python笔记-正则表达式

njsuntop

　　正则表达式

• 　　匹配
  

　　\d 匹配一个数字
　　\w 匹配一个字母或一个数字
　　\s 匹配一个空格或tab空白符
　　\b 匹配字符边界
　　以上特殊字符变成大写，表示与之相反。
　　\N 匹配已保存的子组
　　^或\A 匹配字符串的开始
　　$或\Z 匹配字符串的结束
　　.  匹配任意一个字符

• 　　个数
  

　　+ 表示其前面的字符串至少出现了一次
　　? 表示其前面的字符出现了一次或零次
　　* 表示其前面的字符出现了任意次，可能是零次、一次或多次
　　{n} 表示其前面的字符串出现了n次
　　{n,m} 可以表示其前面的字符串出现了n-m次
　　[] 匹配一个范围，例如[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线，[]中以^开头表示"非"

• 　　转义
  

　　\ 表示转义
　　r'' 引号中的特殊字符会被转义（建议使用这种，不用考虑转义问题）

• 　　re模块
  

　　match()方法    判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。常见语法如下：
str = '用户输入的字符串'　　
re.match(r'正则表达式',str,flags)
　　例如：
import re　　
find1 = re.match(r'\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}','127.0.0.1')
　　
print("find1:%s,%s"%(find1,find1.group()))
　　
#打印内容
　　
find1:<_sre.SRE_Match object; span=(0, 9), match='127.0.0.1'>,127.0.0.1
　　
　　search()方法     在指定的字符串中，查找第一个能够匹配成功的字符串，如果匹配成功，返回一个Match对象，否则返回None。常见语法如下：
str = '用户输入的字符串'　　
re.search(r'正则表达式',str,flags)
　　例如：
str = 'my phone is 15810740000 ,my friend\'s phone is 12346010473'　　
find2 = re.search(r'\d{11}',str)
　　
print(&quot;find2:%s,%s&quot;%(find2,find2.group()))
　　
#打印内容
　　
find2:<_sre.SRE_Match object; span=(12, 23), match='15810740000'>,15810740000
　　
　　findall()方法    在指定的字符串中，查找所有匹配成功的字符串，如果匹配成功，返回一个列表，包含所有匹配成功的字符串，否则返回空列表。常见语法如下：
str = '用户输入的字符串'　　
re.findall(r'正则表达式',str,flags)
　　例如：
str = 'my phone is 15810740000 ,my friend\'s phone is 12346010473'　　
find3 = re.findall('\d{11}',str)
　　
print(&quot;find3:%s&quot;%find3)
　　
#打印内容
　　
find3:['15810740000','12346010473']
　　
　　finditer()方法    与findall类似，只不过返回的是个callable_iterator迭代器，python2中支持next方法去遍历，python3中不支持。常见语法如下：
str = '用户输入的字符串'　　
re.finditer(r'正则表达式',str,flags)
　　例如：
str = 'my phone is 15810740000 ,my friend\'s phone is 12346010473'　　
find4 = re.finditer('\d{11}',str)
　　
for i in find4:
　　
    print(&quot;find4:%s,%s&quot;%(i,i.group()))
　　
#打印内容
　　
find4:<_sre.SRE_Match object; span=(12, 23), match='15810740000'>,15810740000
　　
find4:<_sre.SRE_Match object; span=(46, 57), match='12346010473'>,12346010473
　　sub()、subn()方法    搜索和替换，sub返回替换后的字符串，subn返回一个元组，元素分别是替换后的字符串和替换的个数。如果没有正确的匹配替换，将返回原字符串，常见语法如下：
str = '用户输入的字符串'　　
re.sub(r'正则表达式'，repl，str，count=0)
　　
re.subn(r'正则表达式'，repl，str，count=0)
　　
#使用repl替换正则表达式在str中匹配的部分，如果指定count个数，将替换对应的个数，否则将全部替换
　　例如：
str = 'my phone is 15810740000 ,my friend\'s phone is 12346010473'　　
sub1 = re.sub('(\d{11})',r'+86 \1',str)
　　
print(&quot;sub1:%s&quot;%(sub1))
　　
sub2 = re.subn('(\d{11})',r'+86 \1',str)
　　
print(&quot;sub2:%s,共替换%s处&quot;%(sub2))
　　
#打印内容
　　
sub1:my phone is +86 15810740000 ,my friend's phone is +86 12346010473
　　
sub2:my phone is +86 15810740000 ,my friend's phone is +86 12346010473,共替换2处
　　注：在sub1、sub2正则表达式中都用了一个'\1'，表示的就是匹配的字符串。
　　'(\d{11})'用了小括号，表示分组，'\1'表示分组的编号，这里只有一对小括号（一组），'\1'对应的就是全部匹配字符串。
　　split()方法    与字符串分割的方法类似，但是功能更加强大，常见语法如下：
str = '用户输入的字符串'　　
re.split('正则表达式',str,maxsplit=0)
　　
#指定maxsplit个数只分割对应的个数，不指定将全部分割。python2中该参数为max
　　例如：
str = 'root:x:0:0:root:/root:/bin/bash'　　
print(re.split(':',str,maxsplit=5))
　　
#打印内容
　　
['root', 'x', '0', '0', 'root', '/root:/bin/bash']
　　补充：
　　匹配对象的方法group(num=0)和groups()    group()返回匹配对象整个匹配的结果，对于含有子组的匹配对象来说，指定num，将返回对应的子组；groups()返回一个元组，包含匹配的每个子组，如果没有成功匹配，返回一个空元组，例如：
import re　　
str = '158107470000@163.com'
　　
reg = r'(\w+)@(\w+).com'
　　
find1 = re.match(reg,str)
　　
print(find1.group(),find1.group(1),find1.group(2))
　　
print(find1.groups())
　　
#打印内容
　　
158107470000@163.com 158107470000 163
　　
('158107470000', '163')
　　常用属性    re模块还包括一些常用的属性，可以在匹配时作为flags使用，如下：
#re.I、re.IGNORECASE    不区分大小写的匹配　　
#re.L、re.LOCALE        根据所使用的本地语言环境通过\w、\W、\b、\B、\s、\S 实现匹配
　　
#re.M、re.MULTILINE    ^和$分别匹配目标字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和结尾
　　
#re.S、rer.DOTALL        “.”（点号）通常匹配除了\n（换行符）之外的所有单个字符；该标记表示“.”（点号）能够匹配全部字符
　　
#re.X、re.VERBOSE        通过反斜线转义，否则所有空格加上#（以及在该行中所有后续文字）都被忽略，除非在一个字符类中或者允许注释并且提高可读性

• 　　分组
  

　　() 小括号中匹配的分为一组，常用功能：简洁代码、字串提取，例如：
#匹配ip地址，相同的部分写成了一组　　
import re
　　
re.match(r'(\d{1,3}.){3}\d{1,3}','127.0.0.1')
#识别时间，提取小时、分钟、秒　　
import re
　　
t = '23:05:30'
　　
m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
　　
print (m.groups())