正则表达式
正则表达式在Pyhton中体现为一个Regex
对象
要创建Regex
对象,需要导入re
模块,向re.compile()
传入一个字符串,从而得到Regex
对象
>>> import re
>>> a=re.compile(r'(\d{3})-(\d{4})')
a此时就是一个Regex
对象,可以使用Regex
对象的各种方法,进行字符串模式匹配
注意:Python中的字符串,本身需要用倒斜杠
\
来转义一些特殊字符(否则它们不能正常放在字符串中),例如'\n'
换行符,'\''
表示一个'
符号,'\t'
、'\"'
、'\\'
等,但是在字符串前加一个r
可以将字符串标记为原始字符串(所见即所得),向re.compile
传入原始字符串更方便:re.compile(r'(\d{3})-(\d{4})')
比re.compile('(\\d{3})-(\\d{4})')
更容易
书写正则表达式
正则表达式用字符串书写,一般格式为:
普通字符/字符分类/自定义的字符分类/一个分组 + 代表次数限制的后缀
普通字符
如果需要匹配某个特定的字符,直接原样输入即可
对于一些在正则表达式中有特殊含义的字符,需要用\
转义,例如\.
、\?
、\(
、\)
等
字符分类
一个字符分类可以匹配一类字符
\d
匹配任何数字\D
匹配任何除了数字以外的字符\w
匹配任何字母、数字和下划线\W
匹配任何除了字母、数字和下划线以外的字符\s
匹配“空白”(空格、制表符、换行符)\S
匹配任何除了“空白”以外的字符
自定义字符分类
可以按自己的需求创建字符分类,用于匹配一类字符
- 如
[0123456789]
等价于\d
- 可以用短横线
-
表示一个范围,如[0-9]
、[a-zA-Z0-9]
匹配所有字母和数字 - 可以用
^
匹配除了字符类以外的所有字符,如[^0-9]
匹配除了数字以外的所有字符 - 特殊字符在这里无需用
'\
转义,可以直接写[abc.]
而不是[abc\.]
,两者等价
分组
- 使用括号可以在正则表达式中创建分组
- 一个分组的内容可以是之前提到的三种情况:普通字符/字符分类/自定义的字符分类
例如(\d{3})-(\d{4})
,第一个括号为分组1,第二个括号为分组2,而整个表达式为分组0 - 搭配
search
函数和group
方法,可以获取各个分组的内容
>>> a=re.compile(r'(\d{3})-(\d{4})')
>>> g=a.search("010-8592")
>>> g.group()
'010-8592'
>>> g.group(0)
'010-8592'
>>> g.group(1)
'010'
>>> g.group(2)
'8592'
搭配search
函数和groups
方法,可以获取一个元组,其含有所有分组
>>> a=re.compile(r'(\d{3})-(\d{4})')
>>> g=a.search("010-8592")
>>> g.groups()
('010', '8592')