一、正则表达式(re模块)
就其本质而言,正则表达式(或 RE)是一种小型的、高度专业化的编程语言,(在Python中)它内嵌在Python中,并通过 re 模块实现。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。
字符匹配(普通字符,元字符):
1 普通字符:大多数字符和字母都会和自身匹配
>>> re.findall(‘alvin‘,‘yuanaleSxalexwupeiqi‘)
[‘alvin‘]
2 元字符:. ^ $ * + ? { } [ ] | ( ) \
3常用方式
re.findall 返回所有的匹配项
re.search 只匹配一项符合规则的元素,返回对象,.group查看
re.match 只匹配字符串开始的位置,返回对象,.group查看
1、元字符
. ^ $
.匹配除了换行符(\n)外的任意字符
^匹配字符串开头
$匹配字符串结尾
import re print(re.findall(‘李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)) #运行结果 [‘李爽‘, ‘李四‘, ‘李二‘] ret=re.search(‘李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘) print(ret,ret.group(),ret.span()) #运行结果 <_sre.SRE_Match object; span=(0, 2), match=‘李爽‘> 李爽 (0, 2) ret=re.match(‘李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘) print(ret,ret.group(),ret.span()) #运行结果 <_sre.SRE_Match object; span=(0, 2), match=‘李爽‘> 李爽 (0, 2) print(re.findall(‘^李.‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)) #运行结果 [‘李爽‘] print(re.findall(‘李.$‘,‘李爽\nalex\n李四\negon\nalvin\n李二‘)) #运行结果 [‘李二‘]
* + ? { }
*匹配前一个字符0个或任意多个
+匹配前一个字符1个或任意多个
?匹配前一个字符0个或任意1个
{}匹配前一个字符定义个数个
import re print(re.findall(‘李.*‘,‘李杰\nalex\n李莲英\negon\nalvin\n李二棍子‘)) #运行结果 [‘李杰‘, ‘李莲英‘, ‘李二棍子‘] print(re.findall(‘李.+‘,‘李杰\nalex\n李莲英\negon\nalvin\n李二棍子‘)) #运行结果 [‘李杰‘, ‘李莲英‘, ‘李二棍子‘] print(re.findall(‘李.{1,2}\n‘,‘李杰\nalex\n李莲英\negon\nalvin\n李二棍子‘)) #运行结果 [‘李杰\n‘, ‘李莲英\n‘] print(re.findall(‘\d+\.?\d*‘,‘12.45,34,0.05,109‘)) # 匹配一个数字包括整型和浮点型 #运行结果 [‘12.45‘, ‘34‘, ‘0.05‘, ‘109‘]
注意: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(‘131\d+?‘,‘1312312312‘)) #运行结果 [‘1312‘]
转义符\
1、反斜杠后边跟元字符去除特殊功能,比如\.
