re
字符/组合 | 匹配的模式 | 正则表达式 | 匹配的字符串 |
---|---|---|---|
. | 除’\n’外的任意一个字符,包括汉字(多行匹配方式下也能匹配’\n’) | ‘a.b’ | ‘acb’ ‘adb’ 'a(b’等 |
* | 量词。表示左边的字符可出现0次或任意多次 | ‘a*b’ | ‘b’ ‘ab’ 'aaaab’等 |
? | 量词。表示左边的字符必须出现0次或1次 | ‘ka?b’ | ‘kb’ 'kab’等 |
+ | 量词。表示左边的字符必须出现1次或更多次 | ‘ka+b’ | ‘kab’ ’ kaaab’等 |
{m} | 量词。m是整数。表示左边的字符必须且只能出现m次 | ‘ka{3}a’ | ‘kaaaa’ |
{m,n} | 量词。m,n是整数。表示左边的字符必须出现至少m次,最多n次。 n也可以不写表示出现次数没有上限 | ‘ka{1,3}b’ | ‘kab’ ‘kaab’ 'kaaab |
\d | 一个数字字符,等价于[0-9] | ‘a\db’ | 'a2b ‘a3b’ 等 |
\D | 一个非数字的字符,等价于 | [ ^\d],[ ^0-9] | ‘a\Db’ 'acb’等 |
\s | 一个空白字符,如空格, | \t,\r,\n等 | ‘a\sb’ ‘a b’ ‘a\nb’ 等 |
\S | 一个非空白字符 | ‘a\Sb’ | 'akb’等 |
\w | 一个单词字符:包括汉字或大小写英文字母,数 字,下划线,或其它语言的文字 | ‘a\wb’ | ‘a_b’ ‘a中b’ 等 |
\W | 一个不是单词字符的字符 | ‘a\Wb’ | ‘a?b’ |
| | A|B 表示能匹配A或能匹配B均算能匹配 | ‘ab|c’ | ‘ab’ 'c’等 |
正则表达式中的特殊字符
正则表达式中常见的特殊字符有以下几个:
. + ? * $ [ ] ( ) ^ { } \
如果要在正则表达式中表示这几个字符本身,就应该在其前面
加'\'
。
正则表达式 | 匹配的字符串 |
---|---|
‘a$b’ | ‘a$b’ |
‘a\\b’ | ‘a\b’ (注意:此字符串长度为3,中间那个字符是’’,即r’a\b’) |
r’a\b’ | r’a\b’ (r’a\b’等价于’a\b’) |
范围符号[ ]和量词
范围符号[XXX]的用法:用以表示“此处必须出现一个某某范围内的字符”,或者“此处 必须出现一个字符,但不可以是某某范围内的字符”
[XXX]的用法:
[ ] 的地方 | 用处 | 完整正则表达式 | 能匹配的 |
---|---|---|---|
[a2c] | 匹配’a’,‘2’,'c’之一 ’ | s[a2c]k’ | ‘sak’ ‘s2k’ |
[a-zA-Z] | 匹配任一英文字母 | ‘b[a-zA-Z]k’ | ‘bak’ ‘bUk’ |
[\da-z?] | 匹配一个数字或小写英文字母或’?’ | ‘b[\da-z?]k’ | ‘b0k’ ‘bck’ ‘b?k’ |
[ ^abc] | 匹配一个非’a’,‘b’,'c’之一的字符 | ‘b[ ^abc]k’ | 匹配所有能匹配’b.k’的字符串,除了:‘bak’ ‘bbk’ ‘bck’ |
[ ^a-f0-3] | 匹配一个非英文字母’a’到’f’,也非数字’0’到’3’的字符 | 略 | 略 |
匹配汉字
汉字的unicode编码范围是 4e00-9fa5 (16进制),因此
[\u4e00-\u9fa5] 即表示一个汉字
print(’\u4e00\u4e01\u4e88\u9fa5’) #>>一丁予龥
量词的用法
'.+'
---------匹配任意长度不为0且不含’\n’的字符串。’+‘表示左边的’.‘代表的
任意字符出现1次或更多次。不要求出现的字符都必须一样。
'.*'
--------匹配任意不含’\n’的字符串,包括空串
'[\dac]+'
-------匹配长度不为0的由数字或’a’,c’构成的串,如’451a’,‘a21c78ca’
'\w{5}'
--------匹配长度为5的由字母或数字或汉字构成的串,如’高大abc’,‘33我a1’
正则表达式的函数
re.match()
re.match(pattern, string, flags=0)
•从字符串string的起始位置
匹配一个模式pattern
•flags 标志位,用于控制模式串的匹配方式,如:是否区分大小写,
多行匹配等等,如 re.M | re.I 表示忽略大小写,且多行匹配
•成功则返回一个匹配对象
,否则返回None
import re
def match(pattern,string):
x = re.match(pattern,string)
if x != None:
print(x.group()) #x.group是匹配上的字符串
