Python基礎學習篇-4-常用的正則表達式處理函數

一、re.match函數

1、re.match 嘗試從字符串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。

函數語法：

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

函數參數說明：

參數 描述

pattern 匹配的正則表達式

string 要匹配的字符串。

flags 標志位，用于控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。參見本文下面附錄內容

匹配成功re.match方法返回一個匹配的對象，否則返回None。

實例1

>>> import re

>>> str1 = 'abcdefg12345'

>>> print(re.match('abc', str1))   # 在起始位置匹配成功，返回匹配成功的對象

<_sre.SRE_Match object; span=(0, 3), match='abc'>

>>> 

>>> print(re.match('123', str1))    # 沒有在起始位置匹配成功，返回none

None

>>> 

>>> print(re,match('890', str1))    # 沒有在起始位置匹配成功，返回none

None

2、使用group(num) 或 groups() 匹配對象函數來獲取匹配結果

匹配對象方法 描述

group(num=0) 匹配的整個表達式的字符串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。

groups() 返回一個包含所有小組字符串的元組，從 1 到 所含的小組號。

實例2

import re

>>> line = 'cats are smarter than dogs'

>>> matchobj = re.match('(.*) are (.*?) .*', line, re.M|re.I)

>>> if matchobj:

print("obj.group(): ", matchobj.group())

print("obj.group(1): ", matchobj.group(1))

print("obj.group(2): ", matchobj.group(2))

obj.group():  cats are smarter than dogs

obj.group(1):  cats

obj.group(2):  smarter

>>> print("obj.groups: ", matchobj.groups())  #返回所有匹配結果的元組

obj.groups:  ('cats', 'smarter')

>>> print("obj.group(3): ", matchobj.group(3))

Traceback (most recent call last):

  File "<pyshell#17>", line 1, in <module>

    print("obj.group(3): ", matchobj.group(3))

IndexError: no such group

>>> 

解析正則表達式：'(.*) are (.*?) .*'

  (.*) 第一個匹配分組，.* 代表匹配除換行符之外的所有字符。

 (.*?) 第二個匹配分組，.*? 后面多個問號，代表非貪婪模式，也就是說只匹配符合條件的最少字符

 后面的一個 .* 沒有括號包圍，所以不是分組，匹配效果和第一個一樣，但是不計入匹配結果中。

matchObj.group() 等同于 matchObj.group(0)，表示匹配到的完整文本字符

matchObj.group(1) 得到第一組匹配結果，也就是(.*)匹配到的

matchObj.group(2) 得到第二組匹配結果，也就是(.*?)匹配到的

因為只有匹配結果中只有兩組，所以如果填 3 時會報錯。

二、re.search方法

1、re.search 掃描整個字符串并返回第一個成功的匹配。

函數語法：

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

函數參數說明：

參數 描述

pattern 匹配的正則表達式

string 要匹配的字符串。

flags 標志位，用于控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。

匹配成功re.search方法返回一個匹配的對象，否則返回None。

2、使用group(num) 或 groups() 匹配對象函數來獲取匹配表達式。

匹配對象方法 描述

group(num=0) 匹配的整個表達式的字符串，group() 可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。

groups() 返回一個包含所有小組字符串的元組，從 1 到 所含的小組號。

實例

>>> import re

>>> str1 = 'abcdefg12345'

>>> 

>>> print(re.search('abc', str1))   # 在起始位置匹配成功，返回匹配成功的對象

<_sre.SRE_Match object; span=(0, 3), match='abc'>

>>> print(re.search('123', str1))   # 在非起始位置匹配成功，同樣返回匹配成功的對象

<_sre.SRE_Match object; span=(7, 10), match='123'>

>>> 

>>> 

>>> searchobj = re.search('(.*?) are (.*?)', line, re.M|re.I)

>>> print("searchobj.group(): ", searchobj.group())

searchobj.group():  cats are 

>>> print("searchobj.group(1): ", searchobj.group(1))

searchobj.group(1):  cats

>>> print("searchobj.group(2): ", searchobj.group(2))

searchobj.group(2):  

