Python常用的正则表达式处理函数详解

正则表达式是一个特殊的字符序列，用于简洁表达一组字符串特征，检查一个字符串是否与某种模式匹配，使用起来十分方便。

在Python中，我们通过调用re库来使用re模块：

import re

正则表达式语法模式和操作符详见：https://www.runoob.com/python/python-reg-expressions.html#flags

下面介绍Python常用的正则表达式处理函数。

re.match函数

re.match 函数从字符串的起始位置匹配正则表达式，返回match对象，如果不是起始位置匹配成功的话，match()就返回None。

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

pattern：匹配的正则表达式。

string：待匹配的字符串。

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。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 . ，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。

import re
#从起始位置匹配
r1=re.match(\’abc\’,\’abcdefghi\’)
print(r1)
#不从起始位置匹配
r2=re.match(\’def\’,\’abcdefghi\’)
print(r2)

运行结果：

其中，span表示匹配成功的整个子串的索引。

使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group(num)：匹配的整个表达式的字符串，group() 可以一次输入多个组号，这时它将返回一个包含那些组所对应值的元组。

groups()：返回一个包含所有小组字符串的元组，从 1 到所含的小组号。

import re

s=\’This is a demo\’
r1=re.match(r\'(.*) is (.*)\’,s)
r2=re.match(r\'(.*) is (.*?)\’,s)

print(r1.group())
print(r1.group(1))
print(r1.group(2))
print(r1.groups())
print()
print(r2.group())
print(r2.group(1))
print(r2.group(2))
print(r2.groups())

运行结果：

上述代码中的(.*)和(.*?)表示正则表达式的贪婪匹配与非贪婪匹配，详情见此：https://www.jb51.net/article/31491.htm

re.search函数

re.search函数扫描整个字符串并返回第一个成功的匹配，如果匹配成功则返回match对象，否则返回None。

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

pattern：匹配的正则表达式。

string：待匹配的字符串。

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。

import re
#从起始位置匹配
r1=re.search(\’abc\’,\’abcdefghi\’)
print(r1)
#不从起始位置匹配
r2=re.search(\’def\’,\’abcdefghi\’)
print(r2)

运行结果：

使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group(num=0)：匹配的整个表达式的字符串，group() 可以一次输入多个组号，这时它将返回一个包含那些组所对应值的元组。

groups()：返回一个包含所有小组字符串的元组，从 1 到所含的小组号。

import re

s=\’This is a demo\’
r1=re.search(r\'(.*) is (.*)\’,s)
r2=re.search(r\'(.*) is (.*?)\’,s)

print(r1.group())
print(r1.group(1))
print(r1.group(2))
print(r1.groups())
print()
print(r2.group())
print(r2.group(1))
print(r2.group(2))
print(r2.groups())

运行结果：

从上面不难发现re.match与re.search的区别：re.match只匹配字符串的起始位置，只要起始位置不符合正则表达式就匹配失败，而re.search是匹配整个字符串，直到找到一个匹配为止。

re.compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式对象，供 match() 和 search() 这两个函数使用。

re.compile(pattern[, flags])

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。

import re
#匹配数字
r=re.compile(r\’\\d+\’)
r1=r.match(\’This is a demo\’)
r2=r.match(\’This is 111 and That is 222\’,0,27)
r3=r.match(\’This is 111 and That is 222\’,8,27)

print(r1)
print(r2)
print(r3)

运行结果：

findall函数

搜索字符串，以列表形式返回正则表达式匹配的所有子串，如果没有找到匹配的，则返回空列表。

需要注意的是，match 和 search 是匹配一次，而findall 匹配所有。

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

string：待匹配的字符串。

pos：可选参数，指定字符串的起始位置，默认为0。

endpos：可选参数，指定字符串的结束位置，默认为字符串的长度。

import re
#匹配数字
r=re.compile(r\’\\d+\’)
r1=r.findall(\’This is a demo\’)
r2=r.findall(\’This is 111 and That is 222\’,0,11)
r3=r.findall(\’This is 111 and That is 222\’,0,27)

print(r1)
print(r2)
print(r3)

运行结果：

re.finditer函数

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

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

pattern：匹配的正则表达式。

string：待匹配的字符串。

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。

import re

r=re.finditer(r\’\\d+\’,\’This is 111 and That is 222\’)
for i in r:
print (i.group())

运行结果：

re.split函数

将一个字符串按照正则表达式匹配的子串进行分割后，以列表形式返回。

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

pattern：匹配的正则表达式。

string：待匹配的字符串。

maxsplit：分割次数，maxsplit=1分割一次，默认为0，不限次数。

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。

import re

r1=re.split(\’\\W+\’,\’This is 111 and That is 222\’)
r2=re.split(\’\\W+\’,\’This is 111 and That is 222\’,maxsplit=1)
r3=re.split(\’\\d+\’,\’This is 111 and That is 222\’)
r4=re.split(\’\\d+\’,\’This is 111 and That is 222\’,maxsplit=1)
print(r1)
print(r2)
print(r3)
print(r4)

运行结果：