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 Pattern 對象。

　　通過 Pattern 提供的一系列方法可以對文本進(jìn)行匹配查找，最后得到一個Match對象

　　最后使用 Match 對象提供的屬性和方法獲得信息

　　首先認(rèn)識一下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 對象

　　pattern = re.compile(r'\w{3}')

　　print(pattern)

　　Pattern 對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)束時已經(jīng)匹配，則返回一個Match對象;

　　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時指定匹配模式。

　　三個常見的匹配模式：

　　(1) re.I(re.IGNORECASE)：忽略大小寫(括號內(nèi)是完整寫法)

　　(2) re.M(re.MULTILINE)：允許多行模式

　　(3) re.S(re.DOTALL)：支持點任意匹配模式

　　import re

　　# 1. 得到pattern

　　pattern = re.compile('abc')

　　# 2. 使用公式對象匹配要校驗的字符串 match 匹配，返回一個匹配對象match對象

　　match_obj = pattern.match('abcdef')

　　print(match_obj)

　　運(yùn)行結(jié)果：

　　<re.match match="abc" 3),="" span="(0," object;=""> # 表示有匹配對象

　　import re

　　# 1. 得到pattern

　　pattern = re.compile('abc')

　　# 2. 使用公式對象匹配要校驗的字符串 match 匹配，返回一個匹配對象match對象

　　match_obj = pattern.match('helloabc')

　　print(match_obj)

　　運(yùn)行結(jié)果是：None

　　此時helloabc中明明是存在abc這個內(nèi)容的，但是Match對象為什么是None呢?因為Match在匹配判斷的時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返回一個Match對象

　　import re

　　# 1. 得到pattern

　　pattern = re.compile('abc')

　　# 2. 使用公式對象匹配要校驗的字符串 match 匹配，返回一個匹配對象match對象

　　match_obj = pattern.match('helloabc',5)

　　# 3. 打印對象

　　print(match_obj)

　　上面???只是方便大家理解正則的檢索過程，但是實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)果會是什么呢?)

　　import re

　　r = re.match('abc', 'helabclo')

　　print(r)

　　結(jié)果是None，因為還是從頭開始比較的，但是事實上我們要檢索的內(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位置，默認(rèn)值分別是 0 和 len (字符串長度)。

　　當(dāng)匹配成功時，返回一個 Match 對象，如果沒有匹配上，則返回 None。

　　import re

　　r = re.search('abc', 'helabcloabc')

　　print(r)

　　此時返回的結(jié)果：

　　<re.match match="abc" span="(3," object;="" 6),="">

　　Match對象有幾個常用的方法：

　　group(): 用于獲得一個或多個分組匹配的字符串，當(dāng)要獲得整個匹配的子串時，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字符串中的起始位置(子串第一個字符的索引)，參數(shù)默認(rèn)值為 0;

　　end()：用于獲取分組匹配的子串在整個字符串中的結(jié)束位置(子串最后一個字符的索引+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') # 注意此時是區(qū)分大小寫的

　　if match:

　　print(match.group(0))

　　print(match.group(1)) # 獲取第一個分組的字符串

　　print(match.group(2)) # 獲取第二個分組的字符串

　　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a-z之間的任意字符組成的多個字符串，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)則會報錯。

　　可是問題又來了，search只要找到符合要求的字符串則不會繼續(xù)查找，但是事實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)果會是什么呢?

　　# 驗證用戶名 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，也是搜索整個字符串，獲得所有匹配的結(jié)果。但它返回一個順序訪問每一個匹配結(jié)果(Match 對象)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，都會切割,如果有多個空格也可以切割不僅是一個空格或者數(shù)字

　　print(m)

　　此時得到的結(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函數(shù)：

　　如果 repl 是字符串，則會使用 repl 去替換字符串每一個匹配的子串，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 0;

　　如果 repl 是函數(shù)，這個方法應(yīng)當(dāng)只接受一個參數(shù)(Match 對象)，并返回一個字符串用于替換(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) # 括號里面的表示一組，可以是這一組中的任何一個。

　　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涉及到分組、貪婪和非貪婪模式，此處就不展開了，有時間給大家專門寫一篇文章。