正则与re模块

一、正则表达式

在线测试工具 http://tool.chinaz.com/regex/

1.字符组

1. 在同一个位置可能出现的各种字符组成一个字符组，在正则表达中用[ ]表示

2. 一个正则就是一条匹配规则，可以规定一次匹配字符的长度，字符组每次匹配一个长度为1的字符，例如：待匹配字符为：2a+ 使用字符组进行匹配时就会进行三次比较

正则	待匹配字段	匹配结果	说明
[0123456789]	5	5	在一个字符组里枚举所有合法的字符，待匹配字符与其中一个相同，即便匹配成功
[0123456789]	56	5和6	匹配个数为2 (见第二条说明)
[0-9]	7	7	用-表示范围,[0-9]和[0123456789]规则相同
[a-z]	h	h	匹配所有的小写字母
[a-z]	7h	h	匹配个数为1
[A-Z]	B	B	匹配所有的大写字母
[0-9a-dA-D]	1ecD	1、c和D	匹配个数为3 (该正则可以匹配十六进制字符)

2.字符

元字符	待匹配字符	匹配个数	匹配说明
.	1$,a	4	匹配除换行符以外的任意字符
\w	_1w@	3	匹配字母数字下划线
\W	_1w@	1	匹配非字母数字下划线
\s			匹配空白（空格、换行和tab）
\S			匹配非空白
\d			匹配数字
\D			匹配非数字
\n			匹配一个换行符
\t			匹配一个制表符
\b	a 2+	4	匹配字符的开始或结束
^			匹配字符串的开始
$			匹配字符串的结束
a|b	acfb	2	符合|左右其一即可
（012）	0123	1	匹配括号内的表达式（整体），与[012]区分
[^123]	28291	2	匹配非括号内的所有字符

3.量词

量词	说明
*	重复0次或多次
+	重复1次或多次
？	重复0次或1次
{n}	重复n次
{n,}	重复n次或更多次（至少n次）
{n,m}	重复n次到m次

4.转义

正则	待匹配字符	匹配 结果	说明
\n	\n	False	因为在正则表达式中\是有特殊意义的字符，所以要匹配\n本身，用表达式\n无法匹配
\n	\n	True	转义\之后变成\\，即可匹配
\\\\n	\\n	True	如果在python中，字符串中的'\'也需要转义，所以每一个字符串'\'又需要转义一次
r'\n'	r'\n'	True	在字符串之前加r，让整个字符串不转义

5.贪婪匹配

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

正则	待匹配字符	匹配 结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>	r'\d'	<script> <script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

#贪婪匹配，回溯算法#\d+8    123456812381281766 匹配结果：12345681238128

二、re模块

python官方文档：https://docs.python.org/zh-cn/3.7/library/re.html?highlight=re#module-re

1.findall()

返回字符串中所有非重叠匹配项的列表。

import reret = re.findall('aba', 'cababa') print(ret) #结果：['aba']​ret = re.findall('a', 'cababa') print(ret) #结果：['a', 'a', 'a']

2.finditer()函数

返回一个含有所有非重叠匹配项的迭代器。

ret = re.finditer('a', '1a2a3ab')  print(ret)r1=ret.__next__()r2=ret.__next__()print(r1,r2)#运行结果：<callable_iterator object at 0x0370E450><re.Match object; span=(1, 2), match='a'> <re.Match object; span=(3, 4), match='a'> StopIteration

3.fullmatch()

完全匹配。

ret = re.fullmatch('aba', 'cababa') print(ret)#结果：None​ret = re.fullmatch('aba', 'aba') print(ret)#<re.Match object; span=(0, 3), match='aba'>

4.match()

尝试在字符串的开头应用该模式，返回匹配对象(不可迭代)，如果没有找到匹配，则为None。

ret = re.match('aba', 'cababa') print(ret)#结果：None​ret = re.match('aba', 'ababac') print(ret)re1=ret.group(0)print(re1)#结果：<re.Match object; span=(0, 3), match='aba'>aba​​

5.search()

扫描字符串，寻找与模式匹配的字符串，然后返回匹配对象(不可迭代)，如果没有找到匹配，则为None。

ret = re.search('aba', 'cababa') print(ret)#结果:<re.Match object; span=(1, 4), match='aba'>​

6.split(self, /, string, maxsplit=0)

根据模式的出现情况拆分源字符串，返回包含结果子字符串的列表。如果捕获括号在pattern中使用，然后是all的文本模式中的组也作为结果的一部分返回列表。如果maxsplit不为零，则最多发生maxsplit拆分，字符串的其余部分作为最后一个元素返回的列表。

ret = re.split('aba', 'cababa1aba') print(ret) #结果:['c', 'ba1', '']  #最后一次分割为空​ret = re.split('aba', 'cababa1aba2') print(ret) #结果:['c', 'ba1', '2']​ret = re.split('aba', 'cababa1aba2',maxsplit=1) print(ret) #结果:['c', 'ba12']​ret = re.split('[ab]', 'abcd')  # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割print(ret)  # 结果['', '', 'cd']​

7.sub(pattern, repl, string, count=0, flags=0)

返回通过pattern非重叠替换repl得到的字符串。

• repl可以是字符串，也可以是可调用的;

• 如果是字符串，则处理其中的反斜杠转义。

• 如果它是一个可调用的对象，它传递了Match对象并必须返回要使用的替换字符串

ret = re.sub('\d{2}','+', '2ad232c') print(ret) #结果:2ad+2c​import randomdef fun(s):    i = random.randint(0,len(s))    return s[i]ret = re.sub('\d{2}',fun('#$%'), '2ad232c') print(ret) 

8.subn(pattern, repl, string, count=0, flags=0)

返回通过pattern非重叠替换repl得到的字符串与替换次数组成的二元组。

• repl可以是字符串，也可以是可调用的;

• 如果是字符串，则处理其中的反斜杠转义。

• 如果它是一个可调用的对象，它传递了Match对象并必须返回要使用的替换字符串

ret = re.subn('\d{2}','+', '2ad232c') print(ret) #结果：('2ad+2c', 1)

9.compile()

将正则表达式编译成为一个 正则表达式对象

obj = re.compile('\d{3}') ret = obj.search('abc123d') #正则表达式对象调用search，参数为待匹配的字符串print(ret.group()) #结果：123

10.template(pattern, flags=0)

编译一个模板模式，返回一个模式对象

11.purge()

清除正则表达式缓存

来源：https://www.cnblogs.com/notfind/p/11440232.html