【python学习第11节笔记：正则表达式，python中使用正则表达式】

一，正则表达式

什么是正则表达式：正则表达式又称规则表达式。用来匹配，检索，替换符合某个规则的文本。表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符，及这些特定字符的组合，组成一个”规则字符串“，这个”规则字符串“用来表达对字符串的一种过滤逻辑。

1.1元字符

1.1.1元字符（1）

. 匹配单个字符，如 r.t匹配 rat，rot 等
* 匹配任意多个字符
+ 匹配一个或多个在它之前的那个字符，如：r+t 匹配 rt ，rrt 等
\ 转意字符将元字符当作普通字符

1.1.1元字符（2）

? 只能匹配0或1个在他之前的字符，如： r?t ，只匹配 t 或者 rt
| 两个匹配条件进行逻辑‘’或‘’运算，如： \(him\|her\) 匹配 him 或者 her
$ 匹配行结束符，如： boy$ 匹配以boy位行结尾的字符串
^ 匹配一行的开始，如： ^boy 匹配以boy为行首的字符串

1.1.1元字符（3）

[ ] 匹配括号中的任意一个字符，如：r[aou]t 匹配 rot, rat, rut
[c1-c2] 括号中可以使用连字符-来指定，如：[0-5]，匹配 0 1 2 3 4 5
[^c1-c2] 匹配除了指定区间外的补集，如：[^257a-c]匹配除了2 5 7 a b c以外的任何一个字符

1.1.1元字符（4）

\< 和 \> 匹配词（word）的开始和结束，如：\匹配 them 不匹配 other
\( \) 将两个之间的表达式定义为一个‘“组”，并且将这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到 \9的符号来引用。如：%s/\(99\)/\1aa/g 将99替换成99aa

1.1.1元字符（5）

\{ i \} 和 \{i , j \} 匹配指定数目的字符，如：a[1-6]\{2\}能够匹配到a后面跟着的正好2个字符的a13, a24, a54等不会匹配到 a123

二，python中使用正则表达式

python通过使用re模块，获得全部正则表达式的功能

2.1re.match

对字符串进行完整的匹配（从0开始匹配）

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

pattern：  匹配的正则表达式
string：   要匹配的字符串
flags：   标志位，用于 控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
示例1：

import re
print(re.match('www','www2 213 sad')) #在起始位置匹配
print(re.match('www','2 213 swwwad')) #不在起始位置匹配

#执行结果
<_sre.SRE_Match object; span=(0, 3), match='www'>
None
1
2
3
4
5
6
7

示例2：
. 代表任意一个字符
* 是前面一个字符的任意重复
re.I 表示忽略大小写
r 表示原始字符串（不用转义）

print("\ne")
print(r"\ne")
#执行结果

e
\ne
1
2
3
4
5
6

直接输出matchobj.group()会输出匹配到的整句话，matchobj.group(1)会输出匹配到的第一组
matchobj.group(2)会输出匹配到的第一组。

import re
line = "Page is a pig"
matchobj = re.match(r'(.*) is a (.*)',line,re.I)
print(matchobj.group())
print(matchobj.group(1))
print(matchobj.group(2))


#执行结果
Page is a pig
Page
pig
1
2
3
4
5
6
7
8
9
10
11
12

2.2re.search

扫描整个字符串并返回第一个成功的匹配

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

pattern：  匹配的正则表达式
string：   要匹配的字符串
flags：   标志位，用于 控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
示例：

import re
print(re.search('www','2 213 swwwad'))
print(re.search('www','2 213 swwwad').group()) #匹配不上返回空

#执行结果
<_sre.SRE_Match object; span=(7, 10), match='www'>
www
1
2
3
4
5
6
7

2.3re.sub

用于替换字符串中的匹配项

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

pattern：  匹配的正则表达式
repl：  替换的字符串，也可以为一个函数
string：   要被查找替换的字符串
count：  模式匹配后替换的最大次数，默认 0 表示替换所有的匹配
flags：   标志位，用于 控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
示例1：传入的是一个字符串
#.*$ 的意思是以#开头任意字符结尾
\D 的意思是非数字的字符串

import re
phone = "0086-10-12345678 #这是一个国内北京的电话号码"

#删除后面的注释
num = re.sub(r'#.*$',"",phone)
print(num)

#删除非数字的字符串
num = re.sub(r'\D',"",phone)
print(num)

#执行结果
0086-10-12345678 
00861012345678
1
2
3
4
5
6
7
8
9
10
11
12
13
14

示例2：传入的是一个函数
(?P…)：这部分是正则表达式中的命名捕获组语法。它允许给一个子模式（…）指定一个名称，这里的名称是’value’。通过这个名称，可以在匹配结果中引用到这个具体的子模式。

\d+：这是一个子模式，用于匹配一个或多个数字字符。\d表示匹配任意一个数字字符（0-9），而+表示匹配前面的模式一次或多次。

import re
def double(matched):
    value = int(matched.group('value'))
    return str(value*2)

s = '321+123=444'
print(re.sub('(?P\d+)',double,s))

#执行结果
642+246=888
1
2
3
4
5
6
7
8
9
10

2.4 正则表达式修饰符

1，re.I ： 忽略大小写匹配
2.，re.M ： 多行匹配。使 ^ 和 $ 可以匹配每一行的开头和结尾，而不仅仅是整个字符串的开头和结尾。
3.re.S : 单行匹配。使 . 可以匹配包括换行符在内的任意字符
4，re.X： 冗长模式。允许使用空白字符和注释来增加正则表达式的可读性。