一、正则表达式

1.简介

   正则表达式，又称规则表达式,（Regular Expression，在代码中常简写为regex、regexp或RE），是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"），是计算机科学的一个概念。正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。    

       许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开来的，后来在广泛运用于Scala 、PHP、C# 、Java、C++ 、Objective-c、Perl 、Swift、VBScript 、Javascript、Ruby 以及Python等等。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。

2.概念

       正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

3.目的

给定一个正则表达式和另一个字符串，我们可以达到如下的目的：

• 判断给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）：
• 可以通过正则表达式，从字符串中获取我们想要的特定部分。

4.特点

正则表达式的特点是：

• 灵活性、逻辑性和功能性非常强；
• 可以迅速地用极简单的方式达到字符串的复杂控制。
• 对于刚接触的人来说，比较晦涩难懂。

二、Re库

re库是Python自带的标准库，不需要安装即可使用：

Re库默认采用贪婪匹配，即输出匹配最长的子串

import re

模块常用函数：

1.re.match()

基础语法形式为：

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

函数功能为 ：从一个字符串的开始位置起匹配正则表达式，返回match对象。如果开始没有匹配到，不管后边有没有能符合匹配的，都打印不出结果，这是和search的区别。

参数说明：

pattern:匹配目标对象的正则表达式pattern或原生字符串表示

string:匹配的字符串

flags：正则表达式使用时的控制标记

其中flags可选参数有：

参数 说明

re.l/re.IGNORECASE 忽略大小写

re.M/re.MULTILINE 多行模式，改变‘^'和'$'的行为

re.S/re.DOTALL 点'.'的任意匹配模式，改变’.‘的行为

re.L/re.LOCALE

使预定字符类\w\W\b\B\s\S取决于当前区域设定

re.U/re.UNICODE 使预定字符类\w\W\b\B\s\S\d\D取决于unicode定义的字符属性

re.X/re.VERBOSE 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并且可以加入注释

我们把复杂的匹配放到第三章再写，这里我们仅简单展示一下该函数的用法和效果：

strings='Fanstuck wants to leave alone'
print(re.match('Fanstuck',strings))
#out: <re.Match object; span=(0, 8), match='Fanstuck'>

2.fullmatch()

基础语法格式为：

fullmatch(pattern, string, flags=0)

参数说明：

pattern:匹配目标对象的正则表达式pattern或原生字符串表示

string:匹配的字符串

flags：正则表达式使用时的控制标记

函数功能为 ：尝试将正则表达式pattern应用于所有字符串string，如果匹配成功，返回匹配对象；如果找不到匹配，则为“None”。

用法效果展示：

strings='Fanstuck wants to leave alone'
print(re.fullmatch('Fanstuck wants to leave alone',strings))
#out: <re.Match object; span=(0, 29), match='Fanstuck wants to leave alone'>

该函数为贪婪规则指定的pattern都必须完全和strings长度和字符一一对应，否则就是None：

strings='Fanstuck wants to leave alone'
print(re.fullmatch('Fanstuck wants to leave alon',strings))
#out: None

3.search()

基础语法格式为：

search(pattern, string, flags=0)

参数说明：

pattern:匹配目标对象的正则表达式pattern或原生字符串表示

string:匹配的字符串

flags：正则表达式使用时的控制标记

函数功能为 ：扫描字符串string以查找与正则表达式pattern的匹配项，返回匹配对象；如果找不到匹配，则为“None”。 re.search 匹配整个字符串，直到找到一个匹配。

strings='Fanstuck wants to leave alone'
print(re.search('alone',strings))
#out：<re.Match object; span=(24, 29), match='alone'>

strings='Fanstuck wants to leave alone'
print(re.search('die',strings))
#out：None

4. sub()

基本语法格式为:

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

参数说明：

• pattern:匹配目标对象的正则表达式pattern或原生字符串表示
• repl:将匹配到的pattern替换为repl
• string:匹配的字符串
• count：模式匹配后替换的最大次数，默认 0 表示替换所有的匹配
• flags：正则表达式使用时的控制标记

strings='Fanstuck wants to leave alone alonely'
print(re.sub('leave','die',strings))
#out:Fanstuck wants to die alone alonely

strings='Fanstuck wants to leave alone alonely'
print(re.sub('alone','sad',strings))
#out:Fanstuck wants to leave sad sadly

5.subn()

