compile(pattern):创建模式对象
1import re
2pat=re.compile( A )
3m=pat.search( CBA ) #等价于 re.search( A , CBA )
4print m
5<_sre.SRE_Match object at 0x9d690c8> #匹配到了,返回MatchObject(True)
6m=pat.search( CBD )
7print m
8None #没有匹配到,返回None(False)
search(pattern,string):在字符串中寻找模式
1m = re.search( asd , ASDasd )
2
3print m
4
5<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了,返回MatchObject(True)
6
7m = re.search( asd , ASDASD )
8
9print m
10
11None #没有匹配到,返回None(False)
match(pattern,string):在字符串开始处匹配模式
m = re.search( asd , ASDasd )
print m
<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了,返回MatchObject(True)
m = re.search( asd , ASDASD )
print m
None #没有匹配到,返回None(False)
# 等价于
pat=re.compile( a )
print pat.match( Aasd )
None
printpat.match( aASD )
<_sre.SRE_Match object at 0xb72cd6e8>
# 上面的函数返回都可以在if条件语句中进行判断:
if pat.search( asd ):
print OK
OK #找到返回
if re.search( a , ASD ):
print "OK"
#没有找到
split(pattern,string):根据模式分割字符串,返回列表
re.split( , , a,s,d,asd )
[ a , s , d , asd ] #返回列表
pat = re.compile( , )
pat.split( a,s,d,asd )
[ a , s , d , asd ] #返回列表
re.split( [, ]+ , a , s ,d ,,,,,asd ) #正则匹配:[, ]+,后面说明
[ a , s , d , asd ]
re.split( [, ]+ , a , s ,d ,,,,,asd ,maxsplit=2) # maxsplit 最多分割次数
[ a , s , d ,,,,,asd ]
pat = re.compile( [, ]+ ) #正则匹配:[, ]+,后面说明
pat.split( a , s ,d ,,,,,asd ,maxsplit=2) # maxsplit 最多分割次数
[ a , s , d ,,,,,asd ]
findall(pattern,string):列表形式返回匹配项
re.findall( a , ASDaDFGAa )
[ a , a ] #列表形式返回匹配到的字符串
pat = re.compile( a )
pat.findall( ASDaDFGAa )
[ a , a ] #列表形式返回匹配到的字符串
pat = re.compile( [A-Z]+ ) #正则匹配:[A-Z]+ 后面有说明
pat.findall( ASDcDFGAa )
[ ASD , DFGA ] #找到匹配到的字符串
pat = re.compile( [A-Z] )
pat.findall( ASDcDFGAa ) #正则匹配:[A-Z]+ 后面有说明
[ A , S , D , D , F , G , A ] #找到匹配到的字符串
pat = re.compile( [A-Za-z] ) #正则匹配:[A-Za-z]+ 匹配所有单词,后面有说明
pat.findall( ASDcDFGAa )
[ A , S , D , c , D , F , G , A , a ]
sub(pat,repl,string) :用repl替换 pat匹配项
(留的是中间的,因为中间在中心)
re.sub( a , A , abcasd ) #找到a用A替换,后面见和group的配合使用
AbcAsd
pat = re.compile( a )
pat.sub( A , abcasd )
AbcAsd
pat=re.compile(r www.(.*)..{3} ) #正则表达式
#在Python的string前面加上‘r’, 是为了告诉编译器这个string是个raw string,不要转译反斜杠 。
#例如, 在raw string中,是两个字符,和n, 而不会转译为换行符。
#由于正则表达式和 会有冲突,因此,当一个字符串使用了正则表达式后,最好在前面加上 r 。
#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,这个例子中的正则表达式可以使用r"\"表示。
#同样,匹配一个数字的"\d"可以写成r"d"。
#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。
#不是说 加了r 就没有转译功能,好乱,就直接记住1句话:
#当一个字符串使用了正则表达式后,最好在前面加上 r ,这样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
pat.match( www.dxy.com ).group(1)
dxy
re.sub(r www.(.*)..{3} ,r , hello,www.dxy.com )
pat.sub(r , hello,www.dxy.com )
hello,dxy
# r 1 是第一组的意思
#通过正则匹配找到符合规则的"www.dxy.com" ,取得 组1字符串 去替换 整个匹配。
pat=re.compile(r (w+) (w+) ) #正则表达式
s= hello world ! hello hz !
