一、Re库的主要功能:
函数 | 功能 |
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
re.match() | 在一个字符串的开始位置匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表的形式返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配的结果进行分割,返回列表类型 |
re.finditer() | 搜索字符串,返回一个匹配的迭代类型,每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
二、Re库的主要函数的功能:
•re.search(pattern,string,flags=0)
参数 | 功能 |
pattern | 正则表达式的字符串或原生字符串表示 |
string | 带匹配的字符串 |
flags | 正则表达式使用时的控制标记 |
(1)flags的常用标记:
常用标记 | 说明 |
re.I re.IGNORECASE | 忽略正则表达式的大小写,[A-Z]能够匹配小写字符 |
re.M re.MULTLINE | 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始 |
re.S re.DOTALL | 正则表达式中的.操作符能够匹配所有字符,默认匹配除\n外的所有字符 |
(2)search函数实例
import re
match1 = re.search(r'[1-9]\d{5}','BIT 100081 TSU100084')
if match1:
print(match1.group(0)) #结果:100081
•re.match(pattern,string,flags=0)
(1)match函数实例
import re
match2 = re.match(r'[1-9]\d{5}','BIT 100081')
if match2:
print(match2.group(0)) #print(match2.group(0)),注意,如果这里不直接判断re.match()返回的对象是否为空,会报错,
#因为这里的match2并没有从这个字符串的开始部分匹配到目标字符串,所以返回的match2对象没有group这个参数
#对上面的代码进行修改
match3 = re.match(r'[1-9]\d{5}','100081 BIT')
if match3:
print(match3.group(0)) #输出:'100081'
•re.findall(pattern,string,flags=0)
(1)findall函数实例(返回的是列表类型)
import re
ls = re.findall(r'[1-9]\d{5}','BIT100081 CLS100084')
print(ls)#['100081','100042'],将所有匹配的输出
for i in ls:
print(i)
#
#
•re.split(pattern,string,maxsplit,flags=0)
参数 | 说明 |
maxsplit | 最大分割数,剩余部分作为最后一个元素输出 |
import re
print(re.split(r'[1-9]\d{5}','BIT100081 TSU100084'))
#re.split()是将匹配到的字符串删去以列表的形式输出
print(re.split(r'[1-9]\d{5}','BST100081 TSU100084',maxsplit=1))
#maxsplit=n的作用是只匹配前n个匹配到的字符串,不管后面的是否匹配都不管
•re.finditer(pattern,string,maxsplit,flags=0)
import re
m = re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084')
#re.finditer返回的是迭代类型
#如果此时运行print(m),输出是<callable_iterator object at 0x0000024203F83E10>
for i in m:
print(i)
#输出:
#<re.Match object; span=(3, 9), match='100081'>
#<re.Match object; span=(13, 19), match='100084'>
#正确的输出格式
for m in re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084'):
if(m):
print(m.group(0))
#
#
•re.sub(pattern,repl,string,count=0,flags=0)
参数 | 说明 |
repl | 替换匹配字符串的字符串 |
count | 匹配的最大替换次数 |
import re
print(re.sub(r'[1-9]\d{5}',':zipcode','BIT100081 TSU100084'))
#BIT:zipcode TSU:zipcode
print(re.sub(r'[1-9]\d{5}',':zipcode','BIT100081 TSU100084',count=1))
#BIT:zipcode TSU100084
三、Re库的另一种等价用法:
rst = re.compile(pattern,flags=0)
rst = re.search(r'[1-9]\d{5}','BIT100081 TSU100084')
#函数式用法:一次性操作
pat = re.compile(r'[1-9]\d{5}')#此时经过compile的pat才是一个正则表达式
rst = pat.search('BIT100081 TSU100084')
#面向对像用法:编译后的多次操作
四、Match对象的基本属性:
属性 | 说明 |
.string | 待匹配的文本 |
.re | 匹配时使用的pattern对象(正则表达式) |
.pos | 正则表达式搜索文本的开始位置 |
.endpos | 正则表达式搜索文本的结束位置 |
五、Match对象的方法:
方法 | 说明 |
.group(0) | 获得匹配后的字符串 |
.start() | 匹配字符串在原始字符串的开始位置 |
.end() | 匹配字符串在原始字符串的结束位置 |
.span() | 返回(.start(), .end())元组类型 |
六、贪婪匹配算法:
import re
match4 = re.search(r'PY.*N','PYBNCNDN')
print(match4.group(0))
#默认匹配最长的一个字符串,PYBNCNDN #那么如何让它匹配最短的字符串呢?
match4 = re.search(r'PY.*?N','PYBNCNDN')
#PYBN
七、最小匹配操作符:
操作符 | 说明 |
*? | 前一个字符0次或无限次扩展,最小匹配 |
+? | 前一个字符1次或无限次扩展,最小匹配 |
?? | 前一个字符0次或1次扩展,最小匹配 |
{m,n}? | 扩展前一个字符m至n次(含n),最小匹配 |