else:
print("None")
match("a c","a cdkgh") #>>a c
match("abc","kabc") #>>None 虽然有abc,但不是在起始位置
match("a\tb*c","a\tbbcde") #>>a bbc b出现0次或任意多次,然后跟c
match("ab*c","ac") #>>ac
match("a\d+c","ac") #>>None b出现1次或更多次,然后跟c
match("a\d{2}c","a34c") #>>a34c
match("a\d{2,}c","a3474884c") #>>a3474884c
match(".{2}bc","cbcd") #>>None bc前面要有2个字符
match(".{2}bc","bcbcdbc") #>>bcbc
match("ab.*","ab") #>>ab b后面可以没字符或任意字符
match("ab.*","abcd") #>>abcd
match("\d?b.*","1bcd") #>>1bcd
match("\d?b.*","bbcd") # >>bbcd
match("a?bc.*","abbbcd") # >>None
match("a.b.*","abcd") #>> None
match("a.b.*","aeb") #>> aeb
match("a.?b.*","aebcdf") #>>aebcdf
#a和b之间没字符或有任意一个字符均可
match("a.+b.*","aegsfb") #>>aegsfb
match("a.+b.*","abc") #>>None
match("a高.+k","a高大kcd") #>>a高大b
match(".{2}bc","bcbcdbc") #>>bcbc
match("ab.*","ab") #>>ab b后面可以没字符或任意字符
match("ab.*","abcd") #>>abcd
match("\d?b.*","1bcd") #>>1bcd 数字应出现0次或1次
match("\d?b.*","bbcd") #>>bbcd
match("a?bc.*","abbbcd") #>>None b太多了
match("a.b.*","abcd") #>>None a和b之间必须要有一个字符
match("a.b.*","aeb") #>>aeb
match("a.?b.*","aebcdf") #>>aebcdf
#a和b之间没字符或有任意一个字符均可
match("a.+b.*","aegsfb") #>>aegsfb
match("a.+b.*","abc") #>>None
match("a高.+k","a高大kcd") #>>a高大b
re.search函数
re.search(pattern, string, flags = 0)
• 查找字符串中可以匹配成功的子串
。
• 若匹配成功,则返回匹配对象
;若无法匹配,则返回None。
import re
def search(pattern,string):
x = re.search(pattern,string)
if x != None:
print(x.group(),x.span()) #输出子串及起止位置
else:
print("None")
search("a.+bc*","dbaegsfbcef") #>>aegsfbc (2, 9)
search("a.+bc*","bcdbaegsfbccc") #>>aegsfbccc (4, 13)
search("a.?bc*d","dabccdc") #>>abccd (1, 6)
search("aa","baaaa") #>>aa (1, 3)
search("\([1-9]+\)","ab123(0456)(789)45ab") #>>(789) (11, 16)
search("[1-9]\d+","ab01203d45") #>>1203 (3, 7)
re.findall函数
re.findall(pattern, string, flags = 0)
• 查找字符串中所有和模式匹配的子串(不重叠)
放入列表。一个子串都找不到
就返回空表 []
import re
print(re.findall('\d+',"this is 334 what me 774gw")) #>>['334','774']
print(re.findall('[a-zA-Z]+',"A dog has 4 legs.这是true"))
#>>['A', 'dog', 'has', 'legs', 'true']
print(re.findall('\d+',"this is good.")) #>>[]
print(re.findall("aaa","baaaa")) #>>['aaa']
