正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具,拥有自己独特的语法以及一个独立的处理引擎,效率上可能不如str自带的方法,但功能十分强大。得益于这一点,在提供了正则表达式的语言里,正则表达式的语法都是一样的,区别只在于不同的编程语言实现支持的语法数量不同;但不用担心,不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式,只需要简单看一看就可以上手了。
正则表达式概念
- 使用单个字符串来描述匹配一系列符合某个句法规则的字符串
- 是对字符串操作的一种逻辑公式
- 应用场景:处理文本和数据
- 正则表示是过程:依次拿出表达式和文本中的字符比较,如果每一个字符都能匹配,则匹配成功;否则匹配失败
字符匹配
字符 | 描述 |
---|---|
. | 匹配任意一个字符(除了\n) |
\d \D | 数字/非数字 |
\s \S | 空白/非空白字符 |
\w \W | 单词字符[a-zA-Z0-9]/非单词字符 |
\b \B | 单词边界,一个\w与\W之间的范围,顺序可逆/非单词边界 |
- 匹配任意一个字符
# 匹配字符串abc,.代表b >>> re.match(‘a.c‘,‘abc‘).group()‘abc‘
- 数字与非数字
# 匹配任意一数字 >>> re.match(‘\d‘,‘1‘).group()‘1‘ # 匹配任意一个非数字 >>> re.match(‘\D‘,‘a‘).group()‘a‘
- 空白与非空白字符
# 匹配任意一个空白字符 >>> re.match("\s"," ").group()‘ ‘ # 匹配任意一个非空白字符 >>> re.match("\S","1").group()‘1‘ >>> re.match("\S","a").group()‘a‘
- 单词字符与非单词字符
单词字符即代表[a-zA-Z0-9]
# 匹配任意一个单词字符 >>> re.match("\w","a").group()‘a‘ >>> re.match("\w","1").group()‘1‘ # 匹配任意一个非单词字符 >>> re.match("\W"," ").group()‘ ‘
次数匹配
字符 | 匹配 |
---|---|
* | 匹配前一个字符0次或者无限次 |
+ | 匹配前一个字符1次或者无限次 |
? | 匹配前一个字符0次或者1次 |
{m}/{m,n} | 匹配前一个字符m次或者N次 |
*?/+?/?? | 匹配模式变为贪婪模式(尽可能少匹配字符) |
- 介绍
字符 | 匹配 |
---|---|
prev? | 0个或1个prev |
prev* | 0个或多个prev,尽可能多地匹配 |
prev*? | 0个或多个prev,尽可能少地匹配 |
prev+ | 1个或多个prev,尽可能多地匹配 |
prev+? | 1个或多个prev,尽可能少地匹配 |
prev{m} | m个连续的prev |
prev{m,n} | m到n个连续的prev,尽可能多地匹配 |
prev{m,n}? | m到n个连续的prev,尽可能少地匹配 |
[abc] | a或b或c |
[^abc] | 非(a或b或c) |
- 匹配前一个字符0次或者无限次
>>> re.match(‘[A-Z][a-z]*‘,‘Aaa‘).group()‘Aaa‘ >>> re.match(‘[A-Z][a-z]*‘,‘Aa‘).group()‘Aa‘ >>> re.match(‘[A-Z][a-z]*‘,‘A‘).group()‘A‘
- 匹配前一个字符1次或者无限次
# 匹配前一个字符至少一次,如果一次都没有就会报错 >>> re.match(‘[A-Z][a-z]+‘,‘A‘).group()Traceback (most recent call last): File "<stdin>", line 1, in <module>AttributeError: ‘NoneType‘ object has no attribute ‘group‘
>>> re.match(‘[A-Z][a-z]+‘,‘Aa‘).group()‘Aa‘ >>> re.match(‘[A-Z][a-z]+‘,‘Aaaaaaa‘).group()‘Aaaaaaa‘
- 匹配前一个字符0次或者1次
>>> re.match(‘[A-Z][a-z]?‘,‘A‘).group()‘A‘ # 只匹配出一个a >>> re.match(‘[A-Z][a-z]?‘,‘Aaaa‘).group()‘Aa‘
- 匹配前一个字符m次或者N次