pat.findall( hello world ! hello hz ! )
[( hello , world ), ( hello , hz )]
pat.sub(r ,s) #通过正则得到组1(hello),组2(world),再通过sub去替换。即组1替换组2,组2替换组1,调换位置。
world hello!hz hello!
escape(string) :对字符串里面的特殊字符串进行转义
re.escape( www.dxy.cn )
www\.dxy\.cn #转义
上面的函数中,只有match、search有group方法,其他的函数没有。
函数的方法
group:获取子模式(组)的匹配项
pat = re.compile(r www.(.*).(.*) ) #用()表示1个组,2个组
m = pat.match( www.dxy.com )
m.group() #默认为0,表示匹配整个字符串
www.dxy.com
m.group(1) #返回给定组1匹配的子字符串
dxy
m.group(2)
com
start:给定组匹配项的开始位置
m.start(2) #组2开始的索引
8
end:给定组匹配项的结束位置
m.end(2) #组2结束的索引
11
span:给定组匹配项的开始结束位置
m.span(2) #组2开始、结束的索引
(8, 11)
正则表达式
元字符
“.” :通配符,除换行符外的任意的1个字符
pat=re.compile( . )
pat.match( abc )
<_sre.SRE_Match object at 0xb72b6170>
pat.match( abc ).group()
a #匹配到了首个字符
pat.search( abc ).group()
a
pat.match( ).group() #换行符匹配出错
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: NoneType object has no attribute group
“” : 转义符
pat=re.compile( . )
pat.search( abc.efg ).group() #匹配到.
.
pat.findall( abc.efg ) #不用group,返回列表
[ . ]
“[…]” : 字符集合,匹配里面的任意一个元素
>>> pat=re.compile( [abc] )
>>> pat.match( axbycz ).group()
a
>>> pat.search( axbycz ).group()
a
>>> pat.findall( axbycz )
[ a , b , c ]
“d” : 数字
>>> pat=re.compile( d )
>>> pat.search( ax1by2cz3 ).group() #匹配到第一个数字:1,返回
1
>>> pat.match( ax1by2cz3 ).group() #匹配不到(首个不是)返回None,报错,match匹配字符串头
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: NoneType object has no attribute group
>>> pat.findall( ax1by2cz3 ) #匹配所有的数字,列表返回
[ 1 , 2 , 3 ]
“D” : 非数字
>>> pat=re.compile( D )
>>> pat.match( ax1by2cz3 ).group()
a
>>> pat.search( ax1by2cz3 ).group()
a
>>> pat.findall( ax1by2cz3 )
[ a , x , b , y , c , z ]
“s” :空白字符 、 、 、 、空格
>>> pat=re.compile( s )
>>> pat.findall( ax1 by2 cz3 )
[ , , , , ]
>>> pat.search( ax1 by2 cz3 ).group()
>>> pat.match( ax1 by2 cz3 ).group()
“S” :非空白字符
>>> pat=re.compile( S )
>>> pat.search( ax1 by2 cz3 ).group()
a
>>> pat.findall( ax1 by2 cz3 )
[ a , x , 1 , b , y , 2 , c , z , 3 ]
“w” :单个的 数字和字母,[A-Za-z0-9]
>>> pat=re.compile( w )
>>> pat.search( 1a2b3c ).group()
1
>>> pat.findall( 1a2b3c )
[ 1 , a , 2 , b , 3 , c ]
>>> pat.match( 1a2b3c ).group()
1
“W”:非单词字符,除数字和字母外
>>> pat=re.compile( W )
>>> pat.findall( 1a2我b3c ) #python是用三字节表示一个汉字
[ æ , , ]
>>> pat.search( 1a2我b3c ).group()
æ
数量词
“*” :0次或多次
( 乘0会变成0)
