python re 模块的使用

re模块是python的内置模块

文章参考: [Python re 模块 | 菜鸟教程](www.runoob.com/python3/pyt...

用于对于字符串中数据匹配，搜索，操作

需要查找特定的模式或替换某些字符

1.re模块的导入

python 复制代码

import re

2.常用re函数

(1)`re.match()`函数

从字符串起始位置 匹配正则表达式模式
基本语法 : | re.match(pattern, string, flags=0) |
re.match()函数包含三个主要参数：

**pattern** (必选)：这是一个字符串，表示你要匹配的正则表达式规则，例如 r"\d+"用于匹配数字。
**string** (必选)：这是待检测的目标字符串。
**flags** (可选)：用于控制匹配方式的标志，例如忽略大小写 (re.I)、使点号匹配换行符 (re.S) 等。这是一个可选参数，默认为 0，表示不使用任何特殊标志。

基本查找

python 复制代码

import re
result = re.match(r'Hello', 'Hello, world!')
print(result)  # 输出: <re.Match object; span=(0, 5), match='Hello'>
print(result.group())  # 输出: Hello

使用分组提取内容

python 复制代码

#**使用分组提取内容**
import re 
line = "Cats are smarter than dogs" # 模式中有两个括号，创建了两个分组 matchObj = re.match(r'(.*) are (.*?) .*', line) 
if matchObj: 
    print("整个匹配的字符串: ", matchObj.group()) # Cats are smarter than dogs 
    print("第一个分组匹配的内容: ", matchObj.group(1)) # Cats 
    print("第二个分组匹配的内容: ", matchObj.group(2)) # smarter 
else: 
    print("No match!!")

注意： re.match()只检查字符串的开头 。这是它和 re.search()最关键的区别，后者会扫描整个字符串

(2)`re.search()`函数

用于在字符串中扫描并找到第一个 符合正则表达式模式的匹配项
基本语法 : | re.search(pattern, string, flags=0) |
re.search()函数包含三个主要参数：(与re.search()函数是一致的只是搜索范围不同)

**pattern** (必选)：一个字符串，代表你要匹配的正则表达式规则，例如 r"\d+"表示匹配一个或多个数字。
**string** (必选)：待搜索的目标字符串。
**flags** (可选)：用于控制匹配方式的标志，例如忽略大小写、多行模式等。这是一个可选参数，默认为0。常用的标志有：
- re.I/ re.IGNORECASE: 忽略大小写。
- re.M/ re.MULTILINE: 影响 ^和 $的行为，使它们匹配每一行的开头和结尾。
- re.S/ re.DOTALL: 使点号 .匹配包括换行符在内的所有字符。

基本查找

python 复制代码

import re 
result = re.search(r'\d+', '订购了3件商品，总计123元。') 
if result: 
    print(result.group()) # 输出: 3 (注意：这里匹配到的是第一个数字序列"3")

使用分组提取内容

在正则表达式中使用圆括号 ()可以创建分组，匹配成功后可以通过匹配对象的方法提取特定部分的内容。

.group(0)或 .group(): 获取整个模式匹配的完整文本。
.group(1), .group(2), ...: 按顺序获取第1个、第2个...分组匹配的文本。
.groups(): 返回一个包含所有分组匹配文本的元组。

python 复制代码

import re
text = "用户的邮箱地址是：contact@example.com，欢迎联系。"
# 模式中有两个分组：(\S+) 和 (\S+\.\S+) 
match_obj = re.search(r'(\S+)@(\S+\.\S+)', text)
if match_obj:
    print("完整邮箱:", match_obj.group()) # contact@example.com
    print("用户名:", match_obj.group(1)) # contact 
    print("域名:", match_obj.group(2)) # example.com 
    print("所有分组:", match_obj.groups()) # ('contact', 'example.com')

注意事项

与 re.match()的区别 ：这是最关键的一点。re.match()只检查字符串的起始位置 是否符合模式，而 re.search()会扫描整个字符串

python 复制代码

import re 
line = "Dog is the best friend of humans" 
match_result = re.match(r'best', line) # 从开头匹配"best"，失败 
search_result = re.search(r'best', line) # 在整个字符串中搜索"best"，成功

(2)`re.findall()`函数

用于查找所有 符合正则表达式的子串,，并返回所有与指定模式匹配的非重叠子串组成的列表
基本语法 : | re.search(pattern, string, flags=0) |
返回值 ：一个列表（list）。如果找到匹配项，列表包含所有匹配的子串；如果未找到，则返回空列表 []
re.findall()函数包含三个主要参数：(与re.search()函数是一致的)

**pattern** (必选)：一个字符串，代表你要匹配的正则表达式规则，例如 r"\d+"表示匹配一个或多个数字。
**string** (必选)：待搜索的目标字符串。
**flags** (可选)：用于控制匹配方式的标志，例如忽略大小写、多行模式等。这是一个可选参数，默认为0。常用的标志有：
- re.I/ re.IGNORECASE: 忽略大小写。
- re.M/ re.MULTILINE: 影响 ^和 $的行为，使它们匹配每一行的开头和结尾。
- re.S/ re.DOTALL: 使点号 .匹配包括换行符在内的所有字符。

基本查找

python 复制代码

#查找字符串中的所有数字
import re text = "我的电话是123，你的电话是456。" 
result = re.findall(r'\d+', text) 
print(result) # 输出：['123', '456']

使用分组提取内容

python 复制代码

#当正则表达式中包含圆括号 `()`分组时，`re.findall()`会优先返回分组捕获的内容，而不是整个匹配的内容
import re 
text = "请联系support@example.com或info@domain.org" 
# 模式中有分组，只提取@后面的域名部分 
result = re.findall(r'\w+@([\w.]+)', text) 
print(result) # 输出：['example.com', 'domain.org']

使用标志位（flags）

使用 flags=re.I来忽略英文字母的大小写

python 复制代码

import re 
text = "Hello HELLO hello" 
result = re.findall(r'hello', text, flags=re.IGNORECASE) 
print(result) # 输出：['Hello', 'HELLO', 'hello']

处理大量数据：re.finditer()

如果需要处理非常长的文本，re.finditer()是更好的选择。它不会一次性返回所有结果，而是返回一个迭代器（iterator），逐个产生匹配对象，从而节省内存

python 复制代码

import re 
text = "数字有123和456还有789。" # 使用finditer逐个处理匹配项 
for match in re.finditer(r'\d+', text): 
    print(f"找到数字: {match.group()}，位置在: {match.span()}") 
    # 输出： 
    # 找到数字: 123，位置在: (3, 6) 
    # 找到数字: 456，位置在: (7, 10) 
    # 找到数字: 789，位置在: (11, 14)

python re 模块的使用

1.re模块的导入

2.常用re函数

(1)re.match()函数

(2)re.search()函数

注意事项

(2)re.findall()函数

(1)`re.match()`函数

(2)`re.search()`函数

(2)`re.findall()`函数