2、反斜杠后边跟普通字符实现特殊功能,比如\d
\d 匹配任何十进制数; 它相当于类 [0-9]。 \D 匹配任何非数字字符; 它相当于类 [^0-9]。 \s 匹配任何空白字符; 它相当于类 [ \t\n\r\f\v]。 \S 匹配任何非空白字符; 它相当于类 [^ \t\n\r\f\v]。 \w 匹配任何字母数字字符; 它相当于类 [a-zA-Z0-9_]。 \W 匹配任何非字母数字字符; 它相当于类 [^a-zA-Z0-9_] \b 匹配一个特殊字符边界,比如空格 ,&,#等
print(re.findall(r‘I\b‘,‘I am LIST‘)) #运行结果 [‘I‘]
#匹配abc\le”中的‘c\l’: print(re.findall(‘c\\\l‘,‘abc\le‘)) print(re.findall(‘c\\\\l‘,‘abc\le‘)) print(re.findall(r‘c\\l‘,‘abc\le‘)) #运行结果 [‘c\\l‘] print(re.findall(r‘c\\b‘,r‘abc\be‘)) #运行结果 [‘c\\b‘]
分组()
print(re.findall(r‘(ad)+‘, ‘add,adddd‘)) #只返回元组的内容 #运行结果 [‘ad‘, ‘ad‘] ret=re.search(‘(?P<id>\d{2})/(?P<name>\w{3})‘,‘23/com‘) #?P<‘变量名‘>进行命名 print(ret.group(),ret.group(1),ret.group(2)) print(ret.group(‘id‘)) #运行结果 23/com 23 com 23
或|
print(re.findall(‘ab|\d‘,‘rabhdg8sd‘)) #运行结果 [‘ab‘, ‘8‘]
字符集[]
[ab]匹配字符集中的一个字符
- \ ^ 在[]中有特殊意义
print(re.findall(‘a[bc]d‘,‘abd‘)) print(re.findall(‘[abc]‘,‘abc‘)) print(re.findall(‘[.*+]‘,‘a.bc+‘)) #运行结果 [‘abd‘] [‘a‘, ‘b‘, ‘c‘] [‘.‘, ‘+‘] #在字符集里有功能的符号: - ^ \ print(re.findall(‘[1-9]‘,‘45dha3‘)) print(re.findall(‘[^ab]‘,‘45bdha3‘)) print(re.findall(‘[\d]‘,‘45bdha3‘)) #运行结果 [‘4‘, ‘5‘, ‘3‘] [‘4‘, ‘5‘, ‘d‘, ‘h‘, ‘3‘] [‘4‘, ‘5‘, ‘3‘]
2、贪婪匹配
贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
string pattern1 = @"a.*c"; // greedy match Regex regex = new Regex(pattern1); regex.Match("abcabc"); // return "abcabc" 非贪婪匹配:在满足匹配时,匹配尽可能短的字符串,使用?来表示非贪婪匹配 string pattern1 = @"a.*?c"; // non-greedy match Regex regex = new Regex(pattern1); regex.Match("abcabc"); // return "abc"
几个常用的非贪婪匹配Pattern
*? 重复任意次,但尽可能少重复 +? 重复1次或更多次,但尽可能少重复 ?? 重复0次或1次,但尽可能少重复 {n,m}? 重复n到m次,但尽可能少重复 {n,}? 重复n次以上,但尽可能少重复
.*?的用法:
-------------------------------- . 是任意字符 * 是取 0 至 无限长度 ? 是非贪婪模式。 何在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在: .*?a 就是取前面任意长度的字符,到底一个 a 出现
3、re模块下的常用方法
import re re.findall(‘a‘,‘alvin yuan‘) #返回所有满足匹配条件的结果,放在列表里 re.search(‘a‘,‘alvin yuan‘).group() #函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以 # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。 re.match(‘a‘,‘abc‘).group() #同search,不过尽在字符串开始处进行匹配 ret=re.split(‘[ab]‘,‘abcd‘) #先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割 print(ret)#[‘‘, ‘‘, ‘cd‘] ret=re.sub(‘\d‘,‘abc‘,‘alvin5yuan6‘,1) ret=re.subn(‘\d‘,‘abc‘,‘alvin5yuan6‘) obj=re.compile(‘\d{3}‘) ret=obj.search(‘abc123eeee‘) print(ret.group())#123 import re ret=re.finditer(‘\d‘,‘ds3sy4784a‘) print(ret) #<callable_iterator object at 0x10195f940> print(next(ret).group()) print(next(ret).group())
注意:
findall的优先级查询:取消优先级(?:)
import re ret=re.findall(‘www.(baidu|oldboy).com‘,‘www.oldboy.com‘) print(ret)#[‘oldboy‘] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可 ret=re.findall(‘www.(?:baidu|oldboy).com‘,‘www.oldboy.com‘) print(ret)#[‘www.oldboy.com‘]
时间: 2024-10-05 20:47:41