#匹配前一个字符至少5次 >>> re.match(‘\w{5}‘,‘asd234‘).group()‘asd23‘ # 匹配前面的字符6-10次 >>> re.match(‘\w{6,10}‘,‘asd234‘).group()‘asd234‘ # 超过的字符就匹配不出来 >>> re.match(‘\w{6,10}‘,‘asd2313qeadsd4‘).group()‘asd2313qea‘
- 匹配模式变为贪婪模式
>>> re.match(r‘[0-9][a-z]*‘,‘1bc‘).group()‘1bc‘ # *?匹配0次或者多次 >>> re.match(r‘[0-9][a-z]*?‘,‘1bc‘).group()‘1‘ # +?匹配一次或者多次,但是只匹配了一次 >>> re.match(r‘[0-9][a-z]+?‘,‘1bc‘).group()‘1b‘ # ??匹配0次或者一次 >>> re.match(r‘[0-9][a-z]??‘,‘1bc‘).group()‘1‘
贪婪匹配和非贪婪匹配
边界匹配
字符 | 匹配 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
\A \Z | 指定的字符串必须出现在开头/结尾 |
- 匹配字符串开头
# 必须以指定的字符串开头,结尾必须是@163.com >>> re.match(‘^[\w]{4,6}@163.com$‘,‘[email protected]‘).group()‘[email protected]‘
- 匹配字符串结尾
# 必须以.me结尾 >>> re.match(‘[\w]{1,20}.me$‘,‘ansheng.me‘).group()‘ansheng.me‘
- 指定的字符串必须出现在开头/结尾
>>> re.match(r‘\Awww[\w]*\me‘,‘wwwanshengme‘).group()‘wwwanshengme‘
正则表达式分组匹配
- | 匹配左右任意一个表达式
>>> re.match("www|me","www").group()‘www‘ >>> re.match("www|me","me").group()‘me‘
- (ab) 括号中表达式作为一个分组
# 匹配163或者126的邮箱 >>> re.match(r‘[\w]{4,6}@(163|126).com‘,‘[email protected]‘).group()‘[email protected]‘ >>> re.match(r‘[\w]{4,6}@(163|126).com‘,‘[email protected]‘).group()‘[email protected]‘
- (?P
) 分组起一个别名
>>> re.search("(?P<zimu>abc)(?P<shuzi>123)","abc123").groups()(‘abc‘, ‘123‘)
-
引用别名为name的分组匹配字符串
>>> res.group("shuzi")‘123‘ >>> res.group("zimu")‘abc‘
re模块常用的方法
- re.match()
语法格式:
match(pattern, string, flags=0)
释意:
Try to apply the pattern at the start of the string, returning a match object, or None if no match was found.
实例:
# 从头开始匹配,匹配成功则返回匹配的对象 >>> re.match("abc","abc123def").group()‘abc‘ # 从头开始匹配,如果没有匹配到对应的字符串就报错 >>> re.match("\d","abc123def").group()Traceback (most recent call last): File "<stdin>", line 1, in <module>AttributeError: ‘NoneType‘ object has no attribute ‘group‘
- re.search()
语法格式:
search(pattern, string, flags=0)
释意:
Scan through string looking for a match to the pattern, returning a match object, or None if no match was found.
实例:
# 匹配整个字符串,匹配到第一个的时候就返回匹配到的对象 >>> re.search("\d","abc1123def").group()‘1‘
- re.findall()
语法格式:
findall(pattern, string, flags=0)
释意:
Return a list of all non-overlapping matches in the string.
