- 1.简介
- 正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
- 正则表达式通常被用来检索、替换那些匹配某个模式的文本。
- 2.正则表达式的作用和特点
- 给定一个正则表达式和另一个字符串,我们可以达到如下的目的:
- 1. 给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”);
- 2. 可以通过正则表达式,从字符串中获取我们想要的特定部分。
- 正则表达式的特点是:
- 1. 灵活性、逻辑性和功能性非常强;
- 2. 可以迅速地用极简单的方式达到字符串的复杂控制。
- 3. 对于刚接触的人来说,比较晦涩难懂。
- 给定一个正则表达式和另一个字符串,我们可以达到如下的目的:
- 3.re 模块 import re
- 1.obj = re.search(正则表达式, 要匹配的字符串) 全局匹配,第一次匹配成功返回对象,匹配不到返回None
- 2.obj = re.match(正则表达式,要匹配的字符串) 将正则与字符串开头匹配,匹配成功返回对象,匹配不到返回None
- 3.obj.group() -->获取匹配到的内容 ,obj.group(n) -->获取匹配成功后第n组分组的内容
- 4.list_ = re.findall(正则表达式,要匹配的字符串) 全局匹配,返回匹配到的内容列表,匹配不到返回空列表
- 注意:如果正则表达式使用分组,那么得到的列表是正则表达式匹配分组对应的内容:比如
- str="a b c d"
- print(re.findall("((\w+)\s+\w+)",str)) -->[(a b,a),(c d,c)]
- print(re.findall("(\w+)\s+\w+",str)) -->[a,c]
- print(re.findall("\w+\s+\w+",str)) -->[a b,c d]
- 5.new_str=re.sub(正则表达式,替换内容(可以是函数),要匹配的字符串,次数) 替换匹配内容,默认全局替换,可以指定替换次数,返回替换后新字符串
- content="<h1>hello</h1>"
- new_str=re.sub(">\w+<",">haha<",content) --><h1>haha</h1>
- def test(temp):
- s=int(temp.group()) -->temp为匹配到的对象,使用group方法获取到的内容,返回修改后的内容
- return str(s+1)
- new_str=re.sub(r"\d+",test,"123 456 789") -->124 457 790
- 6.list_=re.split(正则表达式,字符串,最大切割数) 以正则表达式匹配的内容切割字符串,返回不包含正则匹配内容的列表,默认去全局收割,可以指定最大收割次数
- s="ab1cd2ef3gh"
- list_=re.split("\d+",s) -->["ab","cd","ef"]
- list_=re.split("(\d)",s) -->["ab","1","cd","2","ef","3","gh"]
- list_=re.split("[a-z]+",s) -->['', '1', '2', '3', '']
- list_=re.split("([a-z]+)",s) --> ['', 'ab', '1', 'cd', '2', 'ef', '3', 'gh', '']
- 4.正则表达式
- 1.表示单字符的字符
- [] 匹配列表中任意一个字符 如[a-zA-Z] 表示匹配字母中任意一个字母
- . 匹配任意一个字符除了\n
- \d 匹配任意一个数字 等于[0-9]
- \D 匹配任意一个非数字 等于[^0-9]
- \w 匹配单词字符 等于[a-zA-Z0-9_]
- \W 匹配非单词字符 等于[^a-zA-Z0-9_]
- \s 匹配空白 如\t,\n,\r
- \S 匹配非空白
- 2.匹配多个字符的字符
- * 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,} 匹配前一个字符至少出现m次
- {m,n} 匹配前一个字符出现从m到n次
- 3.原始字符串:所有的字符串都是直接按照字面的意思来使用,没有转义特殊或不能打印的字符。
- 1.Python中字符串前面加上 r 表示原生字符串,让我们忽略要转义的地方。
- 2.'r'是防止字符转义的 如果路径中出现'\t'的话 不加r的话\t就会被转义 而加了'r'之后'\t'就能保留原有的样子 r可以大小写
- 3.格式 r"字符串" 和 r"正则表达式" \\nabc 相当于 r"\nabc"
- 4.表示边界
- ^ 匹配字符串开头 $ 匹配字符串结尾 \b 匹配一个单词的边界 \B 匹配非单词边界
- s="world abld wlda aald"
- list_=re.findall(r"\w+ld\b",s) 为防止\b转义为退格符 使用r 防止字符串转义 结果 ['world', 'abld', 'aald']
- list_=re.findall(r"abld\b\sw+a\b",s) 结果为: ['abld wlda']
- 1.表示单字符的字符
- 5.匹配分组
- 1.| 表示或者 使用竖杠,匹配多个可能的字符串中的其中一种 不能使用在表达但字符的[]
- 2.() 分组 将括号中字符作为一个分组 ,(ab)|(cd)|(ef) 组编号分别为1,2,3
- 嵌套分组 ((\w)\s)(\d) \w\s 为第一组,\w为第二组,\d为第三组
- 3.\number number 是组编号 正则表达式中引用其前面的分组
- content="<h1><span>hello</span></h1>"
- obj=re.search(r"<(\w+)><(\w+)>\w+</\2></\1>",content) --><h1><span>hello</span></h1>
- 4.(?P<name>) 分组起别名 (?P=name) 引用别名为name的分组 成对出现
- content="<h1><span>hello</span></h1>"
- obj=re.search(r"<(?P<haha>\w+)>\w+</(?name=haha)>") --><span>hello</span>
- 6.贪婪和非贪婪匹配
- 1.定义:Python里正则表达式默认是开启贪婪模式的,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。
- 2.使用:在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。
- 正则表达式模式中使用到通配字(如.+),那它在从左到右的顺序求值时,会尽量“抓取”满足匹配最长字符串
- 3.举例
- str=this number is 123-456-789
- obj=re.search(r"(.+)(\d+-\d+-\d+)",str)
- obj.group(1) #this number is 12 因为默认的贪婪匹配,尽可能的取最长的,一直取到12,因为要符合后面紧跟的\d+,+表示最少一个
- obj.group(2) #3-456-789 因为12被前面的.+取到,
- #使用非贪婪
- obj=re.search(r"(.+?)(\d+-\d+-\d+",str)
- obj.group(1) #this number is 非贪婪匹配,尽可能少的匹配,只要后面的能匹配到,那他就会停止匹配,\d+会匹配到123,
- obj.group(2) #123-456-789
python 正则表达式
最新推荐文章于 2024-07-22 21:38:50 发布