python之re模組(正則表示式)常用函式
1、compile()
編譯正則表示式模式,返回一個物件的模式。(可以把那些常用的正則表示式編譯成正則表示式物件,這樣可以提高一點效率。)
格式:
re.compile(pattern,flags=0)
pattern: 編譯時用的表示式字串。
flags 編譯標誌位,用於修改正則表示式的匹配方式,如:是否區分大小寫,多行匹配等。常用的flags有:
標誌 | 含義 |
re.S(DOTALL) |
使.匹配包括換行在內的所有字元 |
re.I(IGNORECASE) |
使匹配對大小寫不敏感 |
re.L(LOCALE) |
做本地化識別(locale-aware)匹配,法語等 |
re.M(MULTILINE) |
多行匹配,影響^和$ |
re.X(VERBOSE) |
該標誌通過給予更靈活的格式以便將正則表示式寫得更易於理解 |
re.U |
根據Unicode字符集解析字元,這個標誌影響\w,\W,\b,\B |
import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r'\w*oo\w*') print(rr.findall(tt)) #查詢所有包含'oo'的單詞 執行結果如下: ['good', 'cool']
2、match()
決定RE是否在字串剛開始的位置匹配。//注:這個方法並不是完全匹配。當pattern結束時若string還有剩餘字元,仍然視為成功。想要完全匹配,可以在表示式末尾加上邊界匹配符'$'
格式:re.match(pattern, string, flags=0)
print(re.match('com','comwww.runcomoob').group())
print(re.match('com','Comwww.runcomoob',re.I).group())
執行結果如下:
com
com
3、search()
格式:re.search(pattern, string, flags=0)
re.search函式會在字串內查詢模式匹配,只要找到第一個匹配然後返回,如果字串沒有匹配,則返回None。
print(re.search('\dcom','www.4comrunoob.5com').group())
執行結果如下:
4com
*注:match和search一旦匹配成功,就是一個match object物件,而match object物件有以下方法:
- group() 返回被 RE 匹配的字串
- start() 返回匹配開始的位置
- end() 返回匹配結束的位置
- span() 返回一個元組包含匹配 (開始,結束) 的位置
- group() 返回re整體匹配的字串,可以一次輸入多個組號,對應組號匹配的字串。
a. group()返回re整體匹配的字串,
b. group (n,m) 返回組號為n,m所匹配的字串,如果組號不存在,則返回indexError異常
c.groups()groups() 方法返回一個包含正則表示式中所有小組字串的元組,從 1 到所含的小組號,通常groups()不需要引數,返回一個元組,元組中的元就是正則表示式中定義的組。
import re
a = "123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整體
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) 列出第一個括號匹配部分,group(2) 列出第二個括號匹配部分,group(3) 列出第三個括號匹配部分。###
4、findall()
re.findall遍歷匹配,可以獲取字串中所有匹配的字串,返回一個列表。
格式:re.findall(pattern, string, flags=0)
p = re.compile(r'\d+')
print(p.findall('o1n2m3k4'))
執行結果如下:
['1', '2', '3', '4']
import re
tt = "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))#()表示子表示式
執行結果如下:
['good', 'cool']
[('g', 'd'), ('c', 'l')]
5、finditer()
搜尋string,返回一個順序訪問每一個匹配結果(Match物件)的迭代器。找到 RE 匹配的所有子串,並把它們作為一個迭代器返回。
格式:re.finditer(pattern, string, flags=0)
iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')
for i in iter:
print(i)
print(i.group())
print(i.span())
執行結果如下:
<_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)
6、split()
按照能夠匹配的子串將string分割後返回列表。
可以使用re.split來分割字串,如:re.split(r'\s+', text);將字串按空格分割成一個單詞列表。
格式:re.split(pattern, string[, maxsplit])
maxsplit用於指定最大分割次數,不指定將全部分割。
print(re.split('\d+','one1two2three3four4five5'))
執行結果如下:
['one', 'two', 'three', 'four', 'five', '']
7、sub()
使用re替換string中每一個匹配的子串後返回替換後的字串。
格式:re.sub(pattern, repl, string, count)
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', '-', text))
執行結果如下:
JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
其中第二個函式是替換後的字串;本例中為'-'
第四個引數指替換個數。預設為0,表示每個匹配項都替換。
re.sub還允許使用函式對匹配項的替換進行復雜的處理。
如:re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0);將字串中的空格' '替換為'[ ]'。
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0))
執行結果如下:
JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
8、subn()
返回替換次數
格式:subn(pattern, repl, string, count=0, flags=0)
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'))
執行結果如下:
('AA3456abcdef', 2)
I have A, I have B ,I have C
('I have A, I have B ,I have C', 3)
三、一些注意點
1、re.match與re.search與re.findall的區別:
re.match只匹配字串的開始,如果字串開始不符合正則表示式,則匹配失敗,函式返回None;而re.search匹配整個字串,直到找到一個匹配。
a=re.search('[\d]',"abc33").group()
print(a)
p=re.match('[\d]',"abc33")
print(p)
b=re.findall('[\d]',"abc33")
print(b)
執行結果:
3
None
['3', '3']
2、貪婪匹配與非貪婪匹配
*?,+?,??,{m,n}? 前面的*,+,?等都是貪婪匹配,也就是儘可能匹配,後面加?號使其變成惰性匹配
a = re.findall(r"a(\d+?)",'a23b')
print(a)
b = re.findall(r"a(\d+)",'a23b')
print(b)
執行結果:
['2']
['23']
a = re.match('<(.*)>','<H1>title<H1>').group()
print(a)
b = re.match('<(.*?)>','<H1>title<H1>').group()
print(b)
執行結果:
<H1>title<H1>
<H1>
a = re.findall(r"a(\d+)b",'a3333b')
print(a)
b = re.findall(r"a(\d+?)b",'a3333b')
print(b)
執行結果如下:
['3333']
['3333']
#######################
這裡需要注意的是如果前後均有限定條件的時候,就不存在什麼貪婪模式了,非匹配模式失效。
3、用flags時遇到的小坑
print(re.split('a','1A1a2A3',re.I))#輸出結果並未能區分大小寫
這是因為re.split(pattern,string,maxsplit,flags)預設是四個引數,當我們傳入的三個引數的時候,系統會預設re.I是第三個引數,所以就沒起作用。如果想讓這裡的re.I起作用,寫成flags=re.I即可。
五、正則的小實踐
1、匹配電話號碼
p = re.compile(r'\d{3}-\d{6}')
print(p.findall('010-628888'))
2、匹配IP
re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")
轉載地址:https://www.cnblogs.com/tina-python/p/5508402.html
感謝博主!