Python 正则表达式-re

程序开发中，正则表达式有着广泛的应用。
可以使用它基于特定规则来匹配，切分及提取字符串。

对于Python的re模块中常用的方法进行了一些整理。如下。。

• 1. 匹配 (match)

import re
reg = r'\d{3}-\d{4}-\d{4}'
re.match(reg, '180-4060-6023')

Output：
匹配成功时：<_sre.SRE_Match object; span=(0, 13), match='180-4060-6023'>
匹配失败时：None

### （1）匹配不包含某特定字符串的例子
import re
test_str_1 = 'i am a student! my name is jay'
test_str_2 = 'i am a teacher! my name is lily'
reg = '^(?!.*?student).*$'

print (re.match(reg, test_str_1))
print (re.match(reg, test_str_2))

Output：
None
<_sre.SRE_Match object; span=(0, 31), match='i am a teacher! my name is lily'>

• 2. 切分 (split)

#使用字符串的split方法，利用空格切分字符串的时候，如包含多个空格时，会分割出空字符串
test='a b   c'
test.split(' ')

Output：
['a', 'b', '', '', 'c']

#如用空格分隔时，如不指定分隔符，可以避免上面的问题
test.split()

Output：
['a', 'b', 'c']

#使用正则的split也可以避免上面的问题
re.split('\s+',test)

Output：
['a', 'b', 'c']

#使用一组特定字符分割
test = '9h 36m 45s'
re.split('[hms]',test)

Output：
 ['9', '36', '45', '']

• 3. 分组 (group)

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
m.group(0)

Output：
'010-12345'

m.group(1)

Output：
'010'

m.group(2)

Output：
'12345'

m.groups()

Output：
('010', '12345')

m.group(3)

Output：
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-13-71a2c7935517> in <module>()
----> 1 m.group(3)    
IndexError: no such group

m = re.match(r'^(\d{3})-(\d{8})$', '010-12345')

m.groups()

Output：
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-24-84a8d9c174e2> in <module>()
----> 1 m.groups()
AttributeError: 'NoneType' object has no attribute 'groups'

• 4 查询(findall)
  findall能够以列表的形式返回字符串中匹配到的子串

import re
word = u'距离报名开始还有5h 13m 58s'
print(re.findall("[0-9]+",word))

Output：
['5', '13', '58']

• 4 替换(sub)
  sub能将字符串中匹配到的子串替换成指定字符串

import re
word = u'距离报名开始还有5h 13m 58s'
print(re.sub("[^0-9a-z ]+","",word))

Output：
5h 13m 58s

• 6. 编译 (compile) 一个正则重复使用时，可考虑使用编译的方法

re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
re_telephone.match('010-12345').groups()

Output：
('010', '12345')

re_telephone.match('010-8086').groups()

Output：
('010', '8086')