re.finditer函数
re.finditer (pattern, string, flags = 0)
• 查找字符串中所有和模式匹配的子串(不重叠),每个子串对应于一个匹配对
象,返回匹配对象的序列(准确说是“可调用迭代器
”)
• 如果找不到匹配子串,返回值也不为None或空表。假设返回值为r,则list( r ) 为[]
import re
s = '233[32]88ab<433>(21)'
m = '\[\d+\]|<\d+>' # | 表示 '或' 获取的是[]里面和<>里面的东西
for x in re.finditer(m,s): #x是匹配对象
print(x.group(),x.span())
i = 0
for y in re.finditer(m,"aaaaa"):
i += 1 #不会被执行
输出:
[32] (3, 7)
<433> (11, 16)
边界符号
\A
表示字符串的左边界,即要求从此往左边不能有任何字符
\Z
表示字符串的右边界,即要求从此往右边不能有任何字符
^
与\A同。但多行匹配模式下还可以表示一行文字的左边界
$
与\Z同。但多行匹配模式下还可以表示一行文字的右边界
边界符号本身不会和任何字符匹配。
Python字符串 ‘\A’, ‘\Z’ 都是两个字符,而不是像’\n’那样的一个字符。
print("\A\Z") #>>\A\Z
边界符号
\b
表示此处应为单词的左边界或右边界,即不可是单词字符
\B
表示此处不允许是单词的左边界或右边界,即必须是单词字符
边界符号本身不会和任何字符匹配。
正则表达式的边界符号’\b’ 是两个字符。但是在Python字符串中,’\b’和’\t’,’\n’类
似,是一个字符(Backspace)。因此在正则表达式中使用边界符号\b,要写 '\\b'
。如果写 ‘\\b’,则连续的两个’‘被看作是一个普通的’’,不会和后面的’b’一起被
当作字符组合,变成边界符号’\b’。
print("\\b") #>>\b
Python字符串 ‘\B’ 是两个字符
下面?
的作用是用来代替\\b \\B
等 站位
import re
def search(pattern,string):
x = re.search(pattern,string)
if x != None:
print(x.group())
else:
print("None")
m = "\Ahow are"
search(m,"ahow are you") #>>None
search(m,"how are you") #>>how are
m = "are you\Z"
search(m,"how are you?") #>>None
search(m,"how are you") #>>are you
search("a.+bc*","dbaegsfbcef") #>>aegsfbc
search("a.+bc*\Z","dbaegsfbcef") #>>None
search("a.+bc*\Z","dbaegsfbccc") #>>aegsfbccc
pt = "ka\\b.*"
search(pt,"ka") #>>ka
search(pt,"kax") #>>None
search(pt,"ka?d") #>>ka?d
pt = ".*\\bka\\b"
search(pt,"ka") #>>ka
search(pt,"ska?") #>>None
search(pt,"b?ka?") #>>b?ka
m = r"\bA.*N\b T" #等价于 m = "\\bA.*N\\b T"
search(m,"Ass$NC TK") #>>None
search(m,"this Ass$N TK") #>>Ass$N T
m = "\BA.*N\B\w T"
search(m,"this Ass$N TK") #>>None
search(m,"thisAss$NM TK") #>>Ass$NM T
search(m,"Ass$NM TK") #>>None
search(m,"xAss$NM TK") #>>Ass$NM T
pt = "\\b高兴"
search(pt,"我高兴") #None
search(pt,"我 高兴") #高兴
正则表达式匹配选项
re.search(pattern, string, flags = 0) flags就是匹配选项
匹配函数如search,match可以通过可选的选项标志来控制匹配的模式。多个标志可
以通过按位 OR(|) 来指定。如 re.I | re.M 。下表是一部分标志
re.I
使匹配对大小写不敏感
re.M
多行匹配,使 ^能匹配行的开头,$能匹配行的结尾 ,同re.MULTILINE
re.S
使.
