1、简介
正则表达式本身是一种小型的、高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序媛们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行。
2、正则表达式中常用的字符含义
2.1 普通字符和11个元字符:
这里需要强调一下反斜杠\的作用:
- 反斜杠后边跟元字符去除特殊功能;(即将特殊字符转义成普通字符)
- 反斜杠后边跟普通字符实现特殊功能;(即预定义字符)
- 引用序号对应的字组所匹配的字符串。
>>> import re >>> print(re.search(r‘(tina)(fei)haha\2‘,‘tinafeihahafei tinafeihahatina‘).group()) tinafeihahafei
2.2 预定义字符集(可以写在字符集[...]中)
强调一下\b的单词边界的理解:
>>> print(re.findall(‘\btina‘,‘tian tinaaaa‘)) [] >>> print(re.findall(r‘\btina‘,‘tian tinaaaa‘)) [‘tina‘] >>> print(re.findall(r‘\btina‘,‘tian#tinaaaa‘)) [‘tina‘] >>> print(re.findall(r‘\btina\b‘,‘tian#[email protected]‘)) [‘tina‘]
2.3 特殊分组用法
3、re模块中常用功能函数
3.1 compile()
编译正则表达式模式,返回一个对象的模式。(可以把那些常用的正则表达式编译成正则表达式对象,这样可以提高一点效率。)
格式:
re.compile(pattern,flags=0)
pattern: 编译时用的表达式字符串。
flags 编译标志位,用于修改正则表达式的匹配方式,如:是否区分大小写,多行匹配等。常用的flags有:
>>> import re >>> tt = "Tina is a good girl, she is cool, clever, and so on..." >>> rr = re.compile(r‘\w*oo\w*‘) >>> print(rr.findall(tt)) [‘good‘, ‘cool‘]
3.2 match()
决定RE是否在字符串刚开始的位置匹配。//注:这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符‘$‘
格式:
>>> import re >>> print(re.match(‘com‘,‘comwww.runcomoob‘).group()) com >>> print(re.match(‘com‘,‘Comwww.runcomoob‘,re.I).group()) Com
3.3 search()
格式:re.search(pattern, string, flags=0)
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回None。
print(re.search(‘\dcom‘,‘www.4comrunoob.5com‘).group())
执行结果如下:
4com
*注:match和search一旦匹配成功,就是一个match object对象,而match object对象有以下方法:
- group() 返回被 RE 匹配的字符串
- start() 返回匹配开始的位置
- end() 返回匹配结束的位置
- span() 返回一个元组包含匹配 (开始,结束) 的位置
- group() 返回re整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串。
a. group()返回re整体匹配的字符串,
b. group (n,m) 返回组号为n,m所匹配的字符串,如果组号不存在,则返回indexError异常
c.groups()groups() 方法返回一个包含正则表达式中所有小组字符串的元组,从 1 到所含的小组号,通常groups()不需要参数,返回一个元组,元组中的元就是正则表达式中定义的组。
import re a = "123abc456" print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整体 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456
group(1) 列出第一个括号匹配部分,group(2) 列出第二个括号匹配部分,group(3) 列出第三个括号匹配部分。
3.4 findall()
re.findall遍历匹配,可以获取字符串中所有匹配的字符串,返回一个列表。
格式:
re.findall(pattern, string, flags=0) p = re.compile(r‘\d+‘) print(p.findall(‘o1n2m3k4‘))
执行结果如下:
[‘1‘, ‘2‘, ‘3‘, ‘4‘]
import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r‘\w*oo\w*‘) print(rr.findall(tt)) print(re.findall(r‘(\w)*oo(\w)‘,tt))#()表示子表达式
执行结果如下:
[‘good‘, ‘cool‘] [(‘g‘, ‘d‘), (‘c‘, ‘l‘)]
3.5 finditer()
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。找到 RE 匹配的所有子串,并把它们作为一个迭代器返回。
格式:re.finditer(pattern, string, flags=0)
iter = re.finditer(r‘\d+‘,‘12 drumm44ers drumming, 11 ... 10 ...‘) for i in iter: print(i) print(i.group()) print(i.span())