>>> pat = re.compile( [abc]* )
>>> pat.match( abcabcdefabc ).group()
abcabc #2次
>>> pat.search( abcabcdefabc ).group()
abcabc #2次
>>> pat.findall( abcabcdefabc )
[ abcabc , , , , abc , ] #2次和1次,因为有0次,所以匹配了
“+” :1次或多次
( 加0不会变成0)
>>> pat = re.compile( [abc]+ )
>>> pat.match( abcdefabcabc ).group()
abc
>>> pat.search( abcdefabcabc ).group()
abc
>>> pat.findall( abcdefabcabc )
[ abc , abcabc ]
“?” :0次或1次,match,search 不会出现none,会出现’ ‘ (因为0次也是符合的)
0次或1次不是指[xxx]这个集合,而是其中的任何的一个字符
>>> pat = re.compile( [abc]? )
>>> pat.match( defabc ).group() #0次
>>> pat.match( abcdefabc ).group()
a
>>> pat.search( defabc ).group() #0次
>>> pat.findall( defabc ) #0次和1次
[ , , , a , b , c , ] #后面总再加个
“数量词?” :非贪婪模式:只匹配最少的(尽可能少);默认贪婪模式:匹配最多的(尽可能多)
>>> pat = re.compile( [abc]+ ) #贪婪模式
>>> pat.match( abcdefabcabc ).group() #匹配尽可能多的:abc
abc
>>> pat.match( bbabcdefabcabc ).group()
bbabc
>>> pat.search( dbbabcdefabcabc ).group()
bbabc
>>> pat.findall( abcdefabcabc )
[ abc , abcabc ]
>>> pat = re.compile( [abc]+? ) #非贪婪模式:+?
>>> pat.match( abcdefabcabc ).group() #匹配尽可能少的:a、b、c
a
>>> pat.search( dbbabcdefabcabc ).group()
b
>>> pat.findall( abcdefabcabc )
[ a , b , c , a , b , c , a , b , c ]
“{m}” :匹配字符串出现m次
>>> pat = re.compile( [op]{2} ) #o或p出现2次
>>> pat.search( abcooapp ).group() #匹配第一次出现的字符串,o比p先出现
oo
>>> pat.findall( abcooapp ) #匹配出现的所有字符串,列表形式返回
[ oo , pp ]
“{m,n}” :匹配字符串出现m到n次
>>> pat = re.compile( [op]{2,4} ) #o或则p出现2到4次
>>> pat.match( pppabcooapp ).group() #匹配开头
ppp
>>> pat.search( pppabcooapp ).group() #匹配第一次出现
ppp
>>> pat.findall( pppabcooapp ) #匹配所有
[ ppp , oo , pp ]
.group() #匹配第一次出现
边界
“^” :匹配字符串开头或行头
>>> pat = re.compile( ^[abc] ) #开头是a、b、c中的任意一个
>>> pat.search( defabc ).group()
>>> pat.match( defabc ).group() #均找不到
>>> pat.findall( defabc )
[]
>>> pat.search( adefabc ).group()
a
>>> pat.match( adefabc ).group() #开头是a、b、c中的任意一个
a
>>> pat.findall( adefabc )
[ a ]
>>> pat = re.compile( ^[abc]+ ) #开头是a、b、c中的任意一个的一次或则多次,贪婪:匹配多个
>>> pat.findall( cbadefab )
[ cba ]
>>> pat = re.compile(r ^[abc]+? ) #开头是a、b、c中的任意一个的一次或则多次,非贪婪:匹配一个
>>> pat.findall( cbadefab )
[ c ]
“$” :匹配字符串结尾或则行尾
>>> pat = re.compile( [abc]$ )
>>> pat.match( adefAbc ).group() #match匹配的是字符串开头,所以查找$的时,总是返回None
>>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个
c
>>> pat.findall( adefAbc )
[ c ]