匹配包括换行在内的所有字符 (重要!),无此标志则 .不匹配\n
同re.DOTALL
import re
def search(pattern,string ,flags = 0):
#flags参数如果省略不写,其值就是 0
x = re.search(pattern,string,flags)
if x != None:
print(x.group())
else:
print("None")
search("a.+b.*","acBc") #>>None
search("a.+b.*","acBc",re.I) #>>acBc
m = "^h[a-z]w are"
g = re.findall(m,"how are you\nhew are me")
print(g) #>>['how are']
g = re.findall(m,"how are you\nhew ARE me",re.M|re.I)
#多行匹配模式且不分大小写
print(g) #>>['how are', 'hew ARE']
m = "are you$"
search(m,"how are you\nThis") #>>None
search(m,"how are you\nThis",re.M) #>>are you
search("a.+b","a\ncdb") #>>None
search("a.+b","a\ncdbe",re.S)
分组(…)
括号中的表达式是一个分组。多个分组按左括号
从左到右从1开始依次编号
import re
x = re.search('[a-z]+(\d+)[a-z]+',"ab 123d hello553world47")
print(x.group(1)) #>>553
m = "(((ab*)c)d)e"
r = re.match(m,"abcdefg")
print(r.group(0)) #>>abcde group(0)等价于group()
print(r.group(1)) #>>abcd
print(r.group(2)) #>>abc
print(r.group(3)) #>>ab
print(r.groups()) #>>('abcd', 'abc', 'ab')
m = "(ab*)(c(d))e"
r = re.match(m,"abcdefg")
print(r.groups()) #>>('ab', 'cd', 'd')
print(r.group(0)) #>>abcde
print(r.group(1)) #>>ab
print(r.group(2)) #>>cd
print(r.group(3)) #>>d
在分组的右边可以通过分组的编号引用该分组所匹配的子串
import re
m = r'(((ab*)c)d)e\3' #r表示字符串里的'\'不再转义
#要求 ab*cde后面跟着3号分组在本次匹配中匹配上的子串
r = re.match(m,"abbbcdeabbbkfg") # 一个b则不能匹配
print(r.group(3)) # abbb
print(r.group()) # abbbcdeabbb
在分组的右边可以通过分组的编号引用该分组所匹配的子串
pt = 'a(.)\\1*b' #或 pt = r'a(.)\1*b'
print(re.search(pt,'kacccccb').group()) #>>acccccb
print(re.search(pt,'kaxxxxb').group()) #>>axxxxb
print(re.search(pt,'kaxb').group()) #>>axb
x = re.search(pt,'kaxyb')
if x != None:
print(x.group()) #不会执行
分组作为一个整体,后面可以跟量词
import re
m = "(((ab*)+c)d)e"
r = re.match(m,"ababcdefg")
print(r.groups()) #>>('ababcd', 'ababc', 'ab')
r = re.match(m,"abacdefg")
print(r.groups()) #>>('abacd', 'abac', 'a')
re.findall和分组
在正则表达式中没有分组时,re.findall
返回所有匹配子串构成的列表。有
且只有一个分组时,re.findall
返回的是一个子串的列表,每个元素是一个
匹配子串中分组对应的内容。
import re
m = '[a-z]+(\d+)[a-z]+'
x = re.findall(m,"13 bc12de ab11 cd320ef")
print(x) #>>['12', '320']
在正则表达式中有超过一个分组时,re.findall返回的是一个元组的列表,
每个元组对应于一个匹配的子串,元组里的元素,依次是1号分组、2号分组、
3号分组…匹配的内容
import re
m = '(\w+) (\w+)'
r = re.match(m,"hello world")
print(r.groups()) #>>('hello', 'world')
print(r.group(1)) #>>hello
print(r.group(2)) #>>world
r = re.findall(m,"hello world, this is very good")
#找出由所有能匹配的子串的 groups() 构成的元组,互相不重叠
print(r) #>>[('hello', 'world'), ('this', 'is'), ('very', 'good')]
re.sub(模式串,替换串,母串) 用于替换匹配的子串
import re
s = 'abc.xyz'
print(re.sub(r'(.*)\.(.*)', r'\2.\1', s)) #>>xyz.abc
