正则表达式能检查一个字符串与特定模式是否匹配。python3中re模块具有正则表达式的全部功能。
re模块函数
re.match(pattern,string,flags=0) 从字符串起始位置匹配模式
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.finditer(pattern,string,flags=0) 匹配所有子串,并返回迭代器对象(for match in matchs)
成功返回匹配对象,可以使用group(num=0) groups()获取匹配表达式
re.sub(pattern, real, string, count=0) count是模式匹配最大次数,0表示替换所有
re.split(pattern,string[,maxsplit=0,flags=0]) 将字符串分割后返回列表
pattern=re.compile(patern[, flags])
pattern.match(string,[StartIndex=0,[EndIndex=len(string)]])
pattern.findall(string,[pos=0[,endpos=len(string)]]) 返回列表
- flags为匹配模式可选项:
- 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
注意:match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。findall是匹配所有。
例子:
import re
line = "//*o.cn/u/1234577524"
match1 = re.search(r'/u/([a-zA-Z0-9]*$)', line, re.I)
print (match1.group(1))
match2 = re.search(r'/u/(\w*$)', line, re.I)
print (match2.group(1))
match3_error = re.search("(\w*)", line)
print (match3_error.group())
line1 = "javascript:void(0);"
empty_match = re.search(r'/u/(\w*$)', line1, re.I)
print (empty_match)
line2 = "Cats are smarter than dogs";
searchObj = re.search( r'(\w*) are (\w*?) .*', line2, re.M|re.I)
print (searchObj.group())
print (searchObj.group(1))
print (searchObj.group(2))
try:
print (searchObj.group(3))
except IndexError as ie:
print ("IndexError:", ie)
# output >>
# 1234577524
# 1234577524
# Cats are smarter than dogs
# Cats
# smarter
# IndexError: no such group
正则表达式模式
模式 + 描述 |
---|
^ 匹配字符串的开头 |
$ 匹配字符串的末尾。 |
. 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符。 |
[…] 用来表示一组字符,单独列出:[amk] 匹配 ‘a’,’m’或’k’ |
[^…] 不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。 |
re* 匹配0个或多个的表达式。 |
re+ 匹配1个或多个的表达式。 |
re? 匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式 |
re{ n} 匹配n个前面表达式。例如,”o{2}”不能匹配”Bob”中的”o”,但是能匹配”food”中的两个o。 |
re{ n,} 精确匹配n个前面表达式。例如,”o{2,}”不能匹配”Bob”中的”o”,但能匹配”foooood”中的所有o。”o{1,}”等价于”o+”。”o{0,}”则等价于”o*”。 |
re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段,贪婪方式 |
a |
(re) G匹配括号内的表达式,也表示一个组 |
(?imx) 正则表达式包含三种可选标志:i, m, 或 x 。只影响括号中的区域。 |
(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 |
(?: re) 类似 (…), 但是不表示一个组 |
(?imx: re) 在括号中使用i, m, 或 x 可选标志 |
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志 |
(?#…) 注释. |
(?= re) 前向肯定界定符。如果所含正则表达式,以 … 表示,在当前位置成功匹配时成功,否则失败。但一旦所含表达式已经尝试,匹配引擎根本没有提高;模式的剩余部分还要尝试界定符的右边。 |
(?! re) 前向否定界定符。与肯定界定符相反;当所含表达式不能在字符串当前位置匹配时成功。 |
(?> re) 匹配的独立模式,省去回溯。 |
\w 匹配数字字母下划线 |
\W 匹配非数字字母下划线 |
\s 匹配任意空白字符,等价于 [\t\n\r\f]。 |
\S 匹配任意非空字符 |
\d 匹配任意数字,等价于 [0-9]。 |
\D 匹配任意非数字 |
\A 匹配字符串开始 |
\Z 匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。 |
\z 匹配字符串结束 |
\G 匹配最后匹配完成的位置。 |
\b 匹配一个单词边界,也就是指单词和空格间的位置。例如, ‘er\b’ 可以匹配”never” 中的 ‘er’,但不能匹配 “verb” 中的 ‘er’。 |
\B 匹配非单词边界。’er\B’ 能匹配 “verb” 中的 ‘er’,但不能匹配 “never” 中的 ‘er’。 |
\n, \t, 等。 匹配一个换行符。匹配一个制表符, 等 |
\1…\9 匹配第n个分组的内容。 |
\10 匹配第n个分组的内容,如果它经匹配。否则指的是八进制字符码的表达式。 |
Reference:
http://www.runoob.com/python3/python3-reg-expressions.html