函数名称 | 语法 | 功能 |
re.match() | re.match(pattern, string, flags=0) | 尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match() 就返回 none。 |
re.match('www', 'www.runoob.com').span() | span()的作用:返回匹配值的下标 | |
print("matchObj.group() : ", matchObj.group()) | group()返回match匹配到的字符串,从1开始 | |
re.search | re.search(pattern, string, flags=0) | 扫描整个字符串并返回第一个成功的匹配。 |
re.sub | re.sub(pattern, repl, string, count=0, flags=0) pattern : 正则中的模式字符串。 repl : 替换的字符串,也可为一个函数。 string : 要被查找替换的原始字符串。 count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。 | 检索和替换 |
re.compile | re.compile(pattern[, flags]) - - -pattern : 一个字符串形式的正则表达式 flags : 可选,表示匹配模式,比如忽略大小写,多行模式等,具体参数为: re.I 忽略大小写 re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境 re.M 多行模式 re.S 即为 . 并且包括换行符在内的任意字符(. 不包括换行符) re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库 re.X 为了增加可读性,忽略空格和 # 后面的注释 | 用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。 |
正则表达式 | 功能 |
r’#.*$' | 它表示匹配以#开头的任意字符,直到行末。其中,r表示使用raw string,这样可以避免转义字符的影响。#表示匹配#字符,.*表示匹配任意字符(除了换行符),$表示匹配行末 |
r’\D’ | 表示除了数字之外的任意字符。其中,r代表原始字符串,\D是正则表达式中的元字符,表示匹配任意非数字字符。因此,使用r’\D’可以方便地匹配任意非数字字符,例如字母、空格、标点符号等等。 |
r’\d+’ | 它表示匹配一个或多个连续的数字。其中 r 表示原始字符串,\d 表示任意数字字符,+ 表示匹配一个或多个前面的字符。如果应用到文本中,它将匹配到所有连续的数字。比如,字符串 ‘abc123def456’ 中就可以匹配到 ‘123’ 和 ‘456’。这种正则表达式在数据清洗和文本处理中非常常见。 |
‘(?P<value>\d+)’ | 具有命名组的正则表达式,其中,‘(?P<value>\d+)’ 是一个具有命名组的正则表达式,它可以匹配一个或多个数字,并将其命名为 ‘value’。 |
<_sre.SRE_Match object at 0x10a42aac0> | 是Python中使用re(正则表达式)模块时可能会看到的一个对象表示。这表示一个正则表达式的匹配对象(match object),它是由re模块的某个函数(如search(), match(), findall()等)在字符串中成功找到匹配项时返回的。 这个对象包含了很多有用的信息,比如匹配的位置、匹配的文本等。但是,直接打印这个对象时,你通常会看到像<_sre.SRE_Match object at 0x10a42aac0>这样的输出,它表示这是一个SRE_Match对象,并且给出了它在内存中的地址(在这个例子中是0x10a42aac0) |
group([group1, …]) 方法 | 用于获得一个或多个分组匹配的字符串,当要获得整个匹配的子串时,可直接使用 group() 或 group(0); |
start([group]) 方法 | 用于获取分组匹配的子串在整个字符串中的起始位置(子串第一个字符的索引),参数默认值为 0; |
end([group]) 方法 | 用于获取分组匹配的子串在整个字符串中的结束位置(子串最后一个字符的索引+1),参数默认值为 0; |
span([group]) 方法 | 返回 (start(group), end(group))。 |
r'([a-z]+) ([a-z]+)' | 用于匹配特定文本模式的字符串。 r:原始字符串前缀,表示字符串中的反斜杠 \ 不应该被转义。 ([a-z]+):这是一个捕获组(capturing group),它会匹配一个或多个(由 + 表示)小写字母(由 [a-z] 表示)。捕获组允许你之后通过索引或名称来引用匹配的文本。 空格:匹配一个空格字符。 ([a-z]+):又是一个捕获组,同样匹配一个或多个小写字母。 整个正则表达式会匹配两个由空格分隔的小写字母序列,并将它们分别捕获到两个组中。 |
r'(\w+)=(\d+)' | (\w+):这是一个捕获组,\w 匹配任何单词字符,等价于 [a-zA-Z0-9_]。+ 表示匹配一个或多个这样的字符。所以,这个捕获组会匹配一个或多个单词字符,并将它们作为一个整体捕获。 |
=:匹配等号字符 =。 | |
(\d+):这是另一个捕获组,\d 匹配任何数字,等价于 [0-9]。+ 同样表示匹配一个或多个这样的字符。因此,这个捕获组会匹配一个或多个数字,并将它们作为一个整体捕获。 | |
整个正则表达式会匹配形如“键=值”的字符串,其中键是由一个或多个单词字符组成的,值是由一个或多个数字组成的,并且它们之间由一个等号 = 分隔。 | |
r'(.*) are (.*?) .*' | 首先,这是一个字符串,前面的一个 r 表示字符串为非转义的原始字符串,让编译器忽略反斜杠,也就是忽略转义字符。但是这个字符串里没有反斜杠,所以这个 r 可有可无。 |
(.*) 第一个匹配分组,.* 代表匹配除换行符之外的所有字符。 | |
(.*?) 第二个匹配分组,.*? 后面多个问号,代表非贪婪模式,也就是说只匹配符合条件的最少字符 | |
后面的一个 .* 没有括号包围,所以不是分组,匹配效果和第一个一样,但是不计入匹配结果中。 |
常见的正则表达式 |
\d:数字 |
\W:非英文数字下划线的任意字符 |
\s:任意空白字符 |
\B:非单词开始或结尾的位置 |
.表示非换行符的任意字符 |
*表示匹配前面子表达式0次或多次 |
+表示匹配前面子表达式1次或多次 |
?表示匹配前面子表达式0次或1次 |
(?=a)表示匹配a前面的字符 |
(?<!a)表示匹配前面不是a的字符 |
(?<=a)表示匹配a后面的字符 |
(?!a)表示匹配后面不是a的字符 |
贪婪匹配:表示尽可能多的匹配,常见写法是.* |
懒惰匹配:也叫非贪婪匹配,表示尽可能少的匹配,常见写法是.*? |
返回对象该怎么输出 | |
.groupdict() | 打印research()捕获到的列表 |
for match in matches: print("Key:", match[0], "Value:", match[1]) | for循环输出 |