Python正则表达式基础知识总结

一、正则表达式概念

Ÿ   使用单个字符串来描述匹配一系列符合某个句法规则的字符串

Ÿ   是对字符串操作的一种逻辑公式

Ÿ   应用场景：处理文本和数据

Ÿ   正则表达式过程：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；否则匹配失败

 

为什么使用正则？

把匹配做成一个规则

 

‘a’<=b<=’z’

二、Python正则表达式re模块

#EXAMPLE

# -*- coding: utf-8 -*-
import re
#字符串匹配
str='hello demo'
print  str.find('demo')   #返回起始索引
print '-------'
#第一个正则表达式demo
pa=re.compile(r'hello')#返回pattern实例  ，最好使用源字符串
print type(pa)
ma=pa.match(str)   #该方法返回一个match对象或者none
print ma.group()    #返回str or tuple，内容上，返回的是源字符串中的匹配出来的字符串
print ma.span()  #返回匹配字符串在源字符串中的位置（起始，不包含末尾）
print ma.string  #返回源字符串
print ma.re      #返回pattern实例
print '-------'
#忽略大小写的正则表达式
pa=re.compile(r'imooc',re.IGNORECASE)#返回pattern实例
ma=pa.match('ImOOc python')   #该法返回一个match对象或者none
print ma.group()

pa=re.compile(r'(imooc)',re.IGNORECASE)#返回pattern实例
ma=pa.match('ImOOc python')   #该法返回一个match对象或者none
#以上两句等价于
#ma=re.match(r'(imooc)','ImOOc python')    #格式：re.match（pattern,string ） 但是Pattern只能用一次

print ma.groups() #返回元组
print ma.group()  #返回字符串

 

三、正则表达式语法

对于单个字符的匹配

字符	匹配
.	匹配任意字符（除了\n）
[…]	匹配字符集
\d/\D	匹配数字/非数字
\s/\S	匹配空白/非空白字符
\w/\W	匹配单词字符[a-zA-Z0-9]/非单词字符

字符集例子: [abc],[a-z](a到z的所有字符),[a-zA-Z0-9],

如果想匹配有中括号的字符串，需要对中括号进行转译（转外层的中括号）

 

对于多个个字符的匹配

字符	匹配
*	匹配前一个字符0次或者无限次
+	匹配前一个字符1次或者无限次
？	匹配前一个字符0次或者1次
{m}/{m,n}	匹配前一个字符m次或者n次
*?/+?/??	匹配模式变为非贪婪（尽可能少匹配字符）

e.g．

匹配以大写字母开头的：

ma=re.match(r'[A-Z][a-z]*','Aaaa')
print ma.group()

ma=re.match(r'[A-Z][a-z]*','Aaa1')
print ma.group()   #只匹配到Aaa

匹配以Python变量命名规则为标准的字符串：

ma=re.match(r'[_A-Za-z]+[_\w]*','_10')

匹配0-99的数字字符串：

ma=re.match(r'[1-9]?[0-9]','99')
print ma.group()

匹配6-10位数字的QQ邮箱

ma=re.match(r'[\w]{6,10}@qq.com','ass123@qq.com ')
print ma.group()

非贪婪模式：

# -*-coding:utf-8-*-
import re

ma=re.match(r'[0-9][a-z]*?','1bc')
print ma.group()
#最少匹配0次 1
ma=re.match(r'[0-9][a-z]+?','1bc')
print ma.group()
#最少匹配1次 1b
ma=re.match(r'[0-9][a-z]??','1bc')
print ma.group()
#最少匹配0次 1

 

边界匹配（指定开头和结尾）

字符	匹配
^	匹配字符串开头
$	匹配字符串结尾
\A/\Z	指定的字符串必须出现在开头/结尾

匹配以163.com结尾的字符串：

ma=re.match(r'[\w]+@163.com$','123asd@163.com')
print ma.group()

或者：

ma=re.match(r'[\w]*@163.com\Z','123asd@163.com')
print ma.group()

 

字符	匹配
|	匹配左右任意一个表达式
(ab)	括号中表达式作为一个分组
\<number>	引用编号为num的分组匹配到的字符串
(?P<name>)	分组起一个别名
(?P=name)	引用别名为name的分组匹配字符串

e.g:

匹配左右任意字符串：

ma=re.match(r'abd|c','c')
print ma.group()

 

匹配126或者163邮箱

ma=re.match(r'[\w]{4,6}@(163|126).com','hello@126.com')
print ma.group()
#等价于：
ma=re.match(r'[\w]{4,6}@163.com|[\w]{4,6}@126.com','hello@126.com')
print ma.group()

 

 

验证XML的有效性

ma=re.match(r'<([\w]+>)\1','<book>book>')
print ma.group()
#<book>book>
ma=re.match(r'<([\w]+>)[\w]*</\1','<book>python</book>')
print ma.group()
#<book>python</book>

 

使用别名引用分组：

ma=re.match(r'<(?P<mark>[\w]+>)[\w]*</(?P=mark)','<book>python</book>')
print ma.group()
#<book>python</book>

注：以别名引用分组，方便使用，引用方式：(?P=mark)

 

四、Python正则表达式——re模块其他方法

1.      search(pattern,string,flags=0)

在一个字符串中查找匹配

e.g.

str='booknum=999'
info=re.search(r'\d+',str)
print info.group()

2.      findall(pattern,string,flags=0)

找到匹配，返回所有匹配部分的列表

e.g.

str='book=10,vedio=99，songs=20'
info=re.findall(r'\d+',str)
print info
#['10', '99', '20']
sum([int(x) for x in info])   #列表解析，求列表元素之和

3.      sub(pattern,repl,string,count=0,flags=0)

将字符串中匹配正则表达式的部分替换为其他值

(repl可以是字符串也可以是函数，string与pattern匹配产生match对象传给函数，接着替换返回函数的返回值那部分，其余不变)

e.g.

第一种，repl是字符串

 str='literal books=1000'
info=re.sub(r'\d+','1001',str)
print info
#literal books=1001

 

第二种，repl是函数

str1='literalbooks=1000'
def add1(match):
    val=match.group()
    num=int(val)+1
    return str(num)
info=re.sub(r'\d+',add1,str1)
print info
#literal books=1001

 

 

4.      split(pattern,string,maxsplit=0,flags=0)

根据匹配分割字符串，返回分割字符串组成的列表(比较灵活)

e.g.

str1='lang:pythonc c++ java,c#'
result=re.split(r':| |,',str1)
print result
#['lang', 'python', 'c', 'c++', 'java','c#']