正则表达式

正则表达式

　　正则表达式，又称规则表达式。是计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个规则的文本。以往对字符数据处理时通常使用字符串函数，当我们了解正则表达式后，会发现正则表达式简单高效。正则表达式在不同的语言中使用方法不同，本质上区别不大。在Python语言中使用正则时需要导入模块re，下面内容主要概述基本使用方法。

re.match函数

　　re.match 从字符串的起始位置匹配一个模式，如果起始位置没有匹配成功match()就返回none；如果匹配成功就返回匹配对象Match Object，然后可以通过对象具有的方法group()提前字符串匹配的部分。

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

　　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

import re

s = "love Python3"
result = re.match("lov",s)
print(result)
print(result.group())

output：
<re.Match object; span=(0,3),match=‘lov‘>
lov

常见匹配字符

单字符匹配

>>> re.match(".","abc").group()
‘a‘
>>> re.match("[aA]","abc").group()
‘a‘
>>> re.match("[0-9]","123abc").group()
‘1‘
>>> re.match("今天\d号","今天3号").group()
‘今天3号‘

匹配多个字符的相关格式---表数量

>>> re.match("[A-Za-z]*","Shanghai").group()
‘Shanghai‘
>>> re.match("[A-Za-z]+\w","Shanghai_55").group()
‘Shanghai_‘
>>> re.match("[A-Za-z]+\w*","Shanghai_55").group()
‘Shanghai_55‘
#匹配0-99
>>> re.match("[1-9]?[0-9]","99").group()
‘99‘
>>> re.match("\w{6}","1343a_de454").group()
‘1343a_‘
>>> re.match("\w{6,9}","1343a_de454").group()
‘1343a_de4‘
>>> re.match("\w{6,}","1343a_de454").group()
‘1343a_de454‘

边界匹配

>>> re.match(".*\\bllo\\b","he llo world").group()
‘he llo‘
>>> re.match(r".*\bllo\b","he llo world").group()
‘he llo‘

　　在正则表达式中“\”通常作为转义字符出现，如单词边界分隔符"\b"，在使用时需要双\\。如果出现多个反斜杠岂不是很麻烦，可能造成漏写，因此Python里的原生字符串很好地解决了这个问题，即在字符串前面使用r，这样写出来的表达式更加直观了。

>>> re.match(r".*\bllo\b","hello world").group()
Traceback (most recent call last):
  File "<stdin>",line 1,in <module>
AttributeError: ‘NoneType‘ object has no attribute ‘group‘
>>> re.match(r".*\bllo\b","he lloworld").group()
Traceback (most recent call last):
  File "<stdin>",in <module>
AttributeError: ‘NoneType‘ object has no attribute ‘group‘

　　\b匹配单词边界，要求匹配的字符要么位于首端、末端或者字符两端空格。

>>> re.match(r".*llo\B","lloh").group()
‘llo‘
>>> re.match(r".*\Bllo\B","helloh").group()
‘hello‘
>>> re.match(r".*\Bllo\B","hello").group()
Traceback (most recent call last):
  File "<stdin>",in <module>
AttributeError: ‘NoneType‘ object has no attribute ‘group‘
>>> re.match(r".*\Bllo","llo").group()
Traceback (most recent call last):
  File "<stdin>",in <module>
AttributeError: ‘NoneType‘ object has no attribute ‘group‘

\B匹配非单词边界，要求匹配的字符不能位于首端、末端或者有空格。

匹配分组

#匹配0-100
>>> re.match(r"[1-9]?\d$|100","92").group()
‘92‘
#匹配分组
>>> re.match("([^-]*)-(\d+)","0761-3601110").group()
‘0761-3601110‘
>>> re.match("([^-]*)-(\d+)","0761-3601110").groups()
(‘0761‘,‘3601110‘)
>>> re.match("([^-]*)-(\d+)","0761-3601110").group(1)
‘0761‘
>>> re.match("([^-]*)-(\d+)","0761-3601110").group(2)
‘3601110‘

分组匹配：<html><h1>www.baidu.cn</h1></html>

\number

>>> s = "<html><h1>www.baidu.cn</h1></html>"
>>> re.match(r"<(\w*)><(\w*)>.*</\2></\1>",s).group()
‘<html><h1>www.baidu.cn</h1></html>‘

前后标签一致可以使用分组（），第一个分组为1，第二个为2，依次类推。

(?P<name>) (?P=<name>)

>>> s = "<html><h2>www.baidu.cn</h2></html>"
>>> re.match(r"<(?P<lab1>\w*)><(?P<lab2>\w*)>.*</(?P=lab2)></(?P=lab1)>",s).group()
‘<html><h2>www.baidu.cn</h2></html>‘

　　？P定义分组别名name，？P=为使用分组别名。当使用的分组较多时，用\number不够直观可能会出错，使用分组别名替代\number更加直观可以避免混乱。

re.match函数

相关推荐