RE 的主要函数

re.search() #在字符串中搜索和正则匹配的第一个位置。
re.match() #从字符串开始位置起匹配。
re.findall() #搜索字符串，以列表返回全部匹配的子串。
re.split() #将一个字符串正则匹配结果进行分割，返回一个列表。
re.finditer() #搜索字符串，返回迭代类型，每个迭代元素都是一个match对象。
re.sub() #在一个字符串中替换所以匹配正则的子串，返回替代后的。

re.search

re.search(pattern, string, flags = 0)
利用正则pattern 匹配string，同时利用flags 控制查找。

其中的flags，表示正则表达式使用的控制标记。常用标记包括：

re.I #re.IGNORECASE，忽略正则的大小写区分，[A-Z]可以匹配大小写字母。
re.M #re.MULTILINE，可以使^ 能够匹配给定字符串每行的开始部分。
re.S #re.DOTALL，可以使. 匹配所有的字符，包括默认下无法匹配的换行符。

尝试一下

>>> import re
>>> match = re.search(r'[1-9]\d{5}', 'AHAU 200036')
>>> if match:
...     print(match.group(0))
... 
200036

re.match

re.match(pattern, string, flags = 0)
参数和search 一样。

需要注意的是，如果是使用match，会从字符串的起始部分进行匹配。因此若不进行调整，即依旧为'AHAU 200036'，match 则匹配不到。

>>> import re
>>> match = re.match(r'[1-9]\d{5}', '200036 AHAU')
>>> if match:
...     print(match.group(0))
... 
200036

re.findall

以列表返回全部匹配到的子串。

>>> match = re.findall(r'[1-9]\d{5}', '200036AHAU TSU100084 345')
>>> if match:
...     print(match)
... 
['200036', '100084']

re.split

将正则与字符串匹配的部分删除，并将剩下内容进行分割。
re.match(pattern, string, maxsplit = 0, flags = 0)
maxsplit 表示最大分割数（识别并进行切割的最大数字），超过最大分割部分以整体输出。

>>> re.split(r'[1-9]\d{5}', 'AHAU200036 TSU100084')
['AHAU', ' TSU', '']

增加maxsplit参数，只匹配并切割一次，剩下的部分以整体输出。

>>> re.split(r'[1-9]\d{5}', 'AHAU200036 TSU100084', maxsplit = 1)
['AHAU', ' TSU100084']

re.finditer

迭代获得每次匹配结果，返回一个match类型。

>>> for m in re.finditer(r'[1-9]\d{5}', 'AHAU200036 TSU100084'):
...     if m:
...             print(m.group(0))
... 
200036
100084

re.sub

re.sub(pattern, repl, string, count = 0, flags = 0)
repl 表示替换匹配字符串的字符串
count 表示匹配的最大替换次数。（和maxsplit 的功能差不多）

>>> re.sub(r'[1-9]\d{5}', 'unknown', 'AHAU:200036 TSU:100084')
'AHAU:unknown TSU:unknown'

可以加一个count 参数

>>> re.sub(r'[1-9]\d{5}', 'unknown', 'AHAU:200036 TSU:100084', count = 1)
'AHAU:unknown TSU:100084'

re 的其他用法

对于一套正则表达式的多次使用，如果每一次都重新定义一遍pattern，未免显得非常的繁琐。我们可以使用一种面向对象的做法。

先讲正则经过一次编译，将正则的原生字符串编译为一个正则表达式对象。

import re
zcode = re.complie(r'[1-9]\d{5}')
match = zcode.match('200036 AHAU')
search = zcode.search('TSU 100084')

而它的使用，也和基本使用是一摸一样的。

详谈RE库的match 对象

match 对象是search, match, finditer 这些方法返回的结果。

>>> match = re.search(r'[1-9]\d{5}', '200036AHAU TSU100084 345')
>>> match.group(0)
'200036'
>>> match
<re.Match object; span=(0, 6), match='200036'>
>>> type(match)
<class 're.Match'>

match对象的属性

.string #待匹配的文本
.re #匹配时使用pattern对象（正则）
.pos #正则表达式搜索文本开始
.endpos #正则表达式搜索文本末尾

>>> m = re.search(r'[1-9]\d{5}', '200036AHAU TSU100084 345')
>>> m.string
'200036AHAU TSU100084 345'
>>> m.re
re.compile('[1-9]\\d{5}')
>>> m.pos
0
>>> m.endpos
24

match 对象的方法

.group(0) #获得匹配后字符串
.start() #匹配字符串在原始字符串的开始位置
.end() #匹配字符串在原始字符串的结束位置
.span() #返回元组类型，包含start与end

>>> m.group(0)
'200036'
>>> m.start()
0
>>> m.end()
6
>>> m.span()
(0, 6)

使用RE库