正则表达式 regular expression regex RE
·正则表达式是用来简介表达一组字符串的表达式
·通用的字符串表达框架
·简介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
·用于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
正则表达式的使用
编译:将符合特征正则表达式语法的字符串转换成正则表达式特征。
正则表达式的语法
正则表达式是由字符和操作符构成的
操作符 | 说明 | 实例 |
. | 表示任何单个字符 | A.表示AA,AB,AC,AD.....Aa,Ab... |
[] | 字符集,对单个字符给出取值范围 | [abc]表示a,b,c,[a-z]表示a到z单个字符 |
[^ ] | 非字符集,对单个字符给出排查范围 | [^abc]表示非a或b或c的单个字符 |
* | 前一个字符0次或无限次扩展 | abc*表示ab,abc,abcc,abccc... |
+ | 前一个字符1 次或无限次扩展 | abc+表示abc,abcc,abccc... |
? | 前一个字符0次或1次扩展 | abc?表示ab,abc |
| | 取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$表示abc且在一个字符串的结尾 |
() | 分组标记,内部只能用|操作符 | (abc)表示abc,(abc,def)表示abc,def |
\d | 数字,等价于[0-9] | abc\d表示abc1,abc2,abc3.....abc9 |
\w | 单词字符集,等价于[A-Za-z0-9_] | 注意:包括下划线 |
扩展补充:
字符 | 描述 |
\cx | 匹配由x指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。 |
\f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
\n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
\r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于 \x09 和 \cI。 |
\v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
常用正则表达式
^[A-Za-z]+$ | 由26个字母组成的字符串 |
^[A-Za-z0-9]+$ | 由26个字符和数字组成的字符串 |
^-?\d+$ | 整数型式的字符串 |
^[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 |
Python的Re库
Re介绍
Re库是python的标准库,主要用于字符串匹配
正则表达式的表示类型
·rawString类型(原生字符串类型)
使用rawString类型表达正则表达式:
r”text”
例如:r”^[A-Za-z]+$”
·string类型
使用string类型需要注意,里面的\会被当成转义符,所以要加成\\更加麻烦
使用String类型表达正则表达式:
“text”
例如:”[1-9]\\d{5}”
所以推荐使用rawString类型
Re库主要功能函数
函数 | 说明 |
re.search() | 再一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
re.match() | 从一个字符串的开始位置起匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的字串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
re.finditer | 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的字串,返回替换后的字符串 |
·re.search(pattern,string,flags = 0)
>pattern:正则表达式的字符串或原生字符串表示
>string:待匹配的字符串
>flags:正则表达式使用时的控制标记
常用标记 | 说明 |
re.I (re.IGNORECASE) | 忽略正则表达式的大小写,[A-Z能够匹配小写字符] |
re.M(re.MULTILINE) | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
re.S(re.DOTALL) | 正则表达式中的.操作符能够匹配所有字符,默认匹配除换行符外的所有字符 |
·re.match(pattern,string,flags = 0)
>pattern:正则表达式的字符串或原生字符串表示
>string:待匹配的字符串
>flags:正则表达式使用时的控制标记
·re.findall(pattern,string,flags = 0)
>pattern:正则表达式的字符串或原生字符串表示
>string:待匹配的字符串
>flags:正则表达式使用时的控制标记
·re.split(pattern,string,maxsplit,flags = 0)
>pattern:正则表达式的字符串或原生字符串表示
>string:待匹配的字符串
>maxsplit:最大分割数,剩余部分作为最后一个元素输出
>flags:正则表达式使用时的控制标记
split会将匹配到的字符串去掉,把剩下的作为分割部分放进列表类型中
·re.finditer(pattern,string,flags = 0)
>pattern:正则表达式的字符串或原生字符串表示
>string:待匹配的字符串
>flags:正则表达式使用时的控制标记
我们可以用for in 将finditer函数匹配到的每个字符串进行迭代处理
·re.sub(pattern,repl,string,count = 0,flags = 0)
>pattern:正则表达式的字符串或原生字符串表示
>repl:替换匹配字符串的字符串
>string:待匹配的字符串
>count:匹配的最大次数
>flags:正则表达式使用时的控制标记
Re库的另一种用法
函数式用法:rst = re.search(r’^[A-Za-z0-9]+$’,’helloworld’)
适合一次性操作,每次都会经过编译过程
面向对象式用法:pat = re.compile(r’^[A-Za-z0-9]+$’)
rst = pat.search(‘helloworld’)
适合多次重复操作,只编译最初的一次,加快执行过程