re模块的常用方法

　　使用 re模块下的compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象。

　　通过 Pattern 提供的一系列方法可以对文本进行匹配查找，最后得到一个Match对象

　　最后使用 Match 对象提供的属性和方法获得信息

　　首先认识一下compile 函数，它的一般使用形式如下：

　　import re

　　# 将正则表达式编译成 Pattern 对象

　　pattern = re.compile(r'\w{3}')

　　print(pattern)

　　Pattern 对象的一些常用方法主要有：

　　• match 方法：从起始位置开始查找，一次匹配

　　• search 方法：从任何位置开始查找，一次匹配

　　• findall 方法：全部匹配，返回列表

　　• finditer 方法：全部匹配，返回迭代器

　　• split 方法：分割字符串，返回列表

　　• sub 方法：替换

　　match方法：

　　match方法是从字符串的pos下标处起开始匹配pattern，如果pattern结束时已经匹配，则返回一个Match对象;

　　如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。该方法原型如下：

　　match(string[, pos[, endpos]]) 或者 re.match(pattern, string[, flags])

　　参数string表示字符串;pos表示下标，pos和endpos的默认值分别为0和len(string);参数flags用于编译pattern时指定匹配模式。

　　三个常见的匹配模式：

　　(1) re.I(re.IGNORECASE)：忽略大小写(括号内是完整写法)

　　(2) re.M(re.MULTILINE)：允许多行模式

　　(3) re.S(re.DOTALL)：支持点任意匹配模式

　　import re

　　# 1. 得到pattern

　　pattern = re.compile('abc')

　　# 2. 使用公式对象匹配要校验的字符串 match 匹配，返回一个匹配对象match对象

　　match_obj = pattern.match('abcdef')

　　print(match_obj)

　　运行结果：

　　<re.match match="abc" 3),="" span="(0," object;=""> # 表示有匹配对象

　　import re

　　# 1. 得到pattern

　　pattern = re.compile('abc')

　　# 2. 使用公式对象匹配要校验的字符串 match 匹配，返回一个匹配对象match对象

　　match_obj = pattern.match('helloabc')

　　print(match_obj)

　　运行结果是：None

　　此时helloabc中明明是存在abc这个内容的，但是Match对象为什么是None呢?因为Match在匹配判断的时候都是从字符串的开头开始判断，如果开始没有匹配上就返回None了，但是如果代码改成下面这样就会返回一个Match对象

　　import re

　　# 1. 得到pattern

　　pattern = re.compile('abc')

　　# 2. 使用公式对象匹配要校验的字符串 match 匹配，返回一个匹配对象match对象

　　match_obj = pattern.match('helloabc',5)

　　# 3. 打印对象

　　print(match_obj)

　　上面���只是方便大家理解正则的检索过程，但是实际使用中我们可以直接通过re.match(pattern,字符串)进行检索。

　　比如(各位觉得结果会是什么呢?)

　　import re

　　r = re.match('abc', 'helabclo')

　　print(r)

　　结果是None，因为还是从头开始比较的，但是事实上我们要检索的内容很有可能在字符串的中间或者后面，不可能每次都在前面。此时我们就要使用search方法了。

　　search 方法：

　　使用search表示从任何位置开始查找，一次匹配，注意：是一次匹配，如果后面还有匹配的也不会查找了。

　　它的一般使用形式如下：

　　search(string[, pos[, endpos]])

　　其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。

　　当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。

　　import re

　　r = re.search('abc', 'helabcloabc')

　　print(r)

　　此时返回的结果：

　　<re.match match="abc" span="(3," object;="" 6),="">

　　Match对象有几个常用的方法：

　　group(): 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)

　　span(): 返回匹配字符串的起始位置

　　start()：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()：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

　　import re

　　r = re.search('abc', 'helabcloabc')

　　if r:

　　print(r.group())

　　print(r.span())

　　print(r.start())

　　print(r.end())

　　结果是：

　　abc

　　(3, 6)

　　3

　　6

　　如果我们的正则定义复杂一些使用上面的匹配规则，使用方式也是这样吗?

　　import re

　　match = re.search(r'([a-z]+) ([a-z]+)', 'hello Kitty hellobaby hello world') # 注意此时是区分大小写的

　　if match:

　　print(match.group(0))

　　print(match.group(1)) # 获取第一个分组的字符串

　　print(match.group(2)) # 获取第二个分组的字符串

　　print(match.groups())

　　结果是：

　　itty hellobaby

　　itty

　　hellobaby

　　('itty', 'hellobaby')

