python正则表达式

 

1、原子概念：

　　原子是正则表达式中最基本的组成单位，每个正则表达式至少包含一个原子

　　常见原子类型：

　　　　普通字符，如a b c等

　　　　非打印字符，如\n \t等

　　　　通用字符，如\d, \D等

　　常用的通用字符：

字符	说明
\d	匹配一个数字字符，等价于[0-9]
\D	匹配一个非数字字符，等价于[^0-9]
\s	匹配任何空白字符，包括空白，制表符，换行符等等， 等价于[\f\n\r\t\v]
\S	匹配任何非空白字符
\w	匹配字母，数字，下划线，等价于[a-zA-Z0-9_]
\W	匹配非字母，非数字，非下划线

 

 

 

 

 

 

 

 

2、元字符，就是正则表达式中具有一些特殊含义的字符

　　常见的元字符有：

字符	描述
.	匹配除了\n之外的任何字符 要匹配\n在内的字符，需要使用.|\n
[xyz]	字符集合，匹配所包含的任意一个字符
[^xyz]	负值字符集合，匹配未包含的任意一个字符
[a-z]	匹配指定范围内的任意一个字符
*	匹配前面的子表达式 0 次或 多 次，如zo* 可以匹配z，zo，zoo等
+	匹配前面的子表达式 1 次或 多 次，如zo+可以匹配zo，zoo但是不能匹配z
？	匹配前面的子表达式 0 次或 1 次， 如zo？可以匹配z，zo不能匹配zoo
{n}	n是一个非负整数，匹配确定的n次
{n，}	至少匹配n次，o{0,}等价于o*, o{1,}等价于o+，o{0,1}等价于o?
{n,m}	最小匹配n次，最多匹配m次，
\	将下一个字符标记为特殊字符，或一个原义字符，或一个向后引用，或一个八进制转义符
^	匹配字符串的开始位置，如果设置了RegExp对象的Multiline属性， ^也匹配\n或\r之后的位置
$	匹配字符串的结束位置，如果设置了RegExp对象的Multiline属性，^也匹配\n或\r之前的位置
？	如果是跟在其他任何一个限制符后面（*,+,?,{n},{n,m}等），匹配模式将变成非贪婪模式 非贪婪模式尽可能少的匹配所搜索的字符串，而贪婪模式尽可能多的匹配所搜索的字符串 如"oooo"中，o+将匹配所有o，o+？将只匹配一个o
x|y	匹配x或y

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3、模式修正符

　　在不改变正则表达式的情况下，通过模式修正符改变正则表达式的意义，从而实现一些匹配结果的调整

修饰符	描述
re.I	使匹配对大小写不敏感
re.S	使 . 匹配包括换行在内的所有字符
re.L	做本地化识别匹配
re.M	多行匹配，影响^和$
re.U	根据Unicode字符集解析字符

 

 

 

 

 

 

 

 

 4、re模块

python中，通过re模块来实现正则匹配

re模块中常用的功能函数：

　1）compile()

　　　编译正则表达式模式，返回一个正则对象（可以把常用的正则表达式编译成正则表达式对象，这样可以提高效率）

　　　　re.compile(pattern[, flags=0])

　　　　　pattern：编译时用的表达式字符串

　　　　　flags：编译标志位，用于修改正则表达式的匹配方式，如re.I 不区分大小写，re.S等

　　　　import re

　　　　tt = "Tina is a good girl, she is cool, clever..."

　　　　pattern = r"\w*oo\w*"　　# 查找包含oo的单词

　　　　reg = re.compile(pattern)

　　　　reg.findall(tt)　　# ['good', 'cool']

　2）match()

　　　　决定re是否在字符串开头位置匹配

　　　　re.match(pattern, string[, flags])

　　　　print(re.match("www", "www.baidu.com").group)　　# www

　　　　print(re.match("www", "WWW.BAIDU.COM", re.I).group())　　#WWW

　　　3）search()

　　　　re.search(pattern, string[, flags])

　　　　search（）会在字符串内查找匹配，如果找到第一个匹配的，就返回，如果没有找到就返回None

　　　　match和search一旦匹配成功，就是一个match object对象，match object对象有以下方法：

　　　　　　group()：返回被re匹配的字符串

　　　　　　start()：返回匹配开始的位置

　　　　　　end()：返回匹配结束的位置

　　　　　　span()：返回一个包含开始，结束位置的元组

　　　　　

　　　4）findall()

　　　　遍历查找所有匹配的元素，以列表形式返回

　　　　re.findall(pattern, string[, flag])

　　　　

　　5）finditer()

　　　　re.finditer(pattern, string[, flags])

　　　　搜索string，找到re匹配的所有的子串，并把它们作为迭代器返回，返回的结果是由所有匹配的match对象组成的迭代器

　　　　

　　6）split()

　　　　按照能够匹配的子串将string分割后，返回的列表

　　　　re.split(pattern, string[, flag])

　　　　如下，按照空白字符分割字符串，返回列表

　　　　

　　　　按数字分割字符串，返回列表

　　　　

　　7）sub()

　　　　re.sub(pattern, rep1, string, count)

　　　　　　pattern：匹配的正则表达式

　　　　　　rep1：替换的新的字符串

　　　　　　string：原始字符串

　　　　　　count：指定替换次数，默认为0，表示都替换。

　　　　

 　　　　sub() 还允许使用函数对匹配项进行复杂的处理，如下，把字符串中所有数字替换后（数字+1）

　　　　

　　8）subn()

　　　　返回替换后的结果和替换的次数，以元组形式返回

　　　　re.subn(pattern, rep1, string ,count=0, flags)

　　　　

5、re模块中re.match(), re.search(), re.findall()的区别

　　re.match()只在字符串开始位置进行匹配，如果不匹配就返回None

　　re.search()遍历整个字符串，找到第一个匹配项就返回

　　re.findall()遍历整个字符串，找到所有的匹配项并以列表形式返回

　　

 

 

 

　　

 

转载于:https://www.cnblogs.com/fiona-zhong/p/10180498.html