re模块：模式匹配与正则表达式

一、用正则表达式查找文本模式

　　正则表达式，简称regex，是文本模式的描述方法。比如\d是一个正则表达式，用于表示一位0~9的数字。在一个模式后面加上花括号包围的数字n（如{n}），表示匹配这个模式n次。

1、创建正则表达式对象

　　Python中的正则表达式位于re模块中。

　　向re.compile()传入一个字符串值，表示正则表达式，将返回一个Regex模式对象。

import re
phoneNumberRegex=re.compile(r'\d\d\d-\d{8}')

　　上述代码创建一个用于匹配电话号码的正则表达式。

 

2、匹配Regex对象

　　Regex对象有一个search()方法查找传入的字符串，寻找与该正则表达式相匹配的所有内容。

　　如果找到了匹配的内容，search()方法会返回一个Match对象，该对象包含一个group()方法，会返回被查找字符串中相匹配的文本。

　　如果没有找到匹配的内容，则返回None。

mr = phoneNumberRegex.search('My phone number is 555-66668888.')
print(mr.group())

　　示例：

import re
phone_number_regex = re.compile(r'\d{3}-\d{3}-\d{4}')  #{3}表示这个表达式匹配3次
mo = phone_number_regex.search('My number is 515-555-5555')
print('Phone number found:'+ mo.group())
print(type(mo))   #mo是一个Match对象，需要调用group()方法才会打印实际匹配到的文本

>>>Phone number found:515-555-5555

 

3、用正则表达式匹配更多模式

（1）利用括号分组

　　添加括号将在正则表达式中创建分组，如(\d\d\d)-(\d\d\d\d-\d\d\d\d)，然后可以利用group()方法从分组中获得匹配的文本。向group()方法中传入整数参数，则返回与参数对应的分组内容，如果传入0或者不传参数，则默认返回全部文本。如果想要一次获取全部分组，可以使用groups()方法，该方法返回一个元组，其中包含所有的分组。

import re

phone_number_regex = re.compile(r'(\d{3})-(\d{3}-\d{4})')
mo = phone_number_regex.search('My number is 515-555-5555')
print(mo.group(1))
print(mo.group())
7 print(mo.groups())

>>>
515
515-555-5555
('515', '555-5555')

 注意：正则表达式中的原始字符串 r  对括号  (  )   没有作用，如果想匹配括号，必须用  \  进行转义。

 （2）用管道符 |  匹配多个分组

　　比如：正则表达式 r'Batman|Tina Fey' 将匹配‘Batman’或者‘Tina Fey’。 如果两个内容同时出现在被查找的内容中，则返回第一次出现的匹配文本。 

import re
hero_regex = re.compile(r'Batman|Tina Fey')
mo1 = hero_regex.search('Batman and Tina Fey')
print(mo1.group())

>>>
Batman

　　如果想要匹配的内容有相同的前缀，则可以用管道符将后缀组合起来。 

import re
bat_regex = re.compile(r'Bat(man|mobile|copter|bat)')
mo1 = bat_regex.search('Batmobile lost a wheel')
print(mo1.group())  #返回完全匹配的文本Batmobile
print(mo1.group(1))   #只返回括号分组内匹配的文本mobile
>>>

Batmobile
mobile

 

（3）用问号实现可选匹配

　　字符 ？ 表明它前面的分组在这个模式中是可选的，即匹配0次或者1次。

　　比如 r'Bat(wo)?man' 将匹配 ‘Batman’ 和 ‘Bat(wo)man’

（4）用星号 * 匹配0次或者多次

　　比如 r'Bat(wo)*man' 将匹配 ‘Batman’ 和 ‘Batwoman’以及'Batwowowowo.......man'

（5）用加号 +匹配一次或者多次

 　　比如 r'Bat(wo)*man' 将匹配 ‘Batwoman’以及'Batwowowowo.......man'

 （6）用花括号 { } 匹配特定次数

　　比如 (Ha){3} 将匹配 ‘HaHaHa’

　　另外花括号还可以指定一个范围，比如{3,5}，{3，}，{，5}

 

4、贪心匹配和非贪心匹配

　　Python的正则表达式默认在有二义的情况下匹配尽可能长的字符，比如{3,5}，如果可以匹配5次，就默认匹配5次。如果想要设置非贪心匹配，则在花括号后面加上？，即{3,5}？，则匹配最少的次数。

 