# 用 '(.*)\.(.*)' 匹配 s,并用 '\2.\1' 替换s中被匹配的子串
# \2代表第2个分组匹配的内容,\1是第一个分组匹配的内容
| 的用法
表示“或”,如果没有放在"()"中,则起作用范围是直到整个正则表达式
开头或结尾或另一个 “|”
从左到右短路
匹配(匹配上一个后就不计算是否还能匹配后面的)
import re
pt = "\d+\.\d+|\d+"
print(re.findall(pt,"12.34 this is 125"))
#>>['12.34', '125']
pt = "aa|aab"
print(re.findall(pt,"aabcdeaa12aab"))
#>>['aa', 'aa', 'aa']
m ="(((ab*)+c|12)d)e"
print(re.findall(m,'ababcdefgKK12deK'))
#>>[('ababcd', 'ababc', 'ab'), ('12d', '12', '')]
for x in re.finditer(m,'ababcdefgKK12deK'):
print(x.groups())
#>>('ababcd', 'ababc', 'ab')
#>>('12d', '12', None)
m = '\[(\d+)\]|<(\d+)>'
for x in re.finditer(m,'233[32]88ab<433>'):
print(x.group(),x.groups())
#>>[32] ('32', None)
#>><433> (None, '433')
贪婪模式和懒惰模式
量词的贪婪模式
:量词+,*,?,{m,n}
默认匹配尽可能长的子串
import re
print(re.match("ab*", "abbbbk").group()) #>>abbbb
print(re.findall("<h3>(.*)</h3>", "<h3>abd</h3><h3>bcd</h3>"))
#>>['abd</h3><h3>bcd']
print(re.findall('\(.+\)',
"A dog has(have a).这(哈哈)true()me"))
#>>['(have a).这(哈哈)true()']
量词的非贪婪(懒惰)模式
: 在量词 +,*,?,{m,n} 后面加 '?'
则匹配尽可能短的字符串 。
import re
m = "a.*?b"
for k in re.finditer(m,"aabab"):
print(k.group(),end=" ") #>>aab ab
m = "<h3>.*?</h3>"
a = re.match(m,"<h3>abd</h3><h3>bcd</h3>")
print(a.group()) #>><h3>abd</h3>
m = "<h3>.*?[M|K]</h3>"
a = re.match(m,"<h3>abd</h3><h3>bcK</h3>")
print(a.group()) #>><h3>abd</h3><h3>bcK</h3>
print(re.findall('\d+?',"this is 334 what me 774gw"))
#>>['3', '3', '4', '7', '7', '4']
print(re.findall('[a-zA-Z]+?',"A dog has 4 legs.这是true"))
#>>['A', 'd', 'o', 'g', 'h', 'a', 's', 'l', 'e', 'g', 's', 't',
'r', 'u', 'e']
print(re.findall('\(.*?\)',"A dog has(have).这(哈哈)true()me"))
#>>['(have)', '(哈哈)', '()']
匹配对象
“匹配对象”(匹配成功时的返回结果)的属性
- string: 匹配时使用的母串。
- lastindex: 最后一个被匹配的分组的编号(不是最大编号)。如果没有被匹配
的分组,将为None。
“匹配对象”的函数
group([n1,n2, …]):
• 获得一个或多个分组匹配的字符串;指定多个参数时将以元组形式
返回。n1,n2…可以使用编号也可以使用名字;
• 编号0代表整个匹配的子串(与模式里面的"()"无关); • group() 等价于 group(0);
• 没有匹配字符串的组返回None; • 匹配了多次的组返回最后一次匹配的子串。
groups([default]):
以元组形式返回全部分组匹配的字符串。相当于调用group(1,2,…last)。default表示没有匹配字符串的组以这个值替代,默认为None。
groupdict([default]):
返回以有名字的组的名字为键、以该组匹配的子串为值的字典,没有名字的组不包含在内。default含义同上。
start([group]):
返回指定的组匹配的子串在string中的起始位置。group默认值为0。
end([group]):
返回指定的组匹配的子串在string中的结束位置(子串最后一个字符的位置 +1)。group默认值为0
span([group]):
返回(start(group), end(group))。group可以是组编号,也可以是组名字,缺省为0
m = re.match(r'(\w+) (\w+)(.)', 'hello world!ss')
print( m.string) #>>hello world!ss
print(m.lastindex) #>>3
print(m.group(0,1,2,3))#>>('hello world!', 'hello', 'world', '!')
print(m.groups()) #>>('hello', 'world', '!')
print(m.start(2)) #>>6
print(m.end(2)) #>>11
print(m.span(2)) #>>(6, 11)