>>> pat = re.compile( [abc]+$ )
>>> pat.search( adefAbc ).group() #结尾是a、b、c中的任意一个的一次或则多次,贪婪:匹配多个
bc
>>> pat.findall( adefAbc )
[ bc ]
“A”:匹配字符串开头
>>> pat = re.compile( A[abc]+ )
>>> pat.findall( cbadefab )
[ cba ]
>>> pat.search( cbadefab ).group()
cba
“Z”:匹配字符串结尾
>>> pat = re.compile( [abc]+Z )
>>> pat.search( cbadefab ).group()
ab
>>> pat.findall( cbadefab )
[ ab ]
分组
(…):分组匹配,从左到右,每遇到一个 ( 编号+1,分组后面可加数量词
>>> pat=re.compile(r (a)w(c) ) #w:单个的数字或字母 [A-Za-z0-9]
>>> pat.match( abcdef ).group()
abc
>>> pat=re.compile( (a)b(c) ) #分2组,匿名分组
>>> pat.match( abcdef ).group() #默认返回匹配的字符串
abc
>>> pat.match( abcdef ).group(1) #取分组1,适用于search
a
>>> pat.match( abcdef ).group(2) #取分组2,适用于search
c
>>> pat.match( abcdef ).groups() #取所有分组,元组形式返回
( a , c )
<number>:引用编号为<number>的分组匹配到的字符串
>>> pat=re.compile(r www.(.*)..{3} )
>>> pat.match( www.dxy.com ).group(1)
dxy
“(?P<name>…)” :在模式里面用()来表示分组(命名分组),适用于提取目标字符串中的某一些部位。
>>> pat=re.compile(r (?P<K>a)w(c) ) #分2组:命名分组+匿名分组
>>> pat.search( abcdef ).groups() #取所有分组,元组形式返回
( a , c )
>>> pat.search( abcdef ).group(1) #取分组1,适用于match
a
>>> pat.search( abcdef ).group(2) #取分组2,适用于match
c
>>> pat.search( abcdef ).group() #默认返回匹配的字符串
abc
>>> pat.search( abcdef ).groupdict() #命名分组可以返回一个字典【专有】,匿名分组也没有
{ K : a }
“(?P=name)”:引用别名为<name>的分组匹配到的串
>>> pat=re.compile(r (?P<K>a)w(c)(?P=K) ) #(?P=K)引用分组1的值,就是a
>>> pat.search( abcdef ).group() #匹配不到,因为完整 awca ,模式的第4位是a
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: NoneType object has no attribute group
>>> pat.search( abcadef ).group() #匹配到,模式的第4位和组1一样,值是c
abca
>>> pat.search( abcadef ).groups()
( a , c )
>>> pat.search( abcadef ).group(1)
a
>>> pat.search( abcadef ).group(2)
c
“<number>” :引用分组编号匹配:
>>> pat=re.compile(r (?P<K>a)w(c)(?P=K) ) #引用分组2的值,就是c
>>> pat.findall( Aabcadef ) #匹配不到,因为完整 awcac ,模式的第5位是c
[]
>>> pat.findall( Aabcacdef ) #匹配到,模式的第5位和组2一样,值是c
[( a , c )]
>>> pat.search( Aabcacdef ).groups()
( a , c )
>>> pat.search( Aabcacdef ).group()
abcac
>>> pat.search( Aabcacdef ).group(1)
a
>>> pat.search( Aabcacdef ).group(2)
c
特殊构造
-
(?:…) (…)不分组版本,用于使用 | 或者后接数量词
-
(?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
-
(?#…) #号后的内容将作为注释
-
(?=…) 之后的字符串内容需要匹配表达式才能成功匹配
-
(?!…) 之后的字符串不匹配表达式才能成功
-
(?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略
“(?:…)” :()里面有?:表示该()不是分组