5、findall() 方法

　　search方法返回一个对象，包含被查找字符串中的‘第一次’匹配的内容。而findall方法将以列表的形式返回一组字符串，包含被查找的字符串中所有匹配的内容。

import re

phone_numbre_regex = re.compile(r'\d{3}-\d{3}-\d{4}')  #未分组
phone_number = phone_numbre_regex.findall('Cell:555-555-5555 Work:888-888-8888')
print(phone_number)

phone_numbre_regex = re.compile(r'(\d{3})-(\d{3}-\d{4})')  #有分组
phone_number = phone_numbre_regex.findall('Cell:555-555-5555 Work:888-888-8888')
print(phone_number)
>>>
['555-555-5555', '888-888-8888']
[('555', '555-5555'), ('888', '888-8888')]

  注意：如果调用的是一个没有分组的正则表达式，findall将返回一个匹配字符串的列表；如果调用的是一个有分组的正则表达式，findall方法返回的是一个字符串的元组的列表，因为分组匹配到的内容会放在元组中传递给列表。

 

6、字符分类

字符分类	表       示
\d	0到9的任何数字
\D	除0到9的数字以外的任何字符
\w	任何字母、数字或下划线字符（看做是匹配‘单词’字符）
\W	除字母、数字和下划线以外的任何字符
\s	空格、制表符或换行符（看做是匹配‘空白’字符）
\S	除空格、制表符和换行符以外的任何字符

 　　字符分类一般用于压缩正则表达式，比如[0-5]只匹配数字0-5，比输入（0|1|2|3|4|5） 要方便很多。

 

7、建立自己的字符分类

　　（1）可以用方括号定义自己的字符分类。

　　比如：

　　　　[aeiouAEIOU]用于匹配所有的元音字母。

　　（2）可以使用短线 — 表示字母或者数字的范围

　　比如：

　　　　[a-zA-Z0-9] 将匹配所有的小写字母、大写字母和数字

　　（3）在方括号中的普通正则表达式不会被解释，也就是说不需要用反斜线进行转义。

　　比如：

　　　　[0-5.] 将用于匹配数字0-5和一个句点，而句点不需要进行转义。

　　（4）通过在字符分类的左方括号后面加上一个插入字符( ^ )就可以得到‘非字符类’ 。非字符分类将匹配不在这个字符分类中的所有字符。

 

8、插入字符和美元字符

　　可以在正则表达式的开始处使用插入符号（^）表明匹配必须发生在被查找文本的开始处；

　　可以在正则表达式的末尾处使用美元符号（$）表明该字符串必须以这个正则表达式的模式结束；

　　可以同时使用上述两个字符，表明整个字符串必须完全匹配该正则表达式。

　　注意：这里的插入符用法和字符分类中插入符用法的不同。

 

 9、通配字符

　　在正则表达式中，句点（.）表示匹配除换行符之外的所有字符，但是句点只匹配一个字符，可以和前面的多次匹配相结合使用，比如( .* )匹配任意多个非换行字符。

import re
bat_Regex = re.compile(r'.*')
mo_1 = bat_Regex.search('The Adventures \n of Batwowowoman')
print(mo_1.group())
>>>The Adventures 

 

 　　如果想要句点字符可以匹配换行符，可以通过传入re.DOTALL作为re.compile()的第二个参数

import re
bat_Regex = re.compile(r'.*',re.DOTALL)
mo_1 = bat_Regex.search('The Adventures \n of Batwowowoman')
print(mo_1.group())
>>>

The Adventures
 of Batwowowoman

 

 

10、不区分大小写的匹配

　　可以通过传入 re.I (IGNORECASE) 作为re.compile()的第二个参数,使匹配字符的时候忽略大小写

 

11、用sub()方法替换字符串

　　Regex对象的sub() 方法需要传入两个参数，第一个参数是一个字符串，用于取代发现的匹配，第二个字符串是一个字符串，使用正则表达式匹配的内容。sub() 方法返回替换完后的字符串。

 

12、管理复杂的正则表达式

　　可以通过传入re.VERBOSE 作为re.compile()的第二个参数，这样就可以忽略被正则表达式中的空白符和注释

import re

name_regex = re.compile(r'''
                        ([a-z]*)  #匹配任意多个字母，不区分大小写
                        (\n)   #匹配一个换行符
                        ([0-9]*)   # 匹配任意多个数字
                        ''',re.I|re.DOTALL|re.VERBOSE)
 # 末尾加上 re.I 表示忽略大小写； re.DOTALL 表示让句点字符‘.’也能匹配换行； re.VERBOSE表示在正则表达式中使用注释。
answer_1= name_regex.search('abcdABCD\n8097809')
print(answer_1.group())
>>>

abcdABCD
8097809

 

注意：如果想要正则表达式忽略大小写，并且匹配换行符，同时还要忽略空白符和注释，可以向re.compile() 的第二个参数同时传入 re.I  、re.VERBOSE 、re.DOTALL ,用管道符连接起来即可。