正则表达式高级用法

共计 2615 个字符，预计需要花费 7 分钟才能阅读完成。

一、正则高级用法

1、分组

• 概念

  处理简单的判断是否匹配之外，正则表达式还有提取子串的功能，用 () 表示的就是要提取的分组

• 代码

  import re
  
  ret = re.search(r"(?P<phone>(?P<quhao>0\d{2,3})-(\d{7,8}))", "zutuanxue_com's phone is 010-88888888")
  print(ret)
  # 组的排序：从外到内，从左到右
  print(ret.group(0)) # 组中下标为 0 的表示原数据
  print(ret.group("phone"))
  print(ret.group(1))
  print(ret.group("quhao")) # 可以根据组的名字获取组的数据
  print(ret.group(2))
  print(ret.group(3))
  # 查看匹配的各组的数据
  print(ret.groups())
  

• 说明

  • 正则表达式中定义了组，就可以在 Match 对象上用 group()方法提取出子串来
  • group(0)永远是原始字符串，group(1)、group(2)……表示第 1、2、……个子串

2、编译

• 概念

  当在 python 中使用正则表达式时，re 模块会做两件事，一件是编译正则表达式，如果表达式的字符串本身不合法，会报错。另一件是用编译好的正则表达式提取匹配字符串

• 编译优点

  如果一个正则表达式要使用几千遍，每一次都会编译，出于效率的考虑进行正则表达式的编译，就不需要每次都编译了，节省了编译的时间，从而提升效率

• compile()函数

  • 原型

    def compile(pattern, flags=0)
    

  • 作用

    将 pattern 模式编译成正则对象

  • 参数

    参数	说明
    pattern	匹配的正则表达式(一种字符串的模式)
    flags	标识位，用于控制正则表达式的匹配方式

  • flags

    值	说明
    re.I	是匹配对大小写不敏感
    re.L	做本地化识别匹配
    re.M	多行匹配，影响到 ^ 和 $
    re.S	使. 匹配包括换行符在内的所有字符
    re.U	根据 Unicode 字符集解析字符，影响 \w、\W、\b、\B
    re.X	通过给予我们功能灵活的格式以便更好的理解正则表达式

  • 返回值

    编译好的正则对象

  • 示例

    import re
    
    re_phone = re.compile(r"(0\d{2,3}-\d{7,8})")
    print(re_phone, type(re_phone))
    

• 编译后其他方法的使用

  原型

  def match(self, string, pos=0, endpos=-1)
  def search(self, string, pos=0, endpos=-1)
  def findall(self, string, pos=0, endpos=-1)
  def finditer(self, string, pos=0, endpos=-1)
  

  参数

  参数	说明
  string	待匹配的字符串
  pos	从 string 字符串 pos 下标开始
  endpos	结束下标

  示例

  s1 = "zutuanxue_com's phone is 010-88888888"
  s2 = "kaige's phone is 010-99999999"
  ret1 = re_phone.search(s1)
  print(ret1, ret1.group(1))
  ret2 = re_phone.search(s2)
  print(ret2, ret2.group(1))
  

3、贪婪匹配

• 贪婪概念

  匹配尽可能多的字符

  import re
  
  print(re.findall(r"(\d+0)", "12340567085465046567"))
  

• 非贪婪概念

  尽可能少的匹配称为非贪婪匹配，*?、+? 即可

  import re
  
  print(re.findall(r"(\d+?0)", "12340567085465046567"))
  

• 常见示例

  /* part1 */ /* part2 */

  import re
  
  s = '''/* zutuanxue_com good */ dsdgergaergser /* kaige nice */'''
  print(re.findall(r"/\* (.*) \*/", s))
  print(re.findall(r"/\* (.*?) \*/", s))
  

二、高级使用

1、字符串切割

• 早期字符串切割代码

  s1 = "zutuanxue_com is a good man"
  print(s1.split(" "))
  

• 现在的需求

  字符串 ”zutuanxue_com is a good man” 中的单词切割出来（注意字符串中空格个数不定）

• 正则中的 split()函数

  原型：re.split(pattern, string)

  作用：切割字符串

• 解决需求

  import re
  
  s2 = "zutuanxue_com     is  a good    man"
  print(re.split(r"\s+", s2))
  

• 切割 ”zutuanxue_com#is$a%good&man” 中的单词

  import re
  
  s3 = "zutuanxue_com#is$a%good&man"
  print(re.split(r"[#$%&]", s3))
  

2、字符串替换

• 早期字符串替换代码

  s1 = "zutuanxue_com is a good man"
  s2 = s1.replace("good", "nice")
  print(s2)
  

• 现在的需求

  将字符串 ”zutuanxue_com is a good man!zutuanxue_com is a nice man!zutuanxue_com is a cool man” 中的 ”good”、“nice”、“cool” 都改为 ”handsome”

• sub 函数与 subn()函数

  • 原型

    def sub(pattern, repl, string, count=0, flags=0)
    def subn(pattern, repl, string, count=0, flags=0)
    

  • 作用

    在目标字符串 string 中查找匹配的 pattern 模式的字符串，再把它们替换成指定 repl 字符串，可以指定最多替换 count 次，否则替换所有

  • 区别

    a、sub 返回一个替代后的字符串

    b、subn 返回一个元组，元组的第一个元素为替换后的字符串，第二个元素为替换的次数

• 解决需求

  import re
  
  s3 = "zutuanxue_com is a good man!zutuanxue_com is a nice man!zutuanxue_com is a cool man"
  print(re.sub(r"good|nice|cool", "handsome", s3))
  print(re.subn(r"good|nice|cool", "handsome", s3))