Python正则表达式

一. Python的模式编译

Python的模式编译使用compile， 在博文后面有部分常用的例子可供参考。

# 先编译模式然后再使用
some_pattern = re.compile(pattern[,flag])
some_pattern.match(text)
# 比如：
text = 'Today is 2023-07-04. Welcom to 2023-07-05.'
some_pattern = re.compile(r'Today')
some_pattern.match(text)

# 不先编译模式直接使用
re.match(some_pattern, string[, flags])
# 比如：
text = '2023-07-04'
res = re.match(r'(\d{4})-(\d{2})-(\d{2})', text)

二. Python匹配使用函数

re.match(some_pattern, string[, flags])  # 返回对象。只从头部开始匹配， 头部匹配失败，则匹配失败。
re.search(some_pattern, string[, flags]) # 返回对象。只匹配一次， 匹配一次成功后后面不会再匹配。

re.split(some_pattern, string[, maxsplit])   # 返回数组。分割以多个分隔符分隔的字符串
re.findall(some_pattern, string[, flags])    # 返回数组。查找模式匹配的所有结果。
re.finditer(some_pattern, string[, flags])   # 返回可迭代对象。和findall类似，需要用迭代的方式访问匹配结果。

re.sub(some_pattern, repl, string[, count])  # 返回替换后的字符串。正则表达式的搜索替换。
re.subn(some_pattern, repl, string[, count]) # 返回替换后的字符串。正则表达式的搜索替换，同时返回替换的次数。

三. 判断是否匹配成功

some_pattern.match(text) # 是否匹配成功用 if 来判断，然后继续后续操作。

四. flags可选参数

I(IGNORECASE): 忽略大小写
L(LOCALE):     使用\w,\W,\b,\B时依据本地配置
M(MULTILINE):  多行，^匹配每行的开头，$匹配每行的末尾 
S(DOTALL):     使.匹配包含换行符在内的任意字符
X(VERBOSE):    忽略空白处和注释内容
U(UNICODE):    使\w,\W,\b,\B依靠UNICODE编码

# 忽略大小写查找life单词。
text = "Life is short! I use Python!"
res = re.findall(r'life', text, flags=re.I)
res = re.findall(r'life', text, re.I)

五. 贪婪匹配

• 使用贪婪匹配

text = ' I like "python", but you like "java" '
res = re.findall(r'\"(.*)\"', text)
['python", but you like "java']

• 用 ? 避免贪婪匹配，下面是非贪婪匹配

text = ' I like "python", but you like "java" '
res = re.findall(r'\"(.*?)\"', text)
['python', 'java']

六. 常用例子

• 只从头部开始匹配， 头部匹配失败，则匹配失败。re.match(pattern, string[, flags])返回一个 SRE_Match 对象

# 匹配成功例子
text = 'Today is 2023-07-04. Welcom to 2023-07-05.'
some_pattern = re.compile(r'Today')
some_pattern.match(text)


# 匹配失败例子，因为 Today 前面有一个空格，不是开头的部分。
text = 'Today is 2023-07-04. Welcom to 2023-07-05.'
some_pattern = re.compile(r' Today')
some_pattern.match(text)

# 分组匹配，返回一个 SRE_Match 对象， 使用groups() group() 获取分组的值
text = '2023-07-04'
some_pattern = re.compile(r'(\d{4})-(\d{2})-(\d{2})')
res = some_pattern.match(text)
res.groups()     # 返回匹配的一个元组
res.group(0)     # 返回原始字符串
res.group(1)     # 返回第一个分组
res.group(2)     # 返回第二个分组

• re.search(pattern, string[, flags]) 只匹配一次， 匹配一次成了后后面不会再匹配。返回一个 SRE_Match 对象

text = 'Today is 2017-07-20. Welcom to 2018-07-21.'
some_pattern = re.compile(r'(\d{4})-(\d{2})-(\d{2})')
res = some_pattern.search(text)
res.groups()     # 返回匹配的元组
res.group(0)     # 返回匹配的字符串
res.group(1)     # 返回第一个分组
res.group(2)     # 返回第二个分组

• 分割以多个分隔符的字符串。re.split(pattern, string[, maxsplit]) 使用 re 模块的正则表达式可以实现分割多个分隔符的字符串。你说霸气不霸气。。。

info = " my teacher where; are , you . my,friend"
[x for x in re.split(r'\s*[;,.\s]\s*', info) if x ]
# 结果为：
['my', 'teacher', 'where', 'are', 'you', 'my', 'friend']

• 查找字符串任意部分的模式出现位置，并返回列表。re.findall(pattern, string[, flags])

# 如果匹配到多次，则将每次的结果追加到一个数组中。
text = 'Today is 2023-07-04. Welcom to 2023-07-05.'
some_pattern = re.compile(r'\d{4}-\d{2}-\d{2}')
res = some_pattern.findall(text)
# res 为一个数组 ['2023-07-04', '2023-07-05']


# 如果用括号括起来分组了，则返回分组组成的列表。
text = 'Today is 2023-07-04. Welcom to 2023-07-05.'
some_pattern = re.compile(r'(\d{4})-\d{2}-\d{2}')
res = some_pattern.findall(text)
# res 为一个数组 ['2023', '2023']

• 全局搜索指定匹配模式，然后返回一个可迭代对象。re.finditer(pattern, string[, flags])，finditer 和 findall 类似，不同点就是需要用迭代的方式访问匹配结果。

re.finditer(pattern, string[, flags])

• 正则表达式的搜索替换。re.sub(pattern, repl, string[, count])

# 将时间格式 2023-07-04 改为 07/04/2023 形式，反斜杠数字比如 \3 指向前面模式的捕获组号。
text = 'Today is 2023-07-04. Welcom to 2023-07-05.'
res = re.sub(r'(\d+)-(\d+)-(\d+)', r'\2/\3/\1', text)


# 将 python 和 life 对调
text = "python is short! i use life!"
res = re.sub(r'(python)(.*)(life)', r'\3\2\1', text)

• 搜索替换， 返回替换后的字符串，同时返回替换的次数。re.subn(pattern, repl, string[, count])

# 将时间格式 2023-07-04 改为 07/04/2023 形式，反斜杠数字比如 \3 指向前面模式的捕获组号。
text = 'Today is 2023-07-04. Welcom to 2023-07-05.'
res, n = re.subn(r'(\d+)-(\d+)-(\d+)', r'\2/\3/\1', text)


# 将 python 和 life 对调
text = "python is short! i Use life!"
res, n = re.subn(r'(python)(.*)(life)', r'\3\2\1', text)

• 以上的匹配都是单行匹配，如果要匹配的字符串是多行，就需要使用多行模式来匹配。 比如当用点(.)匹配任意字符的时候，忘记了点(.)不能匹配换行符。 比如，匹配C语言分割的注释

comment = re.compile(r'/\*(.*?)\*/')
text1 = '/* this is a comment */'
text2 = '''/*
           this is a
           multiline comment
           */
        '''
comment.findall(text1)
[' this is a comment ']

comment.findall(text2)
[]


# 现在只需要加一个标志参数 re.DOTALL 即可
comment = re.compile(r'/\*(.*?)\*/', re.DOTALL)
comment.findall(text2)
# 结果
[' this is a\n multiline comment ']