1 概述
正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。
Python 自1.5版本起增加了re 模块,它提供 Perl 风格的正则表达式模式。
re 模块使 Python 语言拥有全部的正则表达式功能。
2 正则表达式模式
字符 | 功能 | |
匹配单个字符 | . | 匹配任意1个字符(除了\n) |
[ ] | 匹配[ ]中列举的字符 | |
\d | 匹配数字,即0-9 | |
\D | 匹配非数字,即不是数字 | |
\s | 匹配空白,即 空格,tab键 | |
\S | 匹配非空白 | |
\w | 匹配单词字符,即a-z、A-Z、0-9、_ | |
\W | 匹配非单词字符 | |
匹配多个字符 | * | 匹配前一个字符出现0次或者无限次,即可有可无 |
+ | 匹配前一个字符出现1次或者无限次,即至少有1次 | |
? | 匹配前一个字符出现1次或者0次,即要么有1次,要么没有 | |
{m} | 匹配前一个字符出现m次 | |
{m,n} | 匹配前一个字符出现从m到n次 | |
匹配开头结尾 | ^ | 匹配字符串开头 |
$ | 匹配字符串结尾 | |
匹配分组 | | | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 | |
\num | 引用分组num匹配到的字符串 | |
(?P) | 分组起别名 | |
(?P=name) | 引用别名为name分组匹配到的字符串 |
3 函数
3.1 re.match()
re.match() 能够匹配出以xxx开头的字符串
# -*- coding: utf-8 -*-
import re
ret = re.match("p", "pytho372多对多")
print(ret.group())
# .
ret = re.match(".","two")
print(ret.group())
ret = re.match("t.o","two")
print(ret.group())
# []
# 大小写都可以的情况
ret = re.match("[hH]","hello Python")
print(ret.group())
ret = re.match("[hH]","Hello Python")
print(ret.group())
# \d
ret = re.match("\d","666python3太厉害")
print(ret.group())
# \w
ret = re.match("\w","666python3太厉害")
print(ret.group())
ret = re.match("\w","666python3太厉害")
print(ret.group())
# *
ret = re.match("[A-Z][a-z]*","MnnM")
print(ret.group())
ret = re.match("[A-Z][a-z]*","Aabcdef")
print(ret.group())
# $
ret = re.match("[\w]{0,9}@163\.com$", "40927abd@163.com")
print(ret.group())
# (),|
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
print(ret.group())
"""
p
t
two
h
H
6
6
6
Mnn
Aabcdef
40927abd@163.com
test@126.com
"""
3.2 re.search()
re.search 扫描整个字符串并返回第一个成功的匹配
# -*- coding: utf-8 -*-
import re
ret = re.search(r"\d+", "第一9999,第二8888")
print(ret.group())
ret = re.search(r"\d+", "第一9999,第二8888")
print(ret.group())
ret = re.search( r'(.*) are (.*?)', "We are family! good")
print(ret.group())
ret = re.search( r'(.*) are (.*)', "We are family! good")
print(ret.group())
"""
9999
9999
We are
We are family! good
"""
3.3 re.findall()
在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果有多个匹配模式,则返回元组列表,如果没有找到匹配的,则返回空列表。
# -*- coding: utf-8 -*-
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
ret = re.findall(r"\d+|=", "python = 9999, c = 7890, c++ = 12345")
print(ret)
ret = re.findall(r"\d+|=", "Life is short人生苦短, I use Python我用python")
print(ret)
ret = re.findall(r"Life(.*)I", "Life is short人生苦短, I use Python我用python")
print(ret)
a = "![FTHS01.jpg](/upload/car/38fee3f4.jpg)![FTHS02.jpg](/upload/car/f93ef2f4.jpg)![FTHS03.jpg](/upload/car/6699ffe1.jpg)"
ret = re.findall(r"\((.*?)\)", a)
print(ret)
"""
['9999', '7890', '12345']
['=', '9999', '=', '7890', '=', '12345']
[]
[' is short人生苦短, ']
['/upload/car/38fee3f4.jpg', '/upload/car/f93ef2f4.jpg', '/upload/car/6699ffe1.jpg']
"""
3.4 re.sub()
将匹配到的数据进行替换
# -*- coding: utf-8 -*-
import re
a = "2022-10-01 # 国庆节"
ret = re.sub(r'-| |#.*', '', a)
print(ret)
ret = re.sub(r'-', '.', a)
print(ret)
"""
20221001
2022.10.01 # 国庆节
"""
3.5 re.split()
根据匹配进行切割字符串,并返回一个列表
# -*- coding: utf-8 -*-
import re
a = "2022-10-01 # 国庆节"
ret = re.sub(r'-| |#.*', '', a)
print(ret)
ret = re.sub(r'-', '.', a)
print(ret)
html = """
<div>
<p>岗位职责:</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p><br></p>
<p>必备要求:</p>
<p>良好的自我驱动力和职业素养,工作积极主动、结果导向</p>
<p> <br></p>
<p>技术要求:</p>
<p>1、一年以上 Python 开发经验,掌握面向对象分析和设计,了解设计模式</p>
<p>2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计,掌握 SQL,熟练使用 MySQL/PostgreSQL 中的一种<br></p>
<p>4、掌握NoSQL、MQ,熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js</p>
<p> <br></p>
<p>加分项:</p>
<p>大数据,数理统计,机器学习,sklearn,高性能,大并发。</p>
</div>
"""
ret = re.sub(r"<[^>]*>| |\n", "", html)
print(ret)
"""
20221001
2022.10.01 # 国庆节
岗位职责:完成推荐算法、数据统计、接口、后台等服务器端相关工作必备要求:良好的自我驱动力和职业素养,工作积极主动、结果导向技术要求:1、一年以上 Python 开发经验,掌握面向对象分析和设计,了解设计模式2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架3、掌握关系数据库开发设计,掌握 SQL,熟练使用 MySQL/PostgreSQL 中的一种4、掌握NoSQL、MQ,熟练使用对应技术解决方案5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js加分项:大数据,数理统计,机器学习,sklearn,高性能,大并发。
"""
4 贪婪和非贪婪
Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;
非贪婪则相反,总是尝试匹配尽可能少的字符。
# -*- coding: utf-8 -*-
import re
text = '<img data-original="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" style="display: inline;">'
img = re.search(r"https:.*\.jpg", text)
print(img.group())
print("===" * 20)
img = re.search(r"https:.*?\.jpg", text)
print(img.group())
"""
https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg
============================================================
https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg
"""
5 r的作用
Python中字符串前面加上 r 表示原生字符串,
与大多数编程语言相同,正则表达式里使用"\"作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
Python里的原生字符串很好地解决了这个问题,有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。
# -*- coding: utf-8 -*-
import re
mm = "c:\\a\\b\\c"
print(mm)
ret = re.match("c:\\\\a",mm).group()
print(ret)
ret = re.match(r"c:\\a",mm).group()
print(ret)
ret = re.match("c:\\a",mm).group()
print(ret)
"""
c:\a\b\c
c:\a
c:\a
Traceback (most recent call last):
File "D:/myself/PythonNote/pythonCode/001re_zhengze/06_r.py", line 13, in <module>
ret = re.match("c:\\a",mm).group()
AttributeError: 'NoneType' object has no attribute 'group'
"""