1. 匹配字符
import re
s = 'adawdafA@#!#@!1231cad'
print(re.findall('[a-z]',s)) # 匹配小写英文字母
print(re.findall('[0-9]',s)) # 匹配数字
print(re.findall('[A-Z]',s)) # 匹配大写英文字母
print(re.findall('[a-zA-Z0-9]',s)) # 匹配英文字母加数字
print(re.findall('[^a-zA-Z0-9]',s)) # 匹配(过滤(英文字母加数字))
print(len(re.findall("[a-zA-Z\u4e00-\u9fa5]",s))) #\u4e00-\u9fa5 匹配中文
输出结果:
['a', 'd', 'a', 'w', 'd', 'a', 'f', 'c', 'a', 'd']
['1', '2', '3', '1']
['A']
['a', 'd', 'a', 'w', 'd', 'a', 'f', 'A', '1', '2', '3', '1', 'c', 'a', 'd']
['@', '#', '!', '#', '@', '!']
忽略大小写
提供re.IGNORECASE标志参数
text = 'UPPER PYTHON, lower python, Mixed Python'
>>> re.findall('python', text, flags=re.IGNORECASE)
['PYTHON', 'python', 'Python']
2. 切分字符串
拆空格
>>> import re
>>> str1 = "a b c d"
>>> re.split('\s+',str1)
['a', 'b', 'c', 'd']
拆空格+逗号
>>> str2 = "a,b, d, c, dw"
>>> re.split(r'[\s,]+',str2)
['a', 'b', 'd', 'c', 'dw']
拆空格+逗号+分号
>>> str3 = "a,b, d,;; dd"
>>> re.split(r'[\s,;]+',str3)
['a', 'b', 'd', 'dd']
3. 分组
括号括起来的称为捕获分组。
>>> m = re.match(r'(\d{3})-(\d{3,8})$','010-12345')
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
>>> m.groups()
('010', '12345')
不捕获使用?:
m = re.match(r'(\d{3})-(?:\d{3,8})$','010-12345')
print(m.group(2))
============
IndexError: no such group
4. 预编译,提高代码效率
当我们在Python中使用正则表达式时,re模块内部会干两件事情:
1.编译正则表达式,如果正则表达式的字符串本身不合法,会报错;
2.用编译后的正则表达式去匹配字符出。
如果一个正则表达式要重复使用几千次,处于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配。
# 编译
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用
>>> re_telephone.match('010-12345').groups()
('010','12345')
5. 处理多行文本
import re
a = "a123b\na456b"
# re.S表示单行匹配,re.M表示多行匹配
# ret = re.findall(r'a(\d+)b.+a(\d+)b', a, re.S) # [('123', '456')]
ret = re.findall(r'^a(\d+)b', a, re.M) # ['123', '456']
6. 替换
11/27/2012改成2012-11-27
反斜杠数字比如\3表示前面模式第三个捕获组号。
import re
text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
ret = re.sub(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', text)
print(ret) # Today is 2012-11-27. PyCon starts 2013-3-13.