re模塊的常用方法
使用 re模塊下的compile() 函數(shù)將正則表達(dá)式的字符串形式編譯為一個(gè) Pattern 對(duì)象。
通過 Pattern 提供的一系列方法可以對(duì)文本進(jìn)行匹配查找，最后得到一個(gè)Match對(duì)象
最后使用 Match 對(duì)象提供的屬性和方法獲得信息
首先認(rèn)識(shí)一下compile 函數(shù)，它的一般使用形式如下：
import re
# 將正則表達(dá)式編譯成 Pattern 對(duì)象
pattern = re.compile(r'\w{3}')
print(pattern)
Pattern 對(duì)象的一些常用方法主要有：
• match 方法：從起始位置開始查找，一次匹配
• search 方法：從任何位置開始查找，一次匹配
• findall 方法：全部匹配，返回列表
• finditer 方法：全部匹配，返回迭代器
• split 方法：分割字符串，返回列表
• sub 方法：替換
match方法：
match方法是從字符串的pos下標(biāo)處起開始匹配pattern，如果pattern結(jié)束時(shí)已經(jīng)匹配，則返回一個(gè)Match對(duì)象;
如果匹配過程中pattern無法匹配，或者匹配未結(jié)束就已到達(dá)endpos，則返回None。該方法原型如下：
match(string[, pos[, endpos]]) 或者 re.match(pattern, string[, flags])
參數(shù)string表示字符串;pos表示下標(biāo)，pos和endpos的默認(rèn)值分別為0和len(string);參數(shù)flags用于編譯pattern時(shí)指定匹配模式。
三個(gè)常見的匹配模式：
(1) re.I(re.IGNORECASE)：忽略大小寫(括號(hào)內(nèi)是完整寫法)
(2) re.M(re.MULTILINE)：允許多行模式
(3) re.S(re.DOTALL)：支持點(diǎn)任意匹配模式
import re
# 1. 得到pattern
pattern = re.compile('abc')
# 2. 使用公式對(duì)象匹配要校驗(yàn)的字符串 match 匹配，返回一個(gè)匹配對(duì)象match對(duì)象
match_obj = pattern.match('abcdef')
print(match_obj)
運(yùn)行結(jié)果：
<re.match match="abc" 3),="" span="(0," object;=""> # 表示有匹配對(duì)象
import re
# 1. 得到pattern
pattern = re.compile('abc')
# 2. 使用公式對(duì)象匹配要校驗(yàn)的字符串 match 匹配，返回一個(gè)匹配對(duì)象match對(duì)象
match_obj = pattern.match('helloabc')
print(match_obj)
運(yùn)行結(jié)果是：None
此時(shí)helloabc中明明是存在abc這個(gè)內(nèi)容的，但是Match對(duì)象為什么是None呢?因?yàn)镸atch在匹配判斷的時(shí)候都是從字符串的開頭開始判斷，如果開始沒有匹配上就返回None了，但是如果代碼改成下面這樣就會(huì)返回一個(gè)Match對(duì)象
import re
# 1. 得到pattern
pattern = re.compile('abc')
# 2. 使用公式對(duì)象匹配要校驗(yàn)的字符串 match 匹配，返回一個(gè)匹配對(duì)象match對(duì)象
match_obj = pattern.match('helloabc',5)
# 3. 打印對(duì)象
print(match_obj)
上面???只是方便大家理解正則的檢索過程，但是實(shí)際使用中我們可以直接通過re.match(pattern,字符串)進(jìn)行檢索。
比如(各位覺得結(jié)果會(huì)是什么呢?)
import re
r = re.match('abc', 'helabclo')
print(r)
結(jié)果是None，因?yàn)檫€是從頭開始比較的，但是事實(shí)上我們要檢索的內(nèi)容很有可能在字符串的中間或者后面，不可能每次都在前面。此時(shí)我們就要使用search方法了。
search 方法：
使用search表示從任何位置開始查找，一次匹配，注意：是一次匹配，如果后面還有匹配的也不會(huì)查找了。
它的一般使用形式如下：
search(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點(diǎn)位置，默認(rèn)值分別是 0 和 len (字符串長度)。
當(dāng)匹配成功時(shí)，返回一個(gè) Match 對(duì)象，如果沒有匹配上，則返回 None。
import re
r = re.search('abc', 'helabcloabc')
print(r)
此時(shí)返回的結(jié)果：
<re.match match="abc" span="(3," object;="" 6),="">
Match對(duì)象有幾個(gè)常用的方法：
group(): 用于獲得一個(gè)或多個(gè)分組匹配的字符串，當(dāng)要獲得整個(gè)匹配的子串時(shí)，可直接使用 group() 或 group(0)
span(): 返回匹配字符串的起始位置
start()：用于獲取分組匹配的子串在整個(gè)字符串中的起始位置(子串第一個(gè)字符的索引)，參數(shù)默認(rèn)值為 0;
end()：用于獲取分組匹配的子串在整個(gè)字符串中的結(jié)束位置(子串最后一個(gè)字符的索引+1)，參數(shù)默認(rèn)值為 0
import re
r = re.search('abc', 'helabcloabc')
if r:
print(r.group())
print(r.span())
print(r.start())
print(r.end())
結(jié)果是：
abc
(3, 6)
3
6
如果我們的正則定義復(fù)雜一些使用上面的匹配規(guī)則，使用方式也是這樣嗎?