　　上面的正则表达式表示两组有多个a-z之间的任意字符组成的多个字符串，并且两组之间是有空格的。其中match.groups()表示的意思是(m.group(1), m.group(2), ...)，上面的代码只有两组，因此只能match.group(2),但是如果match.group(3)则会报错。

　　可是问题又来了，search只要找到符合要求的字符串则不会继续查找，但是事实上后面仍然符合正则的仍然是存在的。

　　比如：hello world

　　要想所有的都获取到，考虑使用findall()，通过英语分析都能知道它是什么意思。

　　findall方法

　　findall 方法的使用形式如下：

　　findall(string[, pos[, endpos]])

　　其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。findall 以列表形式返回 ，是全部能匹配的子串，如果没有匹配，则返回一个空列表。

　　比如上面的代码使用findall()看看获取的结果是什么?

　　import re

　　match_list = re.findall(r'([a-z]+) ([a-z]+)', 'hello Kitty hellobaby hello world') # 注意此时是区分大小写的

　　if match_list:

　　print(match_list)

　　结果：

　　[('itty', 'hellobaby'), ('hello', 'world')]

　　比如我们要求写一个正则，用于检索字符串所有两头是字母，中间全部是数字的字符串。

　　import re

　　s = 'h88ex890loK123Jldkl90gd3o'

　　m = re.findall('[a-z][0-9]*[a-z]', s, re.I)

　　print(m)

　　结果：

　　['h88e', 'x890l', 'oK', 'Jl', 'dk', 'l90g', 'd3o']

　　如果是判断一个字符串是否是数字开头呢?我们使用match、search、findall?

　　import re

　　# 注意是数字开头,所以我们主要是判断开头，所以我们使用match

　　match = re.match(r'\d+.*','123admin') # \d 在匹配规则上表示数字，+表示的是次数大于等于1，.表示任意字符，*表示长度是大于等于0

　　if match:

　　print('是数字开头的')

　　else:

　　print('不是数字开头的')

　　结果打印：是数字开头的，字符串换成：admin呢?

　　下面���代码的结果会是什么呢?

　　# 验证用户名 字母数字下划线 首字母不能是数字 长度必须6位以上

　　username = 'admin123'

　　m = re.match('[a-zA-Z_]\w{5,}$', username)

　　print(m.group())

　　finditer 方法

　　finditer 方法的行为跟 findall 的行为类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果(Match 对象)的迭代器。大家可以将上面的代码改成finditer观察结果，此处不再展示代码。

　　split 方法

　　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：

　　split(string[, maxsplit])

　　其中，maxsplit 用于指定最大分割次数，不指定将全部分割。跟字符串的分隔类似，但是这个更加灵活。

　　比如：

　　import re

　　s = 'hello Kitty hellobaby hello world hello8hello'

　　m = re.split(r'[\s\d]+', s) # 表示遇到空白字符\s或者数字\d，都会切割,如果有多个空格也可以切割不仅是一个空格或者数字

　　print(m)

　　此时得到的结果是：

　　['hello', 'Kitty', 'hellobaby', 'hello', 'world', 'hello', 'hello']

　　sub方法

　　sub 方法用于替换。它的使用形式如下：

　　sub(repl, string[, count])

　　repl 可以是字符串也可以是一个函数：

　　如果 repl 是字符串，则会使用 repl 去替换字符串每一个匹配的子串，并返回替换后的字符串，另外，repl 还可以使用 id 的形式来引用分组，但不能使用编号 0;

　　如果 repl 是函数，这个方法应当只接受一个参数(Match 对象)，并返回一个字符串用于替换(返回的字符串中不能再引用分组)。

　　count 用于指定最多替换次数，不指定时全部替换

　　import re

　　# 比如替换敏感词汇

　　s = '小明喜欢苍老师'

　　m = re.sub(r'(苍井空|苍老师)', '***', s) # 括号里面的表示一组，可以是这一组中的任何一个。

　　print(m)

　　# 将里面的分数都替换成100分

　　msg = 'python=99,c=98,html=90'

　　m = re.sub(r'\d+', '100', msg)

　　print(m)

　　当然也可以使用函数，比如分数都加1分

　　import re

　　def add(temp):

　　print(temp) # 此处打印便于查看

　　score = temp.group() # 获取匹配的内容

　　score = int(score) + 1

　　return str(score)

　　m = re.sub(r'\d+', add, msg)

　　print(m)

　　当然在使用过程中还会涉及到分组、贪婪和非贪婪模式，此处就不展开了，有时间给大家专门写一篇文章。