006集 正则表达式 re 应用实例—python基础入门实例

数量限定符

字符	含义	例子
？	匹配前面紧跟字符的0次或者1次	[0-9]?，匹配1、2、3
+	匹配前面紧跟字符的1次或者多次	[0-9]+，匹配1、12、123等
*	匹配前面紧跟字符的0次或者多次	[0-9]*，不匹配或者12、123（待验证）
{N}	匹配前面紧跟字符精确到N次	[1-9][0-9]{2}，匹配100到999的整数，{2}表示[0-9]匹配两个数字
{,M}	匹配前面紧跟字符最多M次	[0-9]{,1}，指的是最多匹配0-9之间的1个整数，相当于是0次或者1次，等价于[0-9]?
{N,M}	匹配前面紧跟字符的至少N次，最多M次	[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}，匹配IP地址，其中.号是特殊字符，需要使用转义字符\

在 Python 中主要是利用 re 模块进行正则表达式的处理，涉及到 4 个常用的方法：

re.match()
re.search()
re.findall()
re.sub()
re.split()
import re ? # 使用之前先进行导入re模块

re 模块简介

re模块主要定义了9个常量、12个函数、1个异常，每个常量和函数siki学院都会通过实际代码案例讲解，让大家能更直观的了解其作用！标准库的意思表示这是一个Python内置模块，不需要额外下载，目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块：

re模块简介聊到Python正则表达式的支持，首先肯定会想到re库，这是一个Python处理文本的标准库。

re.match(pattern, string, flags)

参数	描述
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。

标志位 flags

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志，如 re.I | re.M 被同时设置成 I 和 M 标志：

修饰符	描述
re.I	忽略大小写（常用）
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予更灵活的格式，以便将正则表达式写得更易于理解。

?match

从指定字符串的开始位置进行匹配。开始位置匹配成功则继续匹配，否则输出None。

该方法的结果是返回一个正则匹配对象，通过两个方法获取相关内容：

• 通过 group() 来获取内容
• 通过 span() 来获取范围：匹配到字符的开始和结束的索引位置

re.match(pattern, string, flags) ? # match方法为例

示例代码：

import re
print(re.match('www', 'www.bd.com').span())  # 在起始位置匹配
print(re.match('com', 'www.bd.com'))  # 不在起始位置匹配
line = "Cats are smarter than dogs"

matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)

if matchObj:
    print("matchObj.group() : ", matchObj.group())
    print("matchObj.group(1) : ", matchObj.group(1))
    print("matchObj.group(2) : ", matchObj.group(2))
else:
    print("No match!!")

?运行结果：

(0, 3)
None
matchObj.group() : ?Cats are smarter than dogs
matchObj.group(1) : ?Cats
matchObj.group(2) : ?smarter

?re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

位置相关

字符	含义	例子
^	匹配开头的位置；通过\A	^hello 匹配hello开头的字符内容
$	匹配结束的位置同\Z	;$ 匹配一行结尾的;符号 ^$匹配空行
<	匹配单词开头的位置	<th 匹配…this但是不能匹配ethernet等
>	匹配单词结尾的位置	p> 匹配leap等，但是不能匹配parent、sleepy等不是p结尾的单词
\b	匹配单词开头或结尾的位置	\bat 匹配…at…，但是不能匹配cat、atexit、batch（非at开头）
\B	匹配非单词开头或者结尾的单词	\Bat匹配battery，但是不能匹配attend/hat等以at开头的单词

特殊字符

字符	含义	例子
\	转义字符，保持后面字符的原义，使其不被转义	\. 输出.
( )	将表达式的一部分括起来，可以对整个单元使用数量限定符，匹配括号中的内容	([0-9]{1,3}\.){3}[0-9]{1,3}表示将括号内的内容匹配3次
|	连接两个子表达式，相当于或的关系	n(o|either)匹配no或者neither
\d	数字字符	相当于是[0-9]
\D	非数字字符	相当于是[^0-9]
\w	数字字母下划线	[a-zA-Z0-9_]
\W	非数字字母下划线，匹配特殊字符	[^\w]
\s	空白区域	[\r\t\n\f]表格、换行等空白区域
\S	[^\s]	非空白区域

贪婪模式与非贪婪模式:

• .*? 非贪婪模式
• .* 贪婪模式
• 

?

import re
str = "aaaacbabadceb"
res = re.findall("a.*?b", str)
res1 = re.findall("a.*b", str)
str2 = "aaaacbabadcebfegbbb"
res2 = re.findall("a.*b", str2)
print(res)
print(res1)
print(res2)

?运行结果为：

['aaaacb', 'ab', 'adceb']
['aaaacbabadceb']
['aaaacbabadcebfegbbb']

1. 在上面的非贪婪模式中，使用了问号 ？，当匹配到 aaaacb 已经达到了要求，停止第一次匹配；接下来再开始匹配到 ab ；再匹配到 adceb ；所以存在多个匹配结果
2. 在贪婪模式中，程序会找到最长的那个符合要求的字符串

?