Python re模块与正则表达式详解，,Python 中使用

Python re模块与正则表达式详解，,Python 中使用

Python 中使用re模块处理正则表达式，正则表达式主要用来处理文本中的查找，匹配，替换，分割等问题；我们先来看一个问题，切入正则表达式。

问题：

匹配字符串，最少以3个数字开头。使用Python代码如何实现？
检查条件：

1>字符串长度判断；
2>判断前三个字符是否是数字；

这样实现起来有点啰嗦，我们可以使用正则表达式，先来看正则表达式基本语法。

1 正则表达式基本语法

.           匹配任意字符（不包括换行符）^           匹配开始位置，多行模式下匹配每一行的开始$           匹配结束位置，多行模式下匹配每一行的结束*           匹配前一个元字符0到多次+           匹配前一个元字符1到多次?           匹配前一个元字符0到1次{m,n}       匹配前一个元字符m到n次\           转义字符，例如\.只能匹配.[]          字符集，一个字符的集合，可匹配其中任意一个字符\d          匹配一个数字， 相当于 [0-9]\D          匹配非数字,相当于 [^0-9]\s          匹配任意空白字符， 相当于 [ \t\n\r\f\v]\S          匹配非空白字符，相当于 [^ \t\n\r\f\v]\w          匹配数字、字母、下划线中任意一个字符， 相当于 [a-zA-Z0-9_]\W          匹配非数字、字母、下划线中的任意字符，相当于 [^a-zA-Z0-9_]|           逻辑表达式 或 ，比如 a|b 代表可匹配 a 或者 b(...)       分组

给一坨这个玩意，怎么用，都需要记住吗？
如果能记住就记住，如果很久不使用，就忘记吧；
等使用的时候直接查资料，理解能使用即可。
下面我们结合re模块，看正则表达式如何使用。

2 re.compile方法；

Python中正则表达式执行过程：根据表达式编译生成Pattern对象，然后进行相关处理；
如果高频率使用一个固定的正则表达式，我们可以提前生成Pattern对象，提高效率。

compile方法：

import rere.compile(pattern, flags=0) #pattern为正则表达式

参数：
pattern：正则表达式，是指为字符串；为了防止转义推荐使用原字符串（r‘xxx‘）；
flags：编译标志位，修改正则表达式的匹配方式，例如：大小写区分，换行处理等；

例子：匹配任意一个数字开头字符串：

import repobj = re.compile(r‘\d‘)type(pobj)

输出结果：re.Pattern对象；
问题：如何来匹配呢？

3 re.match方法

re.match方法：从起始位置开始匹配，返回None或者re.Match对象；

#re模块match方法，参数：pattern：正则表达式，string：处理字符串re.match(pattern, string, flags=0)#re.Pattern对象中match方法，参数：string：处理字符串re.Pattern.match(string, pos=0, endpos=...)

练习：匹配一个数字开头字符串：

import rema = re.match(r‘\d‘, ‘123‘)print(ma)

输出结果：

<re.Match object; span=(0, 1), match=‘1‘>

match方法匹配过程：生成Pattern对象，然后进行匹配；
如何获取匹配结果？来看Match对象相关方法。

方法	说明
ma.end(group=0, /)	返回指定分组的结束位置
ma.start(group=0, /)	返回指定分组的开始位置
ma.span(group=0, /)	返回指定分组开始与结束位置
ma.group([group1, ...])	返回字符串或者元组
ma.groups(default=None)	返回所有分组信息
groupdict([default=None])	根据key获取分组信息

实际操作下，理解起来就容易了：

import reimport re#正则表达式：匹配内容：数字+a~z+数字，并且进行分组ma = re.match(r‘(\d)\w*(\d)‘, ‘1c3‘)#匹配结果：‘1c3‘print(‘group():‘, ma.group())#获取指定分组：1print(‘group(1):‘, ma.group(1)) #获取多个分组：(‘1‘, ‘3‘)print(‘group(1,2):‘, ma.group(1,2))#获取所有分组：(‘1‘, ‘3‘)print(‘groups():‘, ma.groups())#获取匹配结果索引：(0, 3)print(‘span():‘, ma.span())#获取指定分组索引：(0, 1)print(‘span(1):‘,ma.span(1))

输出结果：

group(): 1c3group(1): 1group(1,2): (‘1‘, ‘3‘)groups(): (‘1‘, ‘3‘)span(): (0, 3)span(1): (0, 1)

match方法只能用于从头匹配，如何在整个字符串中查找？
使用search方法。

4：re.search方法

search方法用于在字符串中查找，返回Match对象或者None；

search(pattern, string, flags=0)；参数与match类似。

练习：查找第一次出现的数字组成的字串，例如：
在字符串：‘pay:2000 date:2019-03-04‘，找到支付价格：2000；
分析：

1>支付前固定值：‘pay:‘
2>支付金额：数字字符串

对应正则表达式逻辑：‘pay:‘+匹配数字直到非数字字符；具体实现：

s = ‘pay:2000 date:2019-03-04‘#\d+：匹配数字一次或者多次ma = re.search(r‘pay:\d+‘, s)print(ma)