基础语法格式为：

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

参数说明：

pattern:匹配目标对象的正则表达式pattern或原生字符串表示

repl:将匹配到的pattern替换为repl

string:匹配的字符串

count：模式匹配后替换的最大次数，默认 0 表示替换所有的匹配

flags：正则表达式使用时的控制标记

与前一个函数sub相比，无非就是增加了一个次数：

strings='Fanstuck wants to leave alone alonely'
print(re.subn('alone','sad',strings))
#out：('Fanstuck wants to leave sad sadly', 2)

但是转化为字典dict或者是用于pandas都是比较方便的，不用在统计出匹配了多少个字段。

6.findall()

基础语法格式为：

findall(pattern, string, flags=0)
或
findall(pattern，string, pos, endpos)

参数说明：

pattern:匹配目标对象的正则表达式pattern或原生字符串表示

string:匹配的字符串

flags：正则表达式使用时的控制标记

pos:可选参数，指定字符串的起始位置，默认为 0。

endpos：可选参数，指定字符串的结束位置，默认为字符串的长度

函数功能为 ：在字符串string中匹配所有符合正则表达式pattern的对象，并把这些对象通过列表list的形式返回。

strings='Fanstuck wants to leave alone alonely'
print(re.findall('alone',strings))
#out:['alone', 'alone']

strings='Fanstuck wants to leave alone alonely'
print(re.findall('alonely',strings))
#out:['alonely']

strings='Fanstuck wants to leave alone alonely'
pattern=re.compile('a')
print(pattern.findall(strings,0,30))

7.finditer()

基础语法格式为：

finditer(pattern, string, flags=0)

参数说明：

• pattern:匹配目标对象的正则表达式pattern或原生字符串表示
• string:匹配的字符串
• flags：正则表达式使用时的控制标记

函数功能为：在字符串string中匹配所有符合正则表达式pattern的对象，并把这些对象通过迭代器的形式返回。

strings='Fanstuck wants to leave alone alonely'
result=re.finditer('alone',strings)
for i in result:
    print(i)
#out:<re.Match object; span=(24, 29), match='alone'>
#out:<re.Match object; span=(30, 35), match='alone'>

8.compile()

基础语法格式为：

compile(pattern, flags=0)

• pattern:匹配目标对象的正则表达式pattern或原生字符串表示
• flags：正则表达式使用时的控制标记

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

strings='Fanstuck wants to leave alone alonely'
pattern=re.compile('to')
pattern.search(strings)
#out:<re.Match object; span=(15, 17), match='to'>

strings='Fanstuck wants to leave alone alonely'
pattern=re.compile('to')
object_search=pattern.search(strings)
object_search.group()
#out:'to'
object_search.start()
#out:15
object_search.end()
#out:17
object_search.span()
#out:(15,17)

9. splite()

基础语法格式为：

re.splite(pattern, string, maxsplit=0, flags=0)

参数说明：

pattern:匹配目标对象的正则表达式pattern或原生字符串表示

string:匹配的字符串

maxsplit:分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数

flags：正则表达式使用时的控制标记

pattern匹配的子串来分割string，如果pattern里使用了圆括号，那么被pattern匹配到的串也将作为返回值列表的一部分,maxsplit为最多被分割的字符串个数。

strings='Fanstuck wants to leave alone alonely'
re.split(r' ', strings)
#out:['Fanstuck', 'wants', 'to', 'leave', 'alone', 'alonely']

strings='Fanstuck wants to leave alone alonely'
re.split(r' ', strings,maxsplit=2)
#out:['Fanstuck', 'wants', 'to leave alone alonely']

strings='Fanstuck wants to leave alone alonely'
re.split(r'( )', strings,maxsplit=2)
#out:['Fanstuck', ' ', 'wants', ' ', 'to leave alone alonely']

10.Match对象和Pattern对象

re.match()、re.search()成功匹配的话都会返回一个Match对象，它包含了关于此次匹配的信息，可以使用Match提供的属性或方法来获取这些信息；Pattern对象对象由re.compile()生成，而且方法用处也是一样的。

strings='Fanstuck wants to leave alone alonely'
pattern=re.compile('to')
object_search=pattern.search(strings)
object_search.string
#out:'Fanstuck wants to leave alone alonely'
object_search.re
#out:re.compile(r'to', re.UNICODE)
object_search.pos
#out:0 (开始匹配的位置)
object_search.endpos
#out:37(结束匹配的位置)
object_search.lastindex
#out:None
object_search.lastgroup
#out:None
object_search.groupdict()
#out:{}
object_search.group()
#out:'to'
object_search.start()
#out:15
object_search.end()
#out:17
object_search.span()
#out:(15,17)