Python 进阶 (十六) 正则表达式

2022-10-13
上海
本文字数：4487 字
阅读完需：约 15 分钟

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。

Python 自 1.5 版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。

在python中使用正则表达式，需要引入re模块；下面介绍下该模块中的一些方法；

compile 和 match

re模块中compile用于生成pattern对象，再通过调用pattern实例的match方法处理文本最终获得match实例；通过使用match获得信息；

import re
# 将正则表达式编译成Pattern对象pattern = re.compile(r'rlovep')# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回Nonem = pattern.match('rlovep.com')if m:# 使用Match获得分组信息    print(m.group())### 输出 #### rlovep

复制代码

re.compile(strPattern[, flag]):这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。

可选值有：

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
M(MULTILINE): 多行模式，改变'^'和'$'的行为;
S(DOTALL): 点任意匹配模式，改变'.'的行为;
L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定;
U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性;
X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

Match

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

属性：

string: 匹配时使用的文本。
re: 匹配时使用的 Pattern 对象。
pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法：

group([group1, …])

获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1 可以使用编号也可以使用别名；编号 0 代表整个匹配的子串；不填写参数时，返回 group(0)；没有截获字符串的组返回 None；截获了多次的组返回最后一次截获的子串。

groups([default]):

以元组形式返回全部分组截获的字符串。相当于调用 group(1,2,…last)。default 表示没有截获字符串的组以这个值替代，默认为 None。

groupdict([default])

返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default 含义同上。

start([group])

返回指定的组截获的子串在 string 中的起始索引（子串第一个字符的索引）。group 默认值为 0。

end([group])

返回指定的组截获的子串在 string 中的结束索引（子串最后一个字符的索引+1）。group 默认值为 0。

span([group])

返回(start(group), end(group))。

expand(template)

将匹配到的分组代入template中然后返回。template中可以使用\id 或\g<id>、 \g<name>引用分组，但不能使用编号 0。\id与\g<id>是等价的；但\10 将被认为是第 10 个分组，如果你想表达 \1之后是字符'0'，只能使用\g<1>0。

pattern

Pattern 对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。

Pattern不能直接实例化，必须使用re.compile()进行构造。

Pattern提供了几个可读属性用于获取表达式的相关信息：

pattern: 编译时用的表达式字符串。
flags: 编译时用的匹配模式。数字形式。
groups: 表达式中分组的数量。
groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

实例方法[ | re 模块方法]：

match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])

这个方法将从 string 的 pos 下标处起尝试匹配 pattern；如果 pattern 结束时仍可匹配，则返回一个 Match 对象；如果匹配过程中 pattern 无法匹配，或者匹配未结束就已到达 endpos，则返回 None。

pos 和 endpos 的默认值分别为 0 和 len(string)；re.match()无法指定这两个参数，参数 flags 用于编译 pattern 时指定匹配模式。

注意：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'$'。

search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])

这个方法用于查找字符串中可以匹配成功的子串。从 string 的 pos 下标处起尝试匹配 pattern，如果 pattern 结束时仍可匹配，则返回一个 Match 对象；若无法匹配，则将 pos 加 1 重新尝试匹配；直到pos=endpos时仍无法匹配则返回 None。 pos 和 endpos 的默认值分别为 0 和len(string))；re.search()无法指定这两个参数，参数 flags 用于编译 pattern 时指定匹配模式。

split(string[, maxsplit]) | re.split(pattern, string[, maxsplit])

按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。

findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags])

搜索 string，以列表形式返回全部能匹配的子串。

finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags])

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。

sub(repl, string[, count]) | re.sub(pattern, repl, string[, count])

使用repl替换string中每一个匹配的子串后返回替换后的字符串。当repl是一个字符串时，可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号 0。当repl是一个方法时，这个方法应当只接受一个参数（Match 对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。 count用于指定最多替换次数，不指定时全部替换。

subn(repl, string[, count]) |re.sub(pattern, repl, string[, count])

返回 (sub(repl, string[, count]), 替换次数)。

re.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。

函数语法：re.match(pattern, string, flags=0)

函数参数说明：

匹配成功re.match方法返回一个匹配的对象，否则返回None。

可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

实例 1

#!/usr/bin/python# -*- coding: UTF-8 -*- 
import reprint(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配print(re.match('com', 'www.runoob.com'))         # 不在起始位置匹配

复制代码

以上实例运行输出结果为：(0, 3)None

实例 2

#!/usr/bin/python3import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:   print ("matchObj.group() : ", matchObj.group())   print ("matchObj.group(1) : ", matchObj.group(1))   print ("matchObj.group(2) : ", matchObj.group(2))else:   print ("No match!!")

复制代码

以上实例执行结果如下：matchObj.group() : Cats are smarter than dogsmatchObj.group(1) : CatsmatchObj.group(2) : smarter

re.search 方法

re.search 扫描整个字符串并返回第一个成功的匹配。函数语法：re.search(pattern, string, flags=0)函数参数说明：

匹配成功re.search方法返回一个匹配的对象，否则返回 None。我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

实例一

import reprint(re.search("rlovep","rlovep.com").span())print(re.search("com","http://rlovep.com").span())

复制代码

实例二

import reline = "This is my blog"#匹配含有is的字符串matchObj = re.search( r'(.*) is (.*?) .*', line, re.M|re.I)#使用了组输出：当group不带参数是将整个匹配成功的输出#当带参数为1时匹配的是最外层左边包括的第一个括号，一次类推；if matchObj:    print ("matchObj.group() : ", matchObj.group())#匹配整个    print ("matchObj.group(1) : ", matchObj.group(1))#匹配的第一个括号    print ("matchObj.group(2) : ", matchObj.group(2))#匹配的第二个括号else:    print ("No match!!")

复制代码

输出：matchObj.group() : This is my blogmatchObj.group(1) : ThismatchObj.group(2) : my

search 和 match 区别

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。

实例

#!/usr/bin/python3
import re
line = "Cats are smarter than dogs";
matchObj = re.match( r'dogs', line, re.M|re.I)if matchObj:   print ("match --> matchObj.group() : ", matchObj.group())else:   print ("No match!!")
matchObj = re.search( r'dogs', line, re.M|re.I)if matchObj:   print ("search --> matchObj.group() : ", matchObj.group())else:   print ("No match!!")

复制代码

以上实例运行结果如下：No match!!search --> matchObj.group() : dogs

检索和替换

Python 的re模块提供了re.sub用于替换字符串中的匹配项。语法：re.sub(pattern, repl, string, count=0)参数：

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。

实例

#!/usr/bin/python3import re
phone = "2004-959-559 # 这是一个电话号码"
# 删除注释num = re.sub(r'#.*$', "", phone)print ("电话号码 : ", num)
# 移除非数字的内容num = re.sub(r'\D', "", phone)print ("电话号码 : ", num)

复制代码

以上实例执行结果如下：电话号码 : 2004-959-559 电话号码 : 2004959559repl 参数是一个函数以下实例中将字符串中的匹配的数字乘于 2：

#!/usr/bin/python
import re
# 将匹配的数字乘于 2def double(matched):    value = int(matched.group('value'))    return str(value * 2)
s = 'A23G4HFD567'print(re.sub('(?P<value>\d+)', double, s))

复制代码

执行输出结果为：A46G8HFD1134