正则表达式(或RE)是一个小型高度专业化的编程语言,它内嵌于python中,并通过re模块实现。
--可以为想要匹配的相应字符串集指定规则
--该字符串集可能包含英文语句、e-mail地址、命令或者任何你想搞定的信息
--可以问诸如“这个字符串匹配该模式么?”或“在这个字符串中是否有部分匹配该模式?”
--你也可以使用RE以各种方式修改或者切割字符串
1)正则表达式模块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)正则表达式语言相对小型和受限(功能有限)
--并非所有字符串处理都能用正则表达式完成
1#字符匹配
--普通字符
1.大多数字母和字符一般都会和自身匹配
2.如正则表达式test会和字符串"test"完全匹配
--元字符
. ^ $ * + ? {} [] \ | ()
1.[]
--常用来指定一个字符集:[abc];[a-z]
--元字符在字符集合不起作用:[akm$]
--补集匹配不在区间范围的字符:[^5]
2.^
--匹配首行。除非设置MULTILINE标志,它只是匹配字符串的开始。在MULTILINE里,它也可以直接匹配字符串中的每个换行。
3.$
--匹配行尾。行尾被定义为要么是字符串尾,要么是一个换行字符后面的任何位置。
4.\
--反斜杠后面可以加不同的字符以表示不同特殊意义
--也可以用于取消所有的元字符:\[或者\\
\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]
5.重复
--正则表达式第一功能是能够匹配不定长的字符集,另一个功能是可以指定正则表达式 的一部分重复次数
6.*
--指定前个字符可以被匹配0次或更多次,而不只是只有一次。匹配引擎会试着重复尽可能多的次数(不超过整数界定范围,20亿)
--a[bcd]*b--"abcdd"
7.+
--表示匹配1次或者更多次。注意*和+的不同:*匹配0次或更多次,所以可以根本就不出现,而+则要求至少出现1次
8.?
--匹配1次或0次;你可以认为它用于标识某事物是可选的
9.{m,n}
--其中m和n是十进制整数。该限定符的意思是至少有m个重复,至多有n个重复。
a/{1,3}b
--忽略m会认为下边界是0,而忽略n的结果将是上边界无穷大(实际是20亿)
--{0,}等同于*,{1,}等同于+,而{0,1}则与?相同。如果可以的话,最好使用*,+,?
--可以为想要匹配的相应字符串集指定规则
--该字符串集可能包含英文语句、e-mail地址、命令或者任何你想搞定的信息
--可以问诸如“这个字符串匹配该模式么?”或“在这个字符串中是否有部分匹配该模式?”
--你也可以使用RE以各种方式修改或者切割字符串
1)正则表达式模块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)正则表达式语言相对小型和受限(功能有限)
--并非所有字符串处理都能用正则表达式完成
1#字符匹配
--普通字符
1.大多数字母和字符一般都会和自身匹配
2.如正则表达式test会和字符串"test"完全匹配
--元字符
. ^ $ * + ? {} [] \ | ()
1.[]
--常用来指定一个字符集:[abc];[a-z]
--元字符在字符集合不起作用:[akm$]
--补集匹配不在区间范围的字符:[^5]
2.^
--匹配首行。除非设置MULTILINE标志,它只是匹配字符串的开始。在MULTILINE里,它也可以直接匹配字符串中的每个换行。
3.$
--匹配行尾。行尾被定义为要么是字符串尾,要么是一个换行字符后面的任何位置。
user1@ubuntu:~$ python
Python 2.7.3 (default, Sep 26 2013, 20:03:06)
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> s = 'abc'
>>> s =r'abc'
>>> re.findall(s,"aaaaa")
[]
>>> re.findall(s,"aaaaabc")
['abc']
>>> re.findall(s,"abcaaaabc")
['abc', 'abc']
>>>
>>> st = "top tip tqp twp tep"
>>> res = r"top"
>>> re.findall(res,st)
['top']
>>> res = r"tip"
>>> re.findall(res,st)
['tip']
>>> res = r"t[io]p"
>>> re.findall(res,st)
['top', 'tip']
>>> res = r"t[^io]p"
>>> re.findall(res,st)
['tqp', 'twp', 'tep']
>>>
user1@ubuntu:~$ python
Python 2.7.3 (default, Sep 26 2013, 20:03:06)
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> s="hello world,hello girl"
>>> r=r"hello"
>>> re.findall(r,s)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 're' is not defined
>>> import re
>>> s="hello world,hello girl"
>>> r=r"hello"
>>> re.findall(r,s)
['hello', 'hello']
>>> r=r"^hello"
>>> re.findall(r,s)
['hello']
>>> s="world,hello girl"
>>> r=r"^hello"
