Re(正则表达式)库入门
1.正则表达式的概念
regular expression, regex, RE
正则表达式是用来简洁表达一组字符串的表达式
使用正则表达式的优势是什么?
简洁,一行胜千言 一行就是特征(模式)
- 例子:
正则表达式
正则表达式是用来简洁表达一组字符串的表达式
正则表达式是一种通用的字符串表达框架
进一步
正则表达式是一种针对字符串表达“简洁”和“特征”思想的工具
正则表达式可以用来判断某字符串的特征归属
正则表达式在文本处理中十分常用:
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
……
最主要应用在字符串匹配中
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
2.正则表达式的语法
正则表达式语法由字符和操作符构成
正则表达式常用操作符
正则表达式实例
经典正则表达式实例
匹配IP地址的正则表达式
3.Re库的基本使用
Re库介绍
Re库是Python的标准库,主要用于字符串匹配
调用方式: import re
正则表达式的表示类型
raw string类型(原生字符串类型)
re库采用raw string类型表示正则表达式,表示为:r’text’
例如:
r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
raw string是不包含对转义符再次转义的字符串
re库也可以采用string类型表示正则表达式,但更繁琐
例如:
'[1‐9]\\d{5}'
'\\d{3}‐\\d{8}|\\d{4}‐\\d{7}'
建议:当正则表达式包含转义符时,使用raw string
Re库主要功能函数
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 : 待匹配字符串
- flags : 正则表达式使用时的控制标记
例子:
>>> import re
>>> match = re.search(r'[1-9]\d{5}','BIT 100081')
>>> if match:
print(match.group(0))
100081
>>>
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
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记
例子
>>> import re
>>> match = re.match(r'[1-9]\d{5}','BIT 100081')
>>> if match:
print(match.group(0))
>>> match.group(0)
Traceback (most recent call last):
File "<pyshell#16>", line 1, in <module>
match.group(0)
AttributeError: 'NoneType' object has no attribute 'group'
>>> match = re.match(r'[1-9]\d{5}','100081 abc')
>>> if match:
match.group(0)
'100081'
>>>
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
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记
>>> import re
>>> ls = re.findall(r'[1-9]\d{5}','bit100081 tsu100084')
>>> ls
['100081', '100084']
>>>
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
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- maxsplit: 最大分割数,剩余部分作为最后一个元素输出
- flags : 正则表达式使用时的控制标记
>>> import re
>>> re.split(r'[1-9]\d{5}','bit100081 tsu100084')
['bit', ' tsu', '']
>>> re.split(r'[1-9]\d{5}','bit100081 tsu100084',maxsplit =1)
['bit', ' tsu100084']
>>>
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
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记
>>> import re
>>> for m in re.finditer(r'[1-9]\d{5}','bit100081 tsu100084'):
if m:
m.group(0)
'100081'
'100084'
>>>
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
- pattern : 正则表达式的字符串或原生字符串表示
- repl : 替换匹配字符串的字符串
- string : 待匹配字符串
- count : 匹配的最大替换次数
- flags : 正则表达式使用时的控制标记
>>> import re
>>> re.sub(r'[1-9]\d{5}','zipcode','bit100081 tsu100084')
'bitzipcode tsuzipcode'
>>>
Re库的另一种等价用法
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
- pattern : 正则表达式的字符串或原生字符串表示
- flags : 正则表达式使用时的控制标记
>>> regex = re.compile(r'[1‐9]\d{5}')
4.Re库的match类型
Match对象是一次匹配的结果,包含匹配的很多信息
>>> match = re.search(r'[1‐9]\d{5}', 'BIT 100081')
>>> if match:
print(match.group(0))
>>> type(match)
<class '_sre.SRE_Match'>
match对象的属性
match对象的方法
>>> import re
>>> m = re.search(r'[1-9]\d{5}','bit100081 tsu100084')
>>> m.string
'bit100081 tsu100084'
>>> m.re
re.compile('[1-9]\\d{5}')
>>> m.pos
0
>>> m.endpos
19
>>> m.group(0)
'100081'
>>> m.start()
3
>>> m.end()
9
>>> m.span()
(3, 9)
>>>
5.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
>>> import re
>>> match = re.search(r'PY.*N', 'PYANBNCNDN')
>>> match.group(0)
'PYANBNCNDN'
>>>
最小匹配操作符
>>> match = re.search(r'PY.*?N', 'PYANBNCNDN')
>>> match.group(0)
'PYAN'
>>>
只要长度输出可能不同的,都可以通过在操作符后增加?变成最小匹配