re模块：核心函数和方法
-
常见的正则表达式
-
使用match() 方法匹配字符串
- match是re模块函数和正则表达式对象方法。match函数试图从字符串的起始部分对模式进行匹配。如果匹配成功就返回一个匹配对象，如果匹配失败就返回None。
import re
m=re.match(‘foo’,’foo’) #模式匹配字符串
m.group() #返回整个匹配对象
Out[10]: ‘foo’ - match是re模块函数和正则表达式对象方法。match函数试图从字符串的起始部分对模式进行匹配。如果匹配成功就返回一个匹配对象，如果匹配失败就返回None。
-
使用search()在一个字符串中查找模式（搜索与匹配的对比）
- search函数在任意位置对给定正则表达式模式搜索第一次出现的匹配情况，如果搜索到成功的匹配，就会返回一个匹配对象，否则None.
m=re.match(‘foo’,’seafood’)
(m.groups() #匹配失败抛出异常re.search(‘foo’,’seafood’).group() #搜索成功返回第一次出现的相应字符串
Out[18]: ‘foo’
-
匹配多个字符串
- 则一匹配 （|）符号
bt='bat|bet|bit' #正则表达式模式：bat、bet、bit m=re.match(bt,'bat') #'bat'是一个匹配 m.group() Out[19]: 'bat' ***************************************** bt='bat|bet|bit' #正则表达式模式：bat、bet、bit m=re.match(bt,'blt') #'blt'没有匹配,抛出异常 m.group() ***************************************** bt='bat|bet|bit' #正则表达式模式：bat、bet、bit m=re.match(bt,'he bit me!') #'bit'没有匹配,抛出异常 m.group() ***************************************** bt='bat|bet|bit' #正则表达式模式：bat、bet、bit m=re.search(bt,'he bit me!') #'bit'被搜所到 m.group() Out[22]: 'bit'
-
匹配任何单个字符
- 点号不能匹配一个换行符\n或者非字符（空字符串）。
anyend='.end' re.match(anyend,'bend').group() #点好匹配'b' Out[24]: 'bend' ***************************************** anyend='.end' re.match(anyend,'end').group() #不匹配任何字符，抛出异常 ***************************************** re.search('.end','The end.').group() Out[25]: ' end'
-
创建字符集（[]）
re.match('[cr][23][dp][o2]','c3po') #匹配'c3po' Out[28]: 'c3po' ***************************************** re.match('[cr][23][dp][o2]','c2do')#匹配'c2do' Out[29]: 'c2do' ***************************************** re.match('r2d2|c3po','c2do').group() #不匹配'c2do'，抛出异常
-
使用findall()和finditer()查找每一次出现的位置
- findall（）查询字符串中某个正则表达式模式全部的非重复出现情况，返回的是一个列表。
- 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。
import re re.findall('car','car') Out[4]: ['car'] "*****************************************" re.findall('car','scary') Out[6]: ['car'] "*****************************************" re.findall('car','carry the barcard to the car') Out[5]: ['car', 'car', 'car'] "*****************************************" it =re.finditer(r'(th\w+) and (th\w+)',s,re.I) for match in it: print(match.groups()) ('This', 'that') "*****************************************" match.group(1) Out[19]: 'This' "*****************************************" match.group(2) Out[20]: 'that' -
使用sub()和subn()搜索与替换
- 两者几乎一样，都是将字符串中所有匹配正则表达式的部分进行某种形式的替换。不同的是，subn()还返回一个表是替换的总数。
re.sub('X','Mr. Smith','attn:X\n\nDear X,\n') Out[33]: 'attn:Mr. Smith\n\nDear Mr. Smith,\n' "*****************************************" re.subn('X','Mr. Smith','attn:X\n\nDear X,\n') Out[34]: ('attn:Mr. Smith\n\nDear Mr. Smith,\n', 2) "*****************************************" print(re.sub('X','Mr. Smith','attn:X\n\nDear X,\n')) attn:Mr. Smith Dear Mr. Smith, "*****************************************" re.sub('[aa]','X','abcdef') Out[36]: 'Xbcdef' "*****************************************" re.subn('[aa]','X','abcdef') Out[37]: ('Xbcdef', 1) "*****************************************" re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3','2/20/91') Out[30]: '20/2/91' "*****************************************" re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3','2/20/1991') Out[31]: '20/2/1991'
-
在限定模式上使用split()分割字符串
- split()对于字符串的工作方式是类似的分割一个固定字符串相比，他们基于正则表达式的模式分割字符串。
re.split(':','str1:Str2:str3') Out[42]: ['str1', 'Str2', 'str3'] "*****************************************" DATA = ('Mountain View, CA 94040', 'Sunnyvale, CA', 'Los Altos, 94023', 'Cupertino 95014', 'Palo Alto CA', ) for datum in DATA: print(re.split(', |(?= (?:\d{5}|[A-Z]{2})) ',datum)) ['Mountain View', 'CA', '94040'] ['Sunnyvale', 'CA'] ['Los Altos', '94023'] ['Cupertino', '95014'] ['Palo Alto', 'CA']
