Python3 正则表达式

• 正则表达式是一个特殊的字符序列，它能帮助我们方便的检查一个字符串是否与某种模式匹配。
• 模式字符串使用特殊的语法来表示一个正则表达式
• 下面列出了正则表达式模式语法中的特殊元素

match()和search()的区别

• match() 方法只从开始找，开始第一个字符不匹配就找不到了,返回none
• search()查找整个字符串，找到第一个为止
  示例代码1：

#!/usr/bin/python3

import re

# 使用 match对象  
match = re.match('yhyang','aayhyang正在学习正则表达式')
print(match)     # 最开始匹配不到返回none
输出：
None

match = re.search('yhyang','aayhyang正在学习正则表达式')
print(match.group())  # 直到找到匹配的字符串
输出：
yhyang

示例代码2：

#!/usr/bin/python3

import re

import re
s = """
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com
"""
target = '\d{4}'                 # \d 匹配数字 {4} 表示4个  代表找到4个数字
target = '\d{4}-\d{4}-\d{3}'
target = '\d{3}-\d{4}-\d{4}'
target = '\d+-\d+-\d+'         #  \d匹配数字，+ 表示1个或多个，search 找到第一个就停下来了
target = '[\d+-?]+'           # ？ 表示后面跟0个或多个   [] 表示一个字符集如：[a-z]查找小写字母
target = '\w{5}@\w{2}.com'    #  \w 匹配字符
match = re.search(target,s)
if match:
    print('找到，',target,s)
    print(match.group())
else:
    print('啥都没找到')

输出：
找到， \w{5}@\w{2}.com 
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com

lilei@qq.com

分组

• () 括号分组
• | 管道符号匹配多个分组
• ？选择出现0次或1次
• re.x 换行，注释
• findall
  • 有分组，返回元组列表
  • 无分组，返回字符串列表
• split
  • 返回用正则分割后的列表

compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
语法格式为：
re.compile(pattern[, flags])

参数：

pattern : 一个字符串形式的正则表达式
flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
    re.I 忽略大小写
    re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
    re.M 多行模式
    re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）
    re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
    re.X 为了增加可读性，忽略空格和' # '后面的注释

示例代码1：

#!/usr/bin/python3

import re

regex = re.compile(r'yhyang')  # r 表示raw 原始的
regex.findall('asdfasdfasfyhyang,235346747,yhyang')

输出：
['yhyang', 'yhyang']

示例代码2：

#!/usr/bin/python3

import re

regex = re.compile(r'(yhyang)')         # ()  分割，分组
regex.split('asdfasdfasfyhyang,235346747,yhyang')

输出：
['asdfasdfasf', 'yhyang', ',235346747,', 'yhyang', '']

匹配IP地址

#!/usr/bin/python3
import re

parten = ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
# 2[0-4]\d  匹配 24x  x为0-9
# 25[0-5]  匹配 25x  x为0-5
# [01]?\d\d?  [01]? 匹配0个或是一个0或1，\d？ 表示0个或1个数字
# \.  转义 . 
# {3} 前面的规则匹配3次

# 注意命名 re开头
re_ip = re.compile(r'((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)')
match = re_ip.match('1.2.3.4')
print(match)
print(match.group())

输出：
<_sre.SRE_Match object; span=(0, 7), match='1.2.3.4'>
1.2.3.4
示例代码2：

#!/usr/bin/python3

import re

re_ip = re.compile(r'''
    ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.)  # IP表示一组数字包括后边的点
    {3}                                # 表示3组数字
    (2[0-4]\d|25[0-5]|[01]?\d\d?)      # 最后一组数字
    ''',re.X)                          # 正则可以换行，注释
match = re_ip.match('192.168.3.4')
print(match)
print(match.group())

输出：
<_sre.SRE_Match object; span=(0, 11), match='192.168.3.4'>
192.168.3.4

匹配要不要贪心一点

• *？重复任意次，但尽可能少重复
• +？重复1次或多次，但尽可能少重复
• ？？重复0次或1次，但尽可能少重复
• {n,}？重复n次以上，但尽可能少重复
  示例代码1：

#!/usr/bin/python3

import re

# 只匹配双引号中的内容，包括双引号
re_quote = re.compile(r'"(.*)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)

输出：
['no']
['no" Phone says "yes']

示例代码2：

#!/usr/bin/python3

import re

re_quote = re.compile(r'"(.*?)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)

输出：
['no']
['no', 'yes']

正则替换

示例代码：

#!/usr/bin/python3

import re

s = 'sadfasfasdfasdfyhyangdsafasf2352'
ss = s.replace('yhyang','******')   # 替换
print(ss)

regex = re.compile(r'yhyang') # 生成规则对象
regex.sub('******',s)   # 替换

输出：
sadfasfasdfasdf**dsafasf2352
'sadfasfasdfasdf**dsafasf2352'

下边例子分组标号\1，\2，\3 类似于awk的列分组 $1 ……

示例代码1：

#!/usr/bin/python3

import re

# 通过分组替换字符串格式，mm/dd/yy  -> yy-mm-dd
s = '替换日期格式：10/01/2018,12/25/2018'
re_date = re.compile(r'(\d+)/(\d+)/(\d+)')  # 此处给(\d+)/(\d+)/(\d+)按/分为三组，标号为\1，\2，\3
re_date.sub(r'\3-\1-\2',s)   # 将上边的\1，\2，\3位置按要求重新排列

输出：
'替换日期格式：2018-10-01,2018-12-25'
示例代码2：

#!/usr/bin/python3

import re

# 替换字符串中间的多余空格
s = '      yhyang    正则   python  好难学， 坚持一下吧， 没 几  个了'
s.strip()  # 只去掉最前边的
re_blank = re.compile(r'\s+') # \s 代表空格
re_blank.sub('',s)

输出：
'yhyang正则python好难学，坚持一下吧，没几个了'