>>> pat=re.compile(r a(?:bc) )
>>> pat.findall( abc )
[ abc ]
>>> pat.match( abc ).groups() #显示不出分组
“(?=…)”:匹配…表达式,返回。对后进行匹配,总是对后面进行匹配
>>> pat=re.compile(r w(?=d) ) #匹配表达式d,返回数字的前一位,w:单词字符[A-Za-z0-9]
>>> pat.findall( abc1 def1 xyz1 )
[ c , f , z ]
>>> pat.findall( zhoujy20130628hangzhou ) #匹配数字的前一位,列表返回
[ y , 2 , 0 , 1 , 3 , 0 , 6 , 2 ]
>>> pat=re.compile(r w+(?=d) )
>>> pat.findall( abc1,def1,xyz1 ) #匹配最末数字的前字符串,列表返回
[ abc , def , xyz ]
>>> pat.findall( abc21,def31,xyz41 )
[ abc2 , def3 , xyz4 ]
>>> pat.findall( zhoujy20130628hangzhou )
[ zhoujy2013062 ]
>>> pat=re.compile(r [A-Za-z]+(?=d) ) #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall( zhoujy20130628hangzhou123 ) #匹配后面带有数字的字符串,列表返回
[ zhoujy , hangzhou ]
>>> pat.findall( abc21,def31,xyz41 )
[ abc , def , xyz ]
“(?!…)” 不匹配…表达式,返回。对后进行匹配
>>> pat=re.compile(r [A-Za-z]+(?!d) ) #[A-Za-z],匹配字母,可以用其他的正则方法
>>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 ) #匹配后面不是数字的字符串,列表返回
[ zhouj , hangzho , binjian ]
>>> pat.findall( abc21,def31,xyz41 )
[ ab , de , xy ]
“(?<=…)”:匹配…表达式,返回。对前进行匹配,总是对前面进行匹配
>>> pat=re.compile(r (?<=d)[A-Za-z]+ ) #匹配前面是数字的字母
>>> pat.findall( abc21,def31,xyz41 )
[]
>>> pat.findall( 1abc21,2def31,3xyz41 )
[ abc , def , xyz ]
>>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 )
[ hangzhou ]
“(?<!…)”:不匹配…表达式,返回。对前进行匹配,总是对前面进行匹配
>>> pat=re.compile(r (?<!d)[A-Za-z]+ ) #匹配前面不是数字的字母
>>> pat.findall( abc21,def31,xyz41 )
[ abc , def , xyz ]
>>> pat.findall( zhoujy20130628hangzhou123,12,binjiang310 )
[ zhoujy , angzhou , binjiang ]
“(?(id/name) yes |no)”: 组是否匹配,匹配返回
>>> pat=re.compile(r a(d)?bc(?(1)d) ) #no省略了,完整的是adbcd ==> a2bc3,总共5位,第2位是可有可无的数字,第5为是数字
>>> pat.findall( abc9 ) #返回组1,但第2位(组1)没有,即返回了
[ ]
>>> pat.findall( a8bc9 ) #完整的模式,返回组1
[ 8 ]
>>> pat.match( a8bc9 ).group()
a8bc9
>>> pat.match( a8bc9 ).group(1)
8
>>> pat.findall( a8bc ) #第5位不存在,则没有匹配到
[]
“(?iLmsux)”:这里就介绍下i参数:大小写区分匹配
>>> pat=re.compile(r abc )
>>> pat.findall( abc )
[ abc ]
>>> pat.findall( ABC )
[]
>>> pat=re.compile(r (?i)abc ) #(?i) 不区分大小写
>>> pat.findall( ABC )
[ ABC ]
>>> pat.findall( abc )
[ abc ]
>>> pat.findall( aBc )
[ aBc ]
>>> pat.findall( aBC )
[ aBC ]
>>> pat=re.compile(r abc ,re.I) #re.I 作为参数使用,推荐
>>> pat.findall( aBC )
[ aBC ]
>>> pat.findall( abc )
[ abc ]
>>> pat.findall( ABC )
[ ABC