Python基础学习篇-4-常用的正则表达式处理函数

一、re.match函数
1、re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
函数语法：

re.match(pattern, string, flags=0)
函数参数说明：

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。参见本文下面附录内容
匹配成功re.match方法返回一个匹配的对象，否则返回None。



实例1
>>> import re
>>> str1 = 'abcdefg12345'
>>> print(re.match('abc', str1))   # 在起始位置匹配成功，返回匹配成功的对象
<_sre.SRE_Match object; span=(0, 3), match='abc'>
>>> 
>>> print(re.match('123', str1))    # 没有在起始位置匹配成功，返回none
None
>>> 
>>> print(re,match('890', str1))    # 没有在起始位置匹配成功，返回none
None


2、使用group(num) 或 groups() 匹配对象函数来获取匹配结果
匹配对象方法 描述
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，在这种情况下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。

实例2
import re
>>> line = 'cats are smarter than dogs'
>>> matchobj = re.match('(.*) are (.*?) .*', line, re.M|re.I)
>>> if matchobj:
print("obj.group(): ", matchobj.group())
print("obj.group(1): ", matchobj.group(1))
print("obj.group(2): ", matchobj.group(2))


obj.group():  cats are smarter than dogs
obj.group(1):  cats
obj.group(2):  smarter
>>> print("obj.groups: ", matchobj.groups())  #返回所有匹配结果的元组
obj.groups:  ('cats', 'smarter')
>>> print("obj.group(3): ", matchobj.group(3))
Traceback (most recent call last):
  File "<pyshell#17>", line 1, in <module>
    print("obj.group(3): ", matchobj.group(3))
IndexError: no such group
>>> 
解析正则表达式：'(.*) are (.*?) .*'
  (.*) 第一个匹配分组，.* 代表匹配除换行符之外的所有字符。
 (.*?) 第二个匹配分组，.*? 后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符
 后面的一个 .* 没有括号包围，所以不是分组，匹配效果和第一个一样，但是不计入匹配结果中。
matchObj.group() 等同于 matchObj.group(0)，表示匹配到的完整文本字符

matchObj.group(1) 得到第一组匹配结果，也就是(.*)匹配到的

matchObj.group(2) 得到第二组匹配结果，也就是(.*?)匹配到的

因为只有匹配结果中只有两组，所以如果填 3 时会报错。




二、re.search方法
1、re.search 扫描整个字符串并返回第一个成功的匹配。
函数语法：

re.search(pattern, string, flags=0)
函数参数说明：

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。
匹配成功re.search方法返回一个匹配的对象，否则返回None。



2、使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
匹配对象方法 描述
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，在这种情况下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。
实例
>>> import re
>>> str1 = 'abcdefg12345'
>>> 
>>> print(re.search('abc', str1))   # 在起始位置匹配成功，返回匹配成功的对象
<_sre.SRE_Match object; span=(0, 3), match='abc'>
>>> print(re.search('123', str1))   # 在非起始位置匹配成功，同样返回匹配成功的对象
<_sre.SRE_Match object; span=(7, 10), match='123'>
>>> 
>>> 
>>> searchobj = re.search('(.*?) are (.*?)', line, re.M|re.I)
>>> print("searchobj.group(): ", searchobj.group())
searchobj.group():  cats are 
>>> print("searchobj.group(1): ", searchobj.group(1))
searchobj.group(1):  cats
>>> print("searchobj.group(2): ", searchobj.group(2))
searchobj.group(2):  
>>> print("searchobj.groups(): ", searchobj.groups())   #一共返回两个匹配字符串，第二个是空，因为使用的正则表达式是非贪婪模式
searchobj.groups():  ('cats', '')
>>> 
>>> print("searchobj.group(3): ", searchobj.group(3))
Traceback (most recent call last):
  File "<pyshell#32>", line 1, in <module>
    print("searchobj.group(3): ", searchobj.group(3))
IndexError: no such group
>>> 


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。



三、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（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法格式为：

re.compile(pattern[, flags])
实例：在此以match函数为例，search函数类似
实例
>>>import re
>>> pattern = re.compile(r'd+')                    # 用于匹配至少一个数字
>>> m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
>>> print m                                         # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0
>>>> m.group(0)   # 可省略 0
'12'
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0
5
>>> m.span(0)    # 可省略 0
(3, 5)

在上面，当匹配成功时返回一个 Match 对象，其中：

group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或group(0)；
start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
span([group]) 方法返回 (start(group), end(group))。


四、findall()函数
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

语法格式为：

findall(string[, pos[, endpos]])
参数：

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。
查找字符串中的所有数字：

实例
# -*- coding:UTF8 -*- 
import re 
pattern = re.compile(r'd+')   # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10) 
print(result1)
print(result2)
输出结果：

['123', '456']
['88', '12']

五、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)
参数：

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。参见：正则表达式修饰符 - 可选标志
实例
# -*- coding: UTF-8 -*- 
import re 
it = re.finditer(r"d+","12a32bc43jf3") 
for match in it:     
    print (match.group() )
输出结果：

12 
32 
43 
3

六、re.split函数
split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：

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

参数 描述
pattern 匹配的正则表达式
string 要匹配的字符串。
maxsplit 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
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，多行匹配等等。参见：正则表达式修饰符 - 可选标志
实例
>>>import re
>>> re.split('W+', 'runoob, runoob, runoob.')
['runoob', 'runoob', 'runoob', '']
>>> re.split('(W+)', ' runoob, runoob, runoob.') 
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
>>> re.split('W+', ' runoob, runoob, runoob.', 1) 
['', 'runoob, runoob, runoob.'] 
>>> re.split('a*', 'hello world')   # 对于一个找不到匹配的字符串而言，split 不会对其作出分割
['hello world']