Python基础学习篇-4-常用的正则表达式处理函数

一、re.match函数

1、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：

参数 描述

pattern 匹配的正则表达式

string 要匹配的字符串。

flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见本文下面附录内容

匹配成功re.match方法返回一个匹配的对象，否则返回None。

实例1

>>> import re

>>> str1 = 'abcdefg12345'

>>> print(re.match('abc', str1))   # 在起始位置匹配成功，返回匹配成功的对象

<_sre.SRE_Match object; span=(0, 3), match='abc'>

>>> 

>>> print(re.match('123', str1))    # 没有在起始位置匹配成功，返回none

None

>>> 

>>> print(re,match('890', str1))    # 没有在起始位置匹配成功，返回none

None

2、使用group(num) 或 groups() 匹配对象函数来获取匹配结果

匹配对象方法 描述

group(num=0) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

实例2

import re

>>> line = 'cats are smarter than dogs'

>>> matchobj = re.match('(.*) are (.*?) .*', line, re.M|re.I)

>>> if matchobj:

print("obj.group(): ", matchobj.group())

print("obj.group(1): ", matchobj.group(1))

print("obj.group(2): ", matchobj.group(2))

obj.group():  cats are smarter than dogs

obj.group(1):  cats

obj.group(2):  smarter

>>> print("obj.groups: ", matchobj.groups())  #返回所有匹配结果的元组

obj.groups:  ('cats', 'smarter')

>>> print("obj.group(3): ", matchobj.group(3))

Traceback (most recent call last):

  File "<pyshell#17>", line 1, in <module>

    print("obj.group(3): ", matchobj.group(3))

IndexError: no such group

>>> 

解析正则表达式：'(.*) are (.*?) .*'

  (.*) 第一个匹配分组，.* 代表匹配除换行符之外的所有字符。

 (.*?) 第二个匹配分组，.*? 后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符

 后面的一个 .* 没有括号包围，所以不是分组，匹配效果和第一个一样，但是不计入匹配结果中。

matchObj.group() 等同于 matchObj.group(0)，表示匹配到的完整文本字符

matchObj.group(1) 得到第一组匹配结果，也就是(.*)匹配到的

matchObj.group(2) 得到第二组匹配结果，也就是(.*?)匹配到的

因为只有匹配结果中只有两组，所以如果填 3 时会报错。

二、re.search方法

1、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：

参数 描述

pattern 匹配的正则表达式

string 要匹配的字符串。

flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

匹配成功re.search方法返回一个匹配的对象，否则返回None。

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

匹配对象方法 描述

group(num=0) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

实例

>>> import re

>>> str1 = 'abcdefg12345'

>>> 

>>> print(re.search('abc', str1))   # 在起始位置匹配成功，返回匹配成功的对象

<_sre.SRE_Match object; span=(0, 3), match='abc'>

>>> print(re.search('123', str1))   # 在非起始位置匹配成功，同样返回匹配成功的对象

<_sre.SRE_Match object; span=(7, 10), match='123'>

>>> 

>>> 

>>> searchobj = re.search('(.*?) are (.*?)', line, re.M|re.I)

>>> print("searchobj.group(): ", searchobj.group())

searchobj.group():  cats are 

>>> print("searchobj.group(1): ", searchobj.group(1))

searchobj.group(1):  cats

>>> print("searchobj.group(2): ", searchobj.group(2))

searchobj.group(2):  

>>> print("searchobj.groups(): ", searchobj.groups())   #一共返回两个匹配字符串，第二个是空，因为使用的正则表达式是非贪婪模式

searchobj.groups():  ('cats', '')

>>> 

>>> print("searchobj.group(3): ", searchobj.group(3))

Traceback (most recent call last):

  File "<pyshell#32>", line 1, in <module>

    print("searchobj.group(3): ", searchobj.group(3))

IndexError: no such group

>>> 

re.match与re.search的区别

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。

三、re.compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法格式为：

re.compile(pattern[, flags])

实例：在此以match函数为例，search函数类似

实例

>>>import re

>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字

>>> m = pattern.match('one12twothree34four')        # 查找头部，没有匹配

>>> print m

None

>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配

>>> print m

None

>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配

>>> print m                                         # 返回一个 Match 对象

<_sre.SRE_Match object at 0x10a42aac0

>>>> m.group(0)   # 可省略 0

'12'

>>> m.start(0)   # 可省略 0

3

>>> m.end(0)     # 可省略 0

5

>>> m.span(0)    # 可省略 0

(3, 5)

在上面，当匹配成功时返回一个 Match 对象，其中：

group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或group(0)；

start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；

end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；

span([group]) 方法返回 (start(group), end(group))。

四、findall()函数

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

语法格式为：

findall(string[, pos[, endpos]])

参数：

string : 待匹配的字符串。

pos : 可选参数，指定字符串的起始位置，默认为 0。

endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

查找字符串中的所有数字：

实例

# -*- coding:UTF8 -*- 

import re 

pattern = re.compile(r'\d+')   # 查找数字

result1 = pattern.findall('runoob 123 google 456')

result2 = pattern.findall('run88oob123google456', 0, 10) 

print(result1)

print(result2)

输出结果：

['123', '456']

['88', '12']

五、re.finditer函数

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

re.finditer(pattern, string, flags=0)

参数：

参数 描述

pattern 匹配的正则表达式

string 要匹配的字符串。

flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志

实例

# -*- coding: UTF-8 -*- 

import re 

it = re.finditer(r"\d+","12a32bc43jf3") 

for match in it:     

    print (match.group() )

输出结果：

12 

32 

43 

3

六、re.split函数

split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

re.split(pattern, string[, maxsplit=0, flags=0])

参数：

参数 描述

pattern 匹配的正则表达式

string 要匹配的字符串。

maxsplit 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志

实例

>>>import re

>>> re.split('\W+', 'runoob, runoob, runoob.')

['runoob', 'runoob', 'runoob', '']

>>> re.split('(\W+)', ' runoob, runoob, runoob.') 

['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']

>>> re.split('\W+', ' runoob, runoob, runoob.', 1) 

['', 'runoob, runoob, runoob.'] 

>>> re.split('a*', 'hello world')   # 对于一个找不到匹配的字符串而言，split 不会对其作出分割

['hello world']