Python中通过re模块实现了正则表达式的功能。re模块提供了一些根据正则表达式进行查找、替换、分隔字符串的函数。本文主要介绍re模块中常用的函数和函数常用场景。
正则表达式基本语法
要想真正的用好正则表达式，正确的理解元字符是最重要的事情。下表列出了所有的元字符和对它们的一个简短的描述。
re模块常用函数
1、match(pattern,string,flags=0)
根据pattern从string的头部开始匹配字符串，只返回第1次匹配成功的对象，否则，返回None。flags表示规则选项。
>>> import re >>> Str='Python:Java:C' >>> re.match(r'Python',Str) #匹配成功 <_sre.SRE_Match object at 0x0000000005C5FCC8> >>> Str='Java:Python:C' >>> re.match(r'Python',Str) #匹配失败 >>>
2、search(pattern,string,flags=0)
根据pattern在string中匹配字符串，只返回第1次匹配成功的对象，否则，返回None。
>>> import re >>> Str='Python:Java:C' >>> re.search(r'Python',Str) #匹配成功 <_sre.SRE_Match object at 0x00000000060D7D98> >>> Str='Java:Python:C' >>> re.search(r'Python',Str) #同样匹配成功 <_sre.SRE_Match object at 0x0000000005C5FCC8>
3、split(pattern,string,maxsplit=0)
根据pattern分隔string,maxsplit表示最大分隔数。
>>> import re >>> Str='Python:Java:C' >>> re.split(r':',Str) #指定分隔符: ['Python', 'Java', 'C'] >>> Str='Python:Java:C' >>> re.split(r':',Str,1) #指定最大分割次数 ['Python', 'Java:C'] >>> Str = "Python:Java:Shell|C++|Ruby" >>> re.split(r'[:|]',Str) #指定多种分隔符 ['Python', 'Java', 'Shell', 'C++', 'Ruby']
4、compile(pattern,flags=0)
编译正则表达式pattern,返回一个pattern对象。
>>> import re >>> regex = r'Python' >>> Str='Python:Java:C' >>> p = re.compile(regex) >>> p.match(Str) <_sre.SRE_Match object at 0x00000000060D7D98>
说明：pattern对象方法除了match()，还包括search()、findall()、finditer()。
5、sub(pattern,repl,string,count=0)
根据指定的正则表达式，替换字符串中的子串。pattern是一个正则表达式，repl是用于替换的字符串,string是源字符串,如果count为0，则返回string中匹配的所有结果。如果count>0,则返回前count个匹配结果。
>>> import re >>> Str='Python:Java:C' >>> re.sub(r'P.*n','Ruby',Str) 'Ruby:Java:C' >>> print Str #不改变原字符串 Python:Java:C
6、subn(pattern,repl,string,count=0)
作用和sub()相同，返回一个二元元组。第一个元素是替换结果，第2个元素是替换的次数。
>>> import re >>> Str='Python:Java:C' >>> re.subn(r'P.*:','Ruby:',Str) #返回替换次数 ('Ruby:C', 1) >>> re.subn(r'P.*?:','Ruby:',Str) #注意匹配中多了个？号，替换内容不同了 ('Ruby:Java:C', 1) >>>
说明：匹配条件中'P.*?:'有无问号?号是有区别的。不加？号是贪婪匹配。
7、findall(pattern,string,flags=0)
根据pattern在string中匹配字符串。如果匹配成功，返回包含匹配结果的列表，否则，返回空列表。但pattern中有分组时，返回包含多个元组的列表，每个元组对应一个分组。
>>> import re >>> regex = r'\w+' #\w表示匹配包括下划线的任何单词字符 >>> Str='Python:Java:C' >>> p = re.compile(regex) >>> p.findall(Str) ['Python', 'Java', 'C']
描述完re模块的主要函数后，这里再强调 函数中的flags参数 和 re.compile() 函数。
1、re.flags参数
通过查看re模块函数的原型可以发现，函数参数几乎都有flags参数，该参数用于设置匹配的附加选项。例如，是否忽略大小写、是否支持多行匹配等。常用的re模块规则选项如下所示：
I或IGNORECASE 忽略大小写
L或LOCALE 字符集本地化，用于多语言环境
M或MULTILINE 多行匹配
S或DOTALL 使.匹配包括\n在内的所有字符
X或VERBOSE 忽略正则表达式中的空白、换行，方便添加注释
U或UNICODE \w、\W、\b、\B、\d、\D、\s和\S都将使用Unicode
通过一个忽略大小写的实例看下用法：
>>> import re >>> Str='Python:Java:C' >>> re.match(r'python',Str) #匹配失败 >>> re.match(r'python',Str,re.I) #加re.I，匹配成功 <_sre.SRE_Match object at 0x00000000060D7D98>
2、re.compile() 函数
正则表达式的解析非常耗时，如果多次使用findall()的方式匹配字符串搜索效率可能比较低。如果多次使用同一规则匹配字符串，可以使用compile()进行预编译，compile函数返回1个pattern对象。该对象拥有一系列方法用于查找、替换或扩展字符串，从而提供字符串的匹配速度。patter对象的属性和方法如下
pattern #获取当前使用的正则表达式 match(string,flags=0) #同re.match() search(string,flags=0) #同re.searc() findall(string,flags=0) #查找所有符合pattern对象匹配条件的结果，返回1个包含匹配结果的列表。 finditer(string,flags=0) #返回一个包含匹配结果的地址
另外，函数compile()通常与match()、search()、group()一起使用对含有分组的正则表达式进行解析。正则表达式的分组从左往右开始计数，第1个出现的圆括号标记为第1组，依次类推。此外还有0号组，0号组用于存储匹配整个正则表达式的结果。match()和search()将返回一个match对象，match对象提供了一系列的方法和属性来管理匹配的结果。match对象的方法和属性如下：
group(index=0) #某个分组的匹配结果。默认匹配整个正则表达式 groups() #所有分组的匹配结果，每个分组的结果组成1个列表返回
举例，匹配身份证号码并获取身份证中的年、月、日信息。
>>> regex = r'[1-9][0-9]{5}(\d{4})(\d{2})(\d{2})[0-9]{3}[0-9X]' >>> Str = '11010019950807532X' >>> p = re.compile(regex) >>> m = p.match(Str) >>> m.groups() ('1995', '08', '07') >>> m.group(1) '1995' >>> m.group(2) '08' >>> m.group(3) '07'
典型实例
1、多关键字任一匹配查找
>>> import re >>> regex = r'Python|Java|C' >>> Str1 = 'Hello Java，Python Developer' >>> p = re.compile(regex) >>> p.findall(Str1) ['Java', 'Python']
说明：regex中的Python、Java、C表达式都可以单独作为一个匹配关键词在字符串中进行查找。也就是它们之间是 或 的关系。
2、提取字符串中的手机号码，手机号前缀为136，长度11位。
>>> import re >>> Str = '13612345678,1361234567,123a2345678,136 12345678,13712345678,13687654321' >>> regex = r'136\d{8}' >>> p = re.compile(regex) >>> num_lst = p.findall(Str) >>> print num_lst ['13612345678', '13687654321']
3、利用分组命名，提取字符串中的内容
>>> import re >>> Str = 'Learn 1998-07-12,Practice 1999-09-09,Complete 2000-01-01' >>> regex = r'(?P<year>[1-9]\d{3})-(?P<month>\d{2})-(?P<day>\d{2})' >>> p = re.compile(regex) >>> m = p.search(Str) >>> print m.group('year') 1998 >>> print m.group('month') 07 >>> print m.group('day') 12