一、正则表示式的概念
通用的字符串表达框架
简洁表达一组字符串的表达式
针对字符串表达“简洁”和“特征”思想的工具
表达文本类型的特征(病毒、入侵等)
同时查找或替换一组字符串
匹配字符串的全部或部分
正则表达式的使用
编译:将符合正则表达式语法的字符串转换成正则表达式特征
二、正则表达式的语法
由字符和操作符构成
常用操作符:
. 表示任何单个字符
[] 字符集,对单个字符给出取值范围
[^ ] 非字符集,对单个字符给出排除范围
* 前面一个字符0次或无限次扩展(abc*表示ab,abc.abcc,abcc)
+ 前面一个字符1次或无限次扩展(abc+表示abc,abcc,anccc)
? 前面一个字符0次或一次扩展(abc?表示ab、abc)
| 左右表达式任意一个(abc|def表示abc、def)
{m} 扩展前一个字符m次(ab{2}c表示abbc)
{m,n} 扩展前一个字符m至n次(含n)(ab{1,2}表示abc,abbc)
^ 匹配字符串开头 (^abc表示abc且在一个字符串的开头)
$ 匹配字符串结尾 (abc$表示abc且在一个字符串的结尾)
() 分组标记,内部只能使用|操作符 (abc|def)
\d 数字,等价于[0-9]
\w 单词字符,等价于[A-Za-z0-9]
经典正则表达式实例:
^[A-Za-z]+$ 由26个字母组成的字符串
^[A-Za-z0-9]+$ 由26个字母和数字组成搭档字符串
^-?\d+$ 整数形式的字符串
^[0-9]*[1-9][0-9]*$ 正整数形式的字符串
[1-9]\d{5} 中国境内邮政编码,6位
[\u4e00-\u9fa5] 匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7} 国内电话
匹配IP地址的正则表达式:
0-99:[1-9]?\d
100-199: 1\d{2}
200-249 : 2[0-4]\d
250-255: 25[0-5]
(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([-19]?\d|1\d{2}|2[0-4]\d|25[0-5])
三、Re库的基本使用
raw string 类型(原生字符串类型)
不包含转义符的字符串
flags常用标记:re.I 忽略正则表达式的大小写,[A-Z]能够匹配小写字符
re.M 正则表达式中^操作符能够将给定字符串的每行当作匹配开始
re.S 所有表达式中的.操作符能够匹配所有字符,默认匹配换行符外的所有字符
Search
re.search(pattern,string,flags=0)
在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
pattern:正则表达式的字符串或原生字符串表示
string :带匹配字符串
flags:正则表达式使用时的控制标记
import re
match = re.search(r'[1-9]\d{5}','BTI 100081')
if match:
print(match.group(0))
Match
re.match(pattern,string,flags=0)
从一个字符串的开始位置起匹配正则表达式,返回match对象
import re
match = re.match(r'[1-9]\d{5}','100081 BIT')
if match:
match.group(0)
Findall
re.findall(pattern,string,flags=0)
搜索字符串,以列表类型返回全部能匹配的子串
import re
ls = re.findall(r'[1-9]\d{5}','BIT100081 TSU100084')
ls
Split
re.split(pattern,string,maxsplit=0,flags=0)
将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
maxsplit:最大分割数,剩余部分作为最后一个元素输出
re.split(r'[1-9]\d{5}','BIT100081 TSU100084')
['BIT',' TSU',' ']
re.split(r'[1-9]\d{5}','BIT100081 TSU100084',maxsplit=1)
['BIT',' TSU100084']
Findditer
re.finditer(pattern,string,flags=0)
搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
for m in re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084')
if m:
print(m.group(0))
100081
100084
Sub
re.sub(pattern,repl,string,count=0,flags=0)
在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
repl:替换匹配字符串的字符串
count:匹配的最大替换次数
re.sub(r'[1-9]\d{5}',':zipcode', 'BIT100081 TSU100084')
'BIT:zipcode TSU:zipcode'
Re库的另一种等价用法
函数式用法:一次性操作
rst = re.search(r'[1-9]\d{5}','BIT 100081')
面向对象用法:编译后多次操作
pat = re.compile(r'[1-9]\d{5}')
rst = pat.seatch('BIT 100081')
Complie
regex = re.compile(pattern.flags=0)
将正则表达式的字符串形式编译成正则表达式对象
regex调用六个函数
四、Re库的match对象
Match对象的属性
.string:待匹配的文本
.re:匹配是使用的pattern对象
.pos:正则表达式搜索文本的开始
.endpos:正则表达式搜索文本的结束位置
Match对象的方法
.group(0):获得匹配后的字符串
.start():匹配字符串在原始字符串的开始位置
.end():匹配字符串在原始字符串的结束位置
.span():返回(.start(),.end())
五、Re库的贪婪匹配和最小匹配
re库默认采用贪婪匹配,即输出匹配最长的子串
最小匹配操作符
*? 前一个字符0次或无限次扩展,最小匹配
+? 前一个字符1次或无限次扩展,最小匹配
?? 前一个字符串0次或1次扩展,最小匹配
{m,n}? 扩展前一个字符m至n(含n),最小匹配