输出结果：

<re.Match object; span=(0, 8), match=‘pay:2000‘>

如何获取2000这个值？增加一个分组，代码实现：

s = ‘pay:2000 date:2019-03-04‘#\d+：匹配数字一次或者多次，使用分组ma = re.search(r‘pay:(\d+)‘, s)print(ma)#获取分组1对应值print(ma.group(1))

输出结果：

<re.Match object; span=(0, 8), match=‘pay:2000‘>2000

5 re.findall/finditer方法

re.findall：在字符串中根据正则表达式查找所有匹配，返回查找结果组成列表；
re.finditer与findall功能相同，返回自迭代器；

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

练习：查找字符串中所有数字字符串，
例如：‘pay:2000 date:2019-03-04‘ 查找数字结果：[‘2000‘, ‘2019‘, ‘03‘, ‘04‘]
实现如下：

import res = ‘pay:2000 date:2019-03-04‘result = re.findall(r‘\d+‘, s)print(result)

结果为列表：[‘2000‘, ‘2019‘, ‘03‘, ‘04‘]；

6 re.split方法

re.split：字符串中根据正则表达式查找匹配字符串，然后进行切分，返回字串列表；

re.split(pattern, string, maxsplit=0, flags=0)#maxsplit：切分次数，默认所有匹配都切分

练习：

info = ‘system:linux,  cpu:x64  memory 8G‘整理格式：dinfo = {‘system‘:‘linux‘, ‘cpu‘:‘x64‘, ‘memory‘:‘8G‘}

分析：

1>对info使用非字母，数字进行切分；
2>切分后将其整理成字典；

第一步切分：

info = ‘system:linux, cpu:x64 memory 8G‘#正则表达式：\W+，匹配1个或多个s = re.split(r‘\W+‘,info)print(s)

切分结果：[‘system‘, ‘linux‘, ‘cpu‘, ‘x64‘, ‘memory‘, ‘8G‘]；
第二步整理字典：

info = ‘system:linux, cpu:x64 memory 8G‘s = re.split(r‘\W+‘,info)dinfo = {}for index in range(0, len(s), 2):    dinfo[s[index]] = s[index+1]print(dinfo)

输出结果：{‘system‘: ‘linux‘, ‘cpu‘: ‘x64‘, ‘memory‘: ‘8G‘}

7 re.sub与re.subn

re.sub与re.subn实现的字符串替换功能；

re.sub(pattern, repl, string, count=0, flags=0)re.subn(pattern, repl, string, count=0, flags=0)

re.sub方法根据正则表达式将匹配子串替换成设置值并返回新字符串；参数如下：

主要参数	说明
pattern	正则表达式
repl	替换内容，可以是字符串或者函数
string	处理字符串
count	替换数量

re.subn与re.sub类似，返回替换数量与新字符串；

练习：

s  = "user:sun,pwd:222222"，将密码：222222 替换为：******；

可以直接使用字符串替换方法：

s.replace(‘222222‘, ‘******‘)#结果：‘user:sun,pwd:******‘

如果密码为不一样数字如何替换？例如：

s  = "user:sun,pwd:234567"

使用re.sub方法：

#将pwd:xxxx替换成******re.sub(r‘pwd:(\d+)‘, "******", s)#结果：‘user:sun,******‘

问题：pwd:去哪里了？如何处理？使用分组。

#pattern使用两个分组#repl为原字符串，\1代表第一个分组内容，re.sub(r‘(pwd:)(\d+)‘, r"\1******", s)

替换结果：

‘user:sun,pwd:******‘

大家可以理解下这个题目。

新的问题来了，一组考试成绩：

s = ‘math:90, chinese:90, english:50‘

大于等于60，替换成Pass，否则替换成Faild；推荐使用正则。

我们可以使用函数功能，先来看匹配分数，将其替换为空字符串；

re.sub(r‘\d+‘, ‘‘, s)

结果：‘math:, chinese:, english:‘；
我们将repl替换成函数，函数有一个参数，返回值为空字符串；

def func(arg):    print(arg)    return ‘‘re.sub(r‘\d+‘, func, s)

输出结果：

<_sre.SRE_Match object; span=(5, 7), match=‘90‘><_sre.SRE_Match object; span=(17, 19), match=‘90‘><_sre.SRE_Match object; span=(29, 31), match=‘50‘>‘math:, chinese:, english:‘

可以看到func中参数为每个匹配的match对象，我们可以获取这个值，并对其处理。

def func(arg):    #获取分数    score = int(arg.group())    #重置返回结果    if score <60:        return ‘Faild‘    return ‘Pass‘re.sub(r‘\d+‘, func, s)

输出结果：

‘math:Pass, chinese:Pass, english:Faild‘

以上这些就是re模块常用使用方法及正则表达式基本语法，后面文章我们在介绍正则表达式更高级使用。

Python re模块与正则表达式详解