import re
match = re.search(r'([a-z]+) ([a-z]+)', 'hello Kitty hellobaby hello world') # 注意此時(shí)是區(qū)分大小寫的
if match:
print(match.group(0))
print(match.group(1)) # 獲取第一個(gè)分組的字符串
print(match.group(2)) # 獲取第二個(gè)分組的字符串
print(match.groups())
結(jié)果是：
itty hellobaby
itty
hellobaby
('itty', 'hellobaby')
上面的正則表達(dá)式表示兩組有多個(gè)a-z之間的任意字符組成的多個(gè)字符串，并且兩組之間是有空格的。其中match.groups()表示的意思是(m.group(1), m.group(2), ...)，上面的代碼只有兩組，因此只能match.group(2),但是如果match.group(3)則會(huì)報(bào)錯(cuò)。
可是問題又來了，search只要找到符合要求的字符串則不會(huì)繼續(xù)查找，但是事實(shí)上后面仍然符合正則的仍然是存在的。
比如：hello world
要想所有的都獲取到，考慮使用findall()，通過英語分析都能知道它是什么意思。
findall方法
findall 方法的使用形式如下：
findall(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點(diǎn)位置，默認(rèn)值分別是 0 和 len (字符串長度)。findall 以列表形式返回 ，是全部能匹配的子串，如果沒有匹配，則返回一個(gè)空列表。
比如上面的代碼使用findall()看看獲取的結(jié)果是什么?
import re
match_list = re.findall(r'([a-z]+) ([a-z]+)', 'hello Kitty hellobaby hello world') # 注意此時(shí)是區(qū)分大小寫的
if match_list:
print(match_list)
結(jié)果：
[('itty', 'hellobaby'), ('hello', 'world')]
比如我們要求寫一個(gè)正則，用于檢索字符串所有兩頭是字母，中間全部是數(shù)字的字符串。
import re
s = 'h88ex890loK123Jldkl90gd3o'
m = re.findall('[a-z][0-9]*[a-z]', s, re.I)
print(m)
結(jié)果：
['h88e', 'x890l', 'oK', 'Jl', 'dk', 'l90g', 'd3o']
如果是判斷一個(gè)字符串是否是數(shù)字開頭呢?我們使用match、search、findall?
import re
# 注意是數(shù)字開頭,所以我們主要是判斷開頭，所以我們使用match
match = re.match(r'\d+.*','123admin') # \d 在匹配規(guī)則上表示數(shù)字，+表示的是次數(shù)大于等于1，.表示任意字符，*表示長度是大于等于0
if match:
print('是數(shù)字開頭的')
else:
print('不是數(shù)字開頭的')
結(jié)果打印：是數(shù)字開頭的，字符串換成：admin呢?
下面???代碼的結(jié)果會(huì)是什么呢?
# 驗(yàn)證用戶名 字母數(shù)字下劃線 首字母不能是數(shù)字 長度必須6位以上
username = 'admin123'
m = re.match('[a-zA-Z_]\w{5,}$', username)
print(m.group())
finditer 方法
finditer 方法的行為跟 findall 的行為類似，也是搜索整個(gè)字符串，獲得所有匹配的結(jié)果。但它返回一個(gè)順序訪問每一個(gè)匹配結(jié)果(Match 對(duì)象)的迭代器。大家可以將上面的代碼改成finditer觀察結(jié)果，此處不再展示代碼。
split 方法
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：
split(string[, maxsplit])
其中，maxsplit 用于指定最大分割次數(shù)，不指定將全部分割。跟字符串的分隔類似，但是這個(gè)更加靈活。
比如：
import re
s = 'hello Kitty hellobaby hello world hello8hello'
m = re.split(r'[\s\d]+', s) # 表示遇到空白字符\s或者數(shù)字\d，都會(huì)切割,如果有多個(gè)空格也可以切割不僅是一個(gè)空格或者數(shù)字
print(m)
此時(shí)得到的結(jié)果是：
['hello', 'Kitty', 'hellobaby', 'hello', 'world', 'hello', 'hello']
sub方法
sub 方法用于替換。它的使用形式如下：
sub(repl, string[, count])
repl 可以是字符串也可以是一個(gè)函數(shù)：
如果 repl 是字符串，則會(huì)使用 repl 去替換字符串每一個(gè)匹配的子串，并返回替換后的字符串，另外，repl 還可以使用 id 的形式來引用分組，但不能使用編號(hào) 0;
如果 repl 是函數(shù)，這個(gè)方法應(yīng)當(dāng)只接受一個(gè)參數(shù)(Match 對(duì)象)，并返回一個(gè)字符串用于替換(返回的字符串中不能再引用分組)。
count 用于指定最多替換次數(shù)，不指定時(shí)全部替換
import re
# 比如替換敏感詞匯
s = '小明喜歡蒼老師'
m = re.sub(r'(蒼井空|蒼老師)', '***', s) # 括號(hào)里面的表示一組，可以是這一組中的任何一個(gè)。
print(m)
# 將里面的分?jǐn)?shù)都替換成100分
msg = 'python=99,c=98,html=90'
m = re.sub(r'\d+', '100', msg)
print(m)
當(dāng)然也可以使用函數(shù)，比如分?jǐn)?shù)都加1分
import re
def add(temp):
print(temp) # 此處打印便于查看
score = temp.group() # 獲取匹配的內(nèi)容
score = int(score) + 1
return str(score)
m = re.sub(r'\d+', add, msg)
print(m)
當(dāng)然在使用過程中還會(huì)涉及到分組、貪婪和非貪婪模式，此處就不展開了，有時(shí)間給大家專門寫一篇文章。
京公網(wǎng)安備 11010802030320號(hào)