>>> print("searchobj.groups(): ", searchobj.groups())   #一共返回兩個匹配字符串，第二個是空，因為使用的正則表達式是非貪婪模式

searchobj.groups():  ('cats', '')

>>> 

>>> print("searchobj.group(3): ", searchobj.group(3))

Traceback (most recent call last):

  File "<pyshell#32>", line 1, in <module>

    print("searchobj.group(3): ", searchobj.group(3))

IndexError: no such group

>>> 

re.match與re.search的區別

re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；

而re.search匹配整個字符串，直到找到一個匹配。

三、re.compile 函數

compile 函數用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數使用。

語法格式為：

re.compile(pattern[, flags])

實例：在此以match函數為例，search函數類似

實例

>>>import re

>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一個數字

>>> m = pattern.match('one12twothree34four')        # 查找頭部，沒有匹配

>>> print m

None

>>> m = pattern.match('one12twothree34four', 2, 10) # 從'e'的位置開始匹配，沒有匹配

>>> print m

None

>>> m = pattern.match('one12twothree34four', 3, 10) # 從'1'的位置開始匹配，正好匹配

>>> print m                                         # 返回一個 Match 對象

<_sre.SRE_Match object at 0x10a42aac0

>>>> m.group(0)   # 可省略 0

'12'

>>> m.start(0)   # 可省略 0

3

>>> m.end(0)     # 可省略 0

5

>>> m.span(0)    # 可省略 0

(3, 5)

在上面，當匹配成功時返回一個 Match 對象，其中：

group([group1, …]) 方法用于獲得一個或多個分組匹配的字符串，當要獲得整個匹配的子串時，可直接使用 group() 或group(0)；

start([group]) 方法用于獲取分組匹配的子串在整個字符串中的起始位置（子串第一個字符的索引），參數默認值為 0；

end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結束位置（子串最后一個字符的索引+1），參數默認值為 0；

span([group]) 方法返回 (start(group), end(group))。

四、findall()函數

在字符串中找到正則表達式所匹配的所有子串，并返回一個列表，如果沒有找到匹配的，則返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

語法格式為：

findall(string[, pos[, endpos]])

參數：

string : 待匹配的字符串。

pos : 可選參數，指定字符串的起始位置，默認為 0。

endpos : 可選參數，指定字符串的結束位置，默認為字符串的長度。

查找字符串中的所有數字：

實例

# -*- coding:UTF8 -*- 

import re 

pattern = re.compile(r'\d+')   # 查找數字

result1 = pattern.findall('runoob 123 google 456')

result2 = pattern.findall('run88oob123google456', 0, 10) 

print(result1)

print(result2)

輸出結果：

['123', '456']

['88', '12']

五、re.finditer函數

和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，并把它們作為一個迭代器返回。

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

參數：

參數 描述

pattern 匹配的正則表達式

string 要匹配的字符串。

flags 標志位，用于控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標志

實例

# -*- coding: UTF-8 -*- 

import re 

it = re.finditer(r"\d+","12a32bc43jf3") 

for match in it:     

    print (match.group() )

輸出結果：

12 

32 

43 

3

六、re.split函數

split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

re.split(pattern, string[, maxsplit=0, flags=0])

參數：

參數 描述

pattern 匹配的正則表達式

string 要匹配的字符串。

maxsplit 分隔次數，maxsplit=1 分隔一次，默認為 0，不限制次數。

flags 標志位，用于控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。參見：正則表達式修飾符 - 可選標志

實例

>>>import re

>>> re.split('\W+', 'runoob, runoob, runoob.')

['runoob', 'runoob', 'runoob', '']

>>> re.split('(\W+)', ' runoob, runoob, runoob.') 

['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']

>>> re.split('\W+', ' runoob, runoob, runoob.', 1) 

['', 'runoob, runoob, runoob.'] 

>>> re.split('a*', 'hello world')   # 對于一個找不到匹配的字符串而言，split 不會對其作出分割

['hello world']