执行结果如下:
<_sre.SRE_Match object; span=(0, 2), match=‘12‘> 12 (0, 2) <_sre.SRE_Match object; span=(8, 10), match=‘44‘> 44 (8, 10) <_sre.SRE_Match object; span=(24, 26), match=‘11‘> 11 (24, 26) <_sre.SRE_Match object; span=(31, 33), match=‘10‘> 10 (31, 33)
3.6 split()
按照能够匹配的子串将string分割后返回列表。可以使用re.split来分割字符串,如:re.split(r‘\s+‘, text);将字符串按空格分割成一个单词列表。
格式:
re.split(pattern, string[, maxsplit])
maxsplit用于指定最大分割次数,不指定将全部分割。
>>> print(re.split(‘\d+‘,‘one1two2three3four4five5‘)) [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘five‘, ‘‘]
3.7 sub()
使用re替换string中每一个匹配的子串后返回替换后的字符串。
格式:
re.sub(pattern, repl, string, count)
>>> import re >>> text = "JGood is a handsome boy, he is cool, clever, and so on..." >>> print(re.sub(r‘\s+‘, ‘-‘, text)) JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
其中第二个函数是替换后的字符串;本例中为‘-‘
第四个参数指替换个数。默认为0,表示每个匹配项都替换。
re.sub还允许使用函数对匹配项的替换进行复杂的处理。
如:re.sub(r‘\s‘, lambda m: ‘[‘ + m.group(0) + ‘]‘, text, 0);将字符串中的空格‘ ‘替换为‘[ ]‘。
>>> import re >>> text = "JGood is a handsome boy, he is cool, clever, and so on..." >>> print(re.sub(r‘\s+‘, lambda m:‘[‘+m.group(0)+‘]‘, text,0)) JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
3.8 subn()
返回替换次数
格式:
subn(pattern, repl, string, count=0, flags=0)
>>> print(re.subn(‘[1-2]‘,‘A‘,‘123456abcdef‘)) (‘AA3456abcdef‘, 2) >>> print(re.sub("g.t","have",‘I get A, I got B ,I gut C‘)) I have A, I have B ,I have C >>> print(re.subn("g.t","have",‘I get A, I got B ,I gut C‘)) (‘I have A, I have B ,I have C‘, 3)
4、一些注意点
4.1 re.match与re.search与re.findall的区别:
re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。
a=re.search(‘[\d]‘,"abc33").group() print(a) p=re.match(‘[\d]‘,"abc33") print(p) b=re.findall(‘[\d]‘,"abc33") print(b)
执行结果:
3 None [‘3‘, ‘3‘]
4.2 贪婪匹配与非贪婪匹配
*?,+?,??,{m,n}? 前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
print(re.findall(r"a(\d+?)",‘a23b‘)) print(re.findall(r"a(\d+)",‘a23b‘))
执行结果:
[‘2‘] [‘23‘]
print(re.match(‘<(.*)>‘,‘<H1>title<H1>‘).group()) print(re.match(‘<(.*?)>‘,‘<H1>title<H1>‘).group())
执行结果:
<H1>title<H1> <H1>
print(re.findall(r"a(\d+)b",‘a3333b‘)) print(re.findall(r"a(\d+?)b",‘a3333b‘))
执行结果如下:
[‘3333‘] [‘3333‘]
这里需要注意的是如果前后均有限定条件的时候,就不存在什么贪婪模式了,非匹配模式失效。
4.3 用flags时遇到的小坑
print(re.split(‘a‘,‘1A1a2A3‘,re.I))#输出结果并未能区分大小写
这是因为re.split(pattern,string,maxsplit,flags)默认是四个参数,当我们传入的三个参数的时候,系统会默认re.I是第三个参数,所以就没起作用。如果想让这里的re.I起作用,写成flags=re.I即可。
5、正则的小实践
5.1 匹配电话号码
>>> print(re.compile(r‘\d{3}-\d{6}‘).findall(‘010-628888‘)) [‘010-628888‘]
5.2 匹配IP
>>> re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1") <_sre.SRE_Match object; span=(0, 11), match=‘192.168.1.1‘>