python常用模块之re模块（正则）
python种的re模块常用的5种方法，分别是re.match re.search re.findall re.split re.sub。
在介绍五种方法之前，需要介绍一下正则的基础。
. 表示任意字符，除\n以为\ 转义字符
[...] 字符集，表示取其中任意一个字符。比如[abc]d 可以匹配到ad bd cd。
\d 表示数字，等同于[0-9]
\D 表示非数字 [^\d]
\s 表示空格
\S 表示非空格
\w 表示单词字符 [a-zA-z_0-9]
\W 表示非单词字符 [^\w]
* 匹配前面0个或多个字符
+ 匹配前面1个或多个字符
？ 匹配前面0个或1个字符
{m} 匹配前面m个字符
{m,n} 匹配前1个字符m至n次
^ 匹配以什么开头
$ 匹配以什么结尾
\A 匹配以什么开头
\Z 匹配以什么结尾
| 或 左右表达式取一个 ABC|def
(..) 表示一个整体，（abc){2} 匹配abc2次
（?P<name>）分组命名 比如(?P<name>tom)
\(number) 引用编号为number的分组 比如：（\d)abc\1 1abc1
上述介绍了正则的一些基本语法。下面介绍的是re模块的常用方法。
一，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。
re模块可以直接使用对应的方法，比如
import re
res = re.match('\d+','123abc123')
if res:
print(res.group())
这样就可以匹配到就是123，所以输出的则是123.
但是一般使用re模块的步骤通常是 将正则表达式的字符串编译为pattern实例，然后使用pattern实例处理文本并获得匹配结果，最后使用对应方法处理。通俗的就是要使用正则，先创建正则规则，然后编译成对象。最种使用正则的对应方法处理即可。
这样的好处就是速度更快。
所以上述代码更新为：
import repattern = re.compile('\d+')
res = re.match(pattr, '123abc123')
if res:
print(res.group())
为了更直观的显示时间的区别，附上时间差的对比：
import timeimport re
def timeer(fun):
def wrapper():
start_time = time.time()
fun()
stop_time = time.time()
print('{0}函数执行时间为{1}'.format(fun.__name__,stop_time-start_time))
return wrapper
@timeer
def re_compile():
pattern = re.compile('\d+')
res = re.match(pattern, '123abc123')
if res:
print(res.group())
@timeer
def re_nocompile():
res = re.match('\d+', '123abc123')
if res:
print(res.group())
re_compile()
re_nocompile()
上面的re.group()这里其实是可以填写对应的数值的。默认就是0，代表输出匹配到所有字符。
import re
pattern = re.compile('(\d+)([a-z]+)(\d+)')
res = re.match(pattern,'123abc123')
if res:
print(res.group(0))
print(res.group(1))
print(res.group(2))
print(res.group(3))
print(res.groups())
0 表示输出匹配到的所有，即默认所以输出的结果为123abc123
1 表示输出第一个括号匹配到的内容，即123
2表示输出第二个括号匹配到的内容，即abc
3表示输出第三个括号匹配到的内容，即123
groups() 返回所有小组匹配到的内容，以元祖的形式输出。即（123,abc,123）
切记：match是从第一字符开始匹配，如果匹配不到，直接返回None.
二，re.search
re.search 扫描整个字符串并返回第一个成功的匹配
import re
pattern = re.compile('[a-z]+(\d+)(\w+)')
res = re.search(pattern,'123abc123_')
if res:
print(res.group())
print(res.group(1))
print(res.group(2))
输出结果：
abc123_
123
_
可以发现，即使search没有匹配到123,但是它还是会往后匹配，而不是直接返回none。再看如下代码：
import repattern = re.compile('[a-z]+')
res = re.search(pattern,'123abc123abd')
if res:
print(res.group())
输出结果：abc
可见，search匹配整个字符串，找到第一个就会输出。后面的则不匹配。
简单小结：
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.findall 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。findall是没有group方法的。
import repattern = re.compile('[a-z]+')
res = re.findall(pattern,'123abc123abd')
print(res)
输出结果：['abc', 'abd']
可见该正则会将匹配到内容按列表的形式输出，它不仅仅是匹配一次，这个是它和search的区别
四, re.split 匹配分割字符串
import repattern = re.compile('[a-z]+')
res = re.split(pattern,'123abc123abd')
print(res)
输出结果：['123', '123', '']
五, re.sub 匹配替换
import repattern = re.compile('[a-z]+')
res = re.sub(pattern,'000','123abc123')
print(res)
输出结果：123000123
值得注意的是：正则中* + 都是贪婪匹配，？是非贪婪匹配。所以如果你要想要限制住*的贪婪匹配，可以在*的后面添加？来限制。比如
line = '手机号:15200000000,生日:0802'reg_str1 = '.*:'
reg_str2 = '.*?:'
match_obj1 = re.match(reg_str1,line)
match_obj2 = re.match(reg_str2,line)
if match_obj1:
print(match_obj1.group())
if match_obj2:
print(match_obj2.group())
输出结果：
手机号:15200000000,生日:
手机号:
可见，?是可以限制住*的贪婪匹配的！！！
装b可用：分组，可以给匹配到的内容设置名称生成字典。
import rere = re.search('(?P<id>[0-9]+)(?P<name>[a-zA-Z]+)','abcd1233bob@34')
if re:
print(re.group())
print(re.groupdict())
输出结果：
1233bob
{'id': '1233', 'name': 'bob'}
#比如匹配身份证，import re
id = '360201199011113721'
res = re.search('(?P<Province_code>[0-9]{2})(?P<City_code>[0-9]{2})(?P<County_code>[0-9]{2})(?P<birthday>[0-9]{8})(?P<policestation_id>[0-9]{2})(?P<sexid>[0-9]{1})(?P<checkid>[0-9]{1})',id)
if res:
print(res.group())
print(res.groupdict())
输出结果：
360201199011113721
{'Province_code': '36', 'City_code': '02', 'County_code': '01', 'birthday': '19901111', 'policestation_id': '37', 'sexid': '2', 'checkid': '1'}
以上是 python常用模块之re模块（正则） 的全部内容， 来源链接： utcz.com/z/389488.html