>>> re.findall(r,s)
[]
>>> r=r"girl$"
>>> re.findall(r,s)
['girl']
>>> r = "t[abc$]"
>>> re.findall(r,'ta')
['ta']
>>> re.findall(r,'tb')
['tb']
>>> re.findall(r,'tax')
['ta']
>>> re.findall(r,'t$')
['t$']
>>> r = "t[abc^]"
>>> re.findall(r,'t^')
['t^']
>>> r = r"x[0123456789]x"
>>> re.findall(r,'x1x x2x')
['x1x', 'x2x']
>>> r = r"x[0-9]x"
>>> re.findall(r,'x1x x2x')
['x1x', 'x2x']
>>> r = r"x[a-zA-Z0-9]x"
>>> re.findall(r,'x1x x2x')
['x1x', 'x2x']
>>>
4.\
--反斜杠后面可以加不同的字符以表示不同特殊意义
--也可以用于取消所有的元字符:\[或者\\
\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]
5.重复
--正则表达式第一功能是能够匹配不定长的字符集,另一个功能是可以指定正则表达式 的一部分重复次数
6.*
--指定前个字符可以被匹配0次或更多次,而不只是只有一次。匹配引擎会试着重复尽可能多的次数(不超过整数界定范围,20亿)
--a[bcd]*b--"abcdd"
7.+
--表示匹配1次或者更多次。注意*和+的不同:*匹配0次或更多次,所以可以根本就不出现,而+则要求至少出现1次
8.?
--匹配1次或0次;你可以认为它用于标识某事物是可选的
9.{m,n}
--其中m和n是十进制整数。该限定符的意思是至少有m个重复,至多有n个重复。
a/{1,3}b
--忽略m会认为下边界是0,而忽略n的结果将是上边界无穷大(实际是20亿)
--{0,}等同于*,{1,}等同于+,而{0,1}则与?相同。如果可以的话,最好使用*,+,?
user1@ubuntu:~$ python
Python 2.7.3 (default, Sep 26 2013, 20:03:06)
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> r = r"^abc"
>>> import re
>>> re.findall(r,'abc')
['abc']
>>> re.findall(r,'^abc')
[]
>>> re.findall(r,'^abc ^abc ^abc')
[]
>>> r = r"\^abc"
>>> re.findall(r,'^abc ^abc ^abc')
['^abc', '^abc', '^abc']
>>> r = r"[0-9]"
>>> re.findall(r,'1234567890')
['1', '2', '3', '4', '5', '6', '7', '8', '9', '0']
>>> r = r"\d"
>>> re.findall(r,'1234567890')
['1', '2', '3', '4', '5', '6', '7', '8', '9', '0']
>>> 010-12345678
-12345670
>>> r=r"^010-\d\d\d\d\d\d\d\d"
>>> re.findall(r,'010-8765432')
[]
>>> re.findall(r,'010-87654321')
['010-87654321']
>>> r=r"^010-\d{8}"
>>> re.findall(r,'010-87654321')
['010-87654321']
>>> r=r"^010-a{8}"
>>> re.findall(r,'010-aaaaaaaa')
['010-aaaaaaaa']
>>> r = r"ab*"
>>> re.findall(r,'a')
['a']
>>> re.findall(r,'ab')
['ab']
>>> re.findall(r,'abbbbbbbbbbbb')
['abbbbbbbbbbbb']
>>> r = r"ab+"
>>> re.findall(r,'a')
[]
>>> re.findall(r,'ab')
['ab']
>>> re.findall(r,'abbbbbbbbbbbb')
['abbbbbbbbbbbb']
>>> r=r"^010-*\d{8}$"
>>> re.findall(r,'010-12345678')
['010-12345678']
>>> re.findall(r,'01012345678')
['01012345678']
>>> re.findall(r,'010--12345678')
['010--12345678']
>>> r=r"^010-?\d{8}$"
>>> re.findall(r,'010-12345678')
['010-12345678']
>>> re.findall(r,'01012345678')
['01012345678']
>>> r=r"ab+"
>>> re.findall(r,'abbbbbbbbb')
['abbbbbbbbb']
>>> r=r"ab+?"
>>> re.findall(r,'abbbbbbbbb')
['ab']
>>> r=r"a{1,3}"
>>> re.findall(r,'a')
['a']
>>> re.findall(r,'aa')
['aa']
>>> re.findall(r,'aaa')
['aaa']
>>> re.findall(r,'aaaa')
['aaa', 'a']
>>>