正则表达式

re

\d	数字，相当于[0-9]
\D	非数字字符，相当于 [^0-9]
\s	空白字符，相当于[\t\r\n\f\v]
\S	非空白字符
\w	字母或数字，相当于 [0-9a-zA-z]
\W	非字母或数字
.	任意字符
|	或
^	非， 或者开始位置标记
$	结束位置标记
\b	单词边界
\B	非单词边界
重复
*	0或任意个字符。添加 ？后缀避免贪婪匹配
？	0或一个字符
+	1或多个字符
{n}	n个字符
{n,}	最少n个字符
{,m}	最多m个字符
{n,m}	n到mge字符
编译	可以直接在表达式前部加 "(?iLmsux)" 标志
s	单行
i	忽略大小写
m	多行
x	忽略多余的空白字符
u	Unicode

正则函数

 

re 有几个重要的函数：

• match(): 匹配字符串开始位置
• search(): 扫描字符串，找到第一个位置
• findall(): 找到全部匹配，以列表返回
• finditer(): 找到全部匹配，以迭代器返回

match 和 search 仅匹配一次,匹配不到返回 None。

>>> import re
>>> s = '12abc345ab'
>>> m = re.match(r'\d+', s)
>>> m.group()
'12'
>>> m.span()
(0, 2)
>>> re.match(r'\d{3,}', s)       # 开始位置有两个数字，不符合，返回None
>>> m = re.match(r'\d{3,}', s)
>>> m is None
True

>>> s = '12abc345ab'
>>> m = re.search(r'\d{3,}', s)
>>> m.group();m.span()
'345'
(5, 8)
>>> m = re.search(r'\d+', s)
>>> m.group();m.span()
'12'
(0, 2)

findall 返回列表，match，search返回MatchObject

>>> re.findall(r'\d+', s)
['12', '345']

finditer 返回迭代器

>>> match_iter = re.finditer(r'\d+', s)
>>> match_iter
<callable_iterator object at 0x7f6cf5e0bcf8>
>>> for m in match_iter:
...     print(m.group())
... 
12
345

MatchObject

• group(): 返回匹配的完整字符串
• start(): 匹配的开始位置
• end(): 匹配的结束位置
• span(): 包含起始，结束位置的元组
• groups(): 返回分组信息
• groupdict(): 返回命名的分组信息

>>> m = re.match(r'(\d+)(?P<str>[abc]+)', s)  # ?P 命名分组
>>> m.group()
'12abc'
>>> m.groups()
('12', 'abc')
>>> m.groupdict()  # 命名的分组
{'str': 'abc'}

start()、end() 和 span() 同样能接收分组序号。和 group() 一样,序号 0 表示示整体匹配结果

>>> s = '12abc345ab'
>>> m = re.match(r'(\d+)(?P<str>[abc]+)', s)
>>> m.start(0); m.end(0)
0
5
>>> m.start(2); m.end(2)
2
5
>>> m.span()
(0, 5)
>>> m.span(2)  # 分组2的起始位置，结束位置
(2, 5)

 

编译标志

可以使用re.l , re.M等参数，也可以直接在表达式中添加(?iLmsux)标志

• s: 单行，"." 匹配包括换行符在内的所有字符
• i: 忽略大小写
• L: 让"\w" 能够匹配当地字符，对中文支持不好
• m: 多行
• x：忽略多余的空白字符，让表达式更易阅读
• u：Unicode

>>> re.findall(r'[a-z]+','%123Abc%45xyz&')
['bc', 'xyz']
>>> re.findall(r'[a-z]+','%123Abc%45xyz&', re.I)
['Abc', 'xyz']

>>> re.findall(r'(?i)[a-z]+', '%123Abc%45xyz&')
['Abc', 'xyz']
>>> 
>>> parttern = r'(\d+)([a-z]+)'

>>> re.findall(parttern, '123Abc%45xyz&', re.I|re.S|re.X)
[('123', 'Abc'), ('45', 'xyz')]
>>> 

 

组操作

命名组：(?P<name>...)

for m in re.finditer(r'(?P<number>\d+)(?P<letter>)[a-z]+', '%123Abc%45xyz&', re.I):
    print(m.groupdict())

# {'number': '123', 'letter': ''}
# {'number': '45', 'letter': ''}

无捕获组：(?....), 作为匹配条件，但不返回

for m in re.finditer(r'(?:\d+)([a-z]+)', '%123Abc%45xyz&', re.I):
    print(m.groups())
    
# ('Abc',)
# ('xyz',)

修改

split: 用parttern 做分割符切割字符串， 如果用 "(parttern)", 那么分隔符也会返回

>>> re.split(r'\W', 'abc,123,x')
['abc', '123', 'x']
>>> re.split(r'(\W)', 'abc,123,x')
['abc', ',', '123', ',', 'x']

sub: 替换子串。可指定替换次数。

>>> re.sub(r'[a-z]+', '*', 'abc,123,x',1)
'*,123,x'

subn: 返回(新字符串， 替换次数)

>>> re.subn(r'[a-z]+', '*', 'abc,123,x',1)
('*,123,x', 1)

将替换字符串改成函数

 

>>> def repl(m):
...     print(m.group())
...     return '*'
... 
>>> re.sub(r'[a-z]', repl, 'abc,123,x')
a
b
c
x
'***,123,*'

 

转载于:https://my.oschina.net/acutesun/blog/979225