.group(g)。
match.groups(default = None):返回match对象中所有组所匹配的字符串组成的元组
match.groupdict(default = None):返回match对象中所有组所匹配的字符串组成的字典。
match.start([group])：获取该指定组所匹配的字符串开始位置。
match.end([group])：获取该指定组所匹配的字符串结束位置。
match.span([group])：获取该匹配对象中指定的组的开始位置与结束位置

2、re.compile(pattern,flags = 0)函数

这个函数用于将正则表达式的字符串编译成_sre.SRE_Pattern对象，该对象代表了正则表达式编译之后再内存中的对象，它可以缓存并复用正则表达式字符串。如果程序多次需要使用同一个正则表达式的字符串，可以考虑它。

import re
temp = re.compile('abc')
#'abc'是正则表达式,很多人初学可能和我一样，认为编译后了，就是正则表达式，其实他本身就是一个正则表达式，只不过编译成了另外一个对象（_sre.SRE_Pattern）
p.search('www.abc.com')
re.search('abc','www.abc.com')
#上述两行程序的作用一样

那么能用re模块的函数解决问题，为什么还要compile一下呢？这不是多此一举吗？
其实不然，编译的好处就是，你已经把它放到缓存区了，代表你用它会更快，而且还能不断复用。

3、re.match(pattern,string,flags = 0)与re.search(pattern,string,flags = 0)函数

（1）re.match(pattern,string,flags = 0)从字符串开始位置进行匹配，如果匹配不成功，返回None。其中pattern是正则表达式，string表示被匹配的字符串，flags是旗标。
（2）re.search(pattern,string,flags = 0)扫描整个string字符串，并返回第一个匹配的pattern对象。

看代码，自己试就明白了。

import re
temp1 = re.match("www","www.777777.www")
temp2 = re.match("777777","www.777777")#返回None
print(temp1)#<re.Match object; span=(0, 3), match='www'>
print(temp2)#None
print(temp1.span())#(0, 3)
print(temp1.group())#'www'
temp1 = re.search("www","777777.www")
temp2 = re.search("777777","www")#返回None
print(temp1)#<re.Match object; span=(7, 10), match='www'>
print(temp2)#None
print(temp1.span())#(7, 10)
print(temp1.group())#'www'

4、re.findall(pattern,string,flags = 0)函数和re.finditer(pattern,string,flags = 0)

（1）re.findall(pattern,string,flags = 0)函数：扫描整个字符串，并返回字符串所匹配的所有字串组成的列表。
（2）re.finditer(pattern,string,flags = 0)函数：扫描整个字符串，并返回字符串所匹配的所有字串组成的迭代器。

import re
temp1 = re.findall("love","I love study, you love me.Love ni ge chui zi.",flags = re.I)#re.I忽略大小写
print(temp1)#['love', 'love', 'Love']
temp2 = re.finditer("love","I love study, you love me.Love ni ge chui zi.")#re.I忽略大小写
print(next(temp2))#<re.Match object; span=(2, 6), match='love'>
for e in temp2:print(str(e.span())+'--->'+e.group())#(18, 22)--->love

5、re.fullmatch(pattern,string,flags = 0)函数

该函数要求匹配整个字符串，如果匹配失败，返回None;否则返回一个_sre.SRE_Pattern对象。

import re
temp1 = re.fullmatch('ssss','SsSs',flags = re.I)
print(temp1)#<re.Match object; span=(0, 4), match='SsSs'>
temp2 = re.fullmatch('ssss','SsSs')
print(temp2)#None

6、re.sub(pattern,repl,string,count = 0,flags = 0)函数

这个是个重头戏，很常用。主要功能用来替换字符串里面的指定字符子串
pattern代表正则表达式，表示想要替换的内容。repl表示被替换的子串，话可以是函数。string代表要替换，要作用的字符串。count代表替换的次数（从头开始），如果等于0，则全部替换。flags旗标。

import re
#一个简单的例子
temp1 = '2008_09_27'
temp2  = re.sub('/','_',temp1,flags=0)
print(temp2)#2008_09_27
#一个稍微复杂的例子
def fun(matched):#matched就是被匹配的对象，也就是函数里面的参数patternvalue = ">>>>>>>>>"+(matched.group('lang'))+"<<<<<<<<<<<"return value
s = 'kiet：你好啊！boy'
temp1 = re.sub('(?P<lang>\w+)',fun,s,flags=re.A)#>>>>>>>>>kiet<<<<<<<<<<<：你好啊！>>>>>>>>>boy<<<<<<<<<<<
print(temp1)

多看看这个就能理解上面那些特殊符号的用途了，其中（?P\w+）中，?P为正则表达是组的指定的名字。\w+表示读取字符，且可以多次读取，你可以去掉加号试试是怎么样的。

7、re.split(pattern,string,maxsplit = 0,flags = 0)函数

分割函数，主要用来对字符串进行分割。其中，pattern表示在什么位置分割，string表示要分割的字符串，maxsplit表示最多分割几次，flags是旗标。该函数返回的是一个列表（list）；

import re
temp1 = '2019,09,27'
temp2  = re.split(',',temp1)
print(temp2)#['2019', '09', '27']
temp2 = re.split(',',temp1,maxsplit=1)
print(temp2)#['2019', '09,27']

8、re.purge()函数

清除正则表达式的缓存

9、re.escape(pattern)

对模式中除ASCII字符、数值、下划线（_）之外的其它字符进行转义。

import re
temp1 = 'ww.w,r!rr,ss_?ssddfa'
temp2 = re.escape(temp1)
print(temp2)#ww\.w,r!rr,ss_\?ssddfa

————————————————————————————————
注：有人会提到贪婪模式与勉强模式，其实很好理解，简而言之就是：贪婪模式匹配的尽可能多，勉强模式匹配的尽可能少。