实例:
# 匹配字符串所有的内容,把匹配到的字符串以列表的形式返回 >>> re.findall("\d","abc123def456")[‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘]
- re.split
语法格式:
split(pattern, string, maxsplit=0)
释意:
Split the source string by the occurrences of the pattern, returning a list containing the resulting substrings.
实例:
# 指定以数字进行分割,返回的是一个列表对象 >>> re.split("\d+","abc123def4+-*/56")[‘abc‘, ‘def‘, ‘+-*/‘, ‘‘] # 以多个字符进行分割 >>> re.split("[\d,]","a,b1c")[‘a‘, ‘b‘, ‘c‘]
- re.sub()
语法格式:
sub(pattern, repl, string, count=0)
释意:
Return the string obtained by replacing the leftmost non-overlapping occurrences of the pattern in string by the replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. If it is a callable, it’s passed the match object and must return a replacement string to be used.
实例:
# 把abc替换成def >>> re.sub("abc","def","abc123abc")‘def123def‘ # 只替换查找到的第一个字符串 >>> re.sub("abc","def","abc123abc",count=1)‘def123abc‘
实例
string方法包含了一百个可打印的ASCII字符,大小写字母、数字、空格以及标点符号
>>> import string >>> printable = string.printable >>> printable‘0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\‘()*+,-./:;<=>[email protected][\\]^_`{|}~ \t\n\r\x0b\x0c‘
>>> import re # 定义的字符串 >>> source = ‘‘‘I wish I may, I wish I migth... Hava a dish of fish tonight.‘‘‘ # 在字符串中检索wish >>> re.findall(‘wish‘,source)[‘wish‘, ‘wish‘] # 对源字符串任意位置查询wish或者fish >>> re.findall(‘wish|fish‘,source)[‘wish‘, ‘wish‘, ‘fish‘] # 从字符串开头开始匹配wish >>> re.findall(‘^wish‘,source) [] # 从字符串开头匹配I wish >>> re.findall(‘^I wish‘,source)[‘I wish‘] # 从字符串结尾匹配fish >>> re.findall(‘fish$‘,source) [] # 从字符串结尾匹配fish tonight. >>> re.findall(‘fish tonight.$‘,source)[‘fish tonight.‘] # 查询以w或f开头,后面紧跟着ish的匹配 >>> re.findall(‘[wf]ish‘,source)[‘wish‘, ‘wish‘, ‘fish‘] # 查询以若干个w\s\h组合的匹配 >>> re.findall(‘[wsh]+‘,source) [‘w‘, ‘sh‘, ‘w‘, ‘sh‘, ‘h‘, ‘sh‘, ‘sh‘, ‘h‘] # 查询以ght开头,后面紧跟着一个非数字和字母的匹配 >>> re.findall(‘ght\W‘,source)[‘ght.‘] # 查询已以I开头,后面紧跟着wish的匹配 >>> re.findall(‘I (?=wish)‘,source)[‘I ‘, ‘I ‘] # 最后查询以wish结尾,前面为I的匹配(I出现次数尽量少) >>> re.findall(‘(?<=I) wish‘,source)[‘ wish‘, ‘ wish‘]
- 匹配时不区分大小写
>>> re.match(‘a‘,‘Abc‘,re.I).group()‘A‘
- r 源字符串,转义,如果要转义要加两个\n
>>> import re >>> pa = re.compile(r‘yangwen‘) >>> pa.match("yangwen.me") <_sre.SRE_Match object; span=(0, 7), match=‘yangwen‘> >>> ma = pa.match("yangwen.me") >>> ma <_sre.SRE_Match object; span=(0, 7), match=‘yangwen‘> # 匹配到的值存到group内 >>> ma.group()‘yangwen‘ # 返回字符串的所有位置 >>> ma.span() (0, 7) # 匹配的字符串会被放到string中 >>> ma.string ‘yangwen.me‘ # 实例放在re中 >>> ma.rere.compile(‘yangwen‘)