Python - 正则表达式
-
简介
正则表达式本身是一种小型的、高度专业化的编程语言,而在python中,通过内嵌集成re模块,可以直接调用来实现正则匹配。
正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行。
-
语法规则
-
普通字符和11个元字符:
普通字符 匹配自身 abc abc . 匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符 a.c abc \ 转义字符,使后一个字符改变原来的意思 a.c;a\c a.c;a\c * 匹配前一个字符0或多次 abc* ab;abccc + 匹配前一个字符1次或无限次 abc+ abc;abccc ? 匹配一个字符0次或1次 abc? ab;abc ^ 匹配字符串开头。在多行模式中匹配每一行的开头 ^abc abc $ 匹配字符串末尾,在多行模式中匹配每一行的末尾 abc$ abc | 或。匹配 左右表达式任意一个,从左到右匹配,如果 没有包括在()中,则它的范围是整个正则表达式 {} {m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次 ab{1,2}c abc abbc [] 字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,如[abc]或[a-c]。[^abc]表示取反,即非abc。所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。 a[bcd]e abe ace ade () 被括起来的表达式将作为分组,从表达式左边开始没遇到一个分组的左括号“(”,编号+1.分组表达式作为一个整体,可以后接数量词。表达式中的 仅在该组中有效。 (abc){2}a(123 这里需要强调一下反斜杠\的作用:
- 反斜杠后边跟元字符去除特殊功能;(即将特殊字符转义成普通字符)
- 反斜杠后边跟普通字符实现特殊功能;(即预定义字符)
- 引用序号对应的字组所匹配的字符串。
a=re.search(r'(tina)(fei)haha\2','tinafeihahafei tinafeihahatina').group() print(a) #tinafeihahafei
-
预定义字符集(可以写在字符集[…]中)
-
\d 数字:[0-9]
-
\D 非数字:[^\d]
-
\s 匹配任何空白字符:[<空格>\t\r\n\f\v]
-
\S 非空白字符:[^\s]
-
\w 匹配包括下划线在内的任何字字符:[A-Za-z0-9_]
-
\W 匹配非字母字符,即匹配特殊字符
-
\A 仅匹配字符串开头,同^ \Aabc
-
\Z 仅匹配字符串结尾,同$
-
\b 匹配\w和\W之间,即匹配单词边界匹配一个单词边界,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’。 \babc\b
a\b!bc 空格abc空格
a!bc -
\B [^\b]
import re w = re.findall(r'\bzhan','zhan liang') print(w) #['zhan'] s = re.findall(r'\btina','tiana tinaaaa') print(s) #['tina'] v = re.findall(r'\btina','tian#tinaaaa') print(v) #['tina'] a = re.findall(r'\btina\b','tian#tina@aaa') print(a) #['tina']
-
-
特殊分组用法:
(?P<name>) 分组,除了原有的编号外再指定一个额外的别名 (?Pabc){2} abcabc (?P=name) 引用别名为<name>的分组匹配到字符串 (?P\d)abc(?P=id) 1abc15abc5 \<number> 引用编号为<number>的分组匹配到字符串 (\d)abc\1 1abc15abc5
-
-
re模块中常用功能函数
-
compile()
编译正则表达式模式,返回一个对象的模式。(可以把那些常用的正则表达式编译成正则表达式对象,这样可以提高一点效率。)
regex01=re.compile(r'^李\w{1,2}$') #regex01=re.compile(r'李\w{1,2}') #如果不加上开始和结束标志,其实就是匹配部分数据,下面的字符串就会匹配'李小飞' str01='李小飞龙' res01=regex01.findall(str01) print(res01) #返回[]
-
match()
决定re是否在字符串刚开始的位置匹配。//注:这个方法并不是完全匹配。
当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符’$’
#匹配模式 #如果单纯是测定字符串是否匹配正则表达式的规则,则不需要用到"()",如果没有匹配结果为none m = re.match(r'^\d{3}-\d{3,8}$', '010-12345') #分组 一定要用到分组符号"()" m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345') print(m.group(0)) #010-12345 print(m.group(1)) #010 print(m.group(2)) #12345 print(m.groups()) #('010', '12345') #提取时间 t = '19:05:30' rt = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t) print(rt.groups())
没有()就是匹配模式,有了()就是分组查找模式
-
search()
re.search(pattern, string, flags=0) re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回None。 print(re.search('\dcom','www.4comrunoob.5com').group()) #4com
-
findall()
re.findall遍历匹配,可以获取字符串中所有匹配的字符串,返回一个列表。
re.findall(pattern, string, flags=0)
p = re.compile(r'\d+') print(p.findall('o1n2m3k4')) #['1', '2', '3', '4'] #复制代码 import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r'\w*oo\w*') print(rr.findall(tt)) #['good', 'cool'] print(re.findall(r'(\w)*oo(\w)',tt))#[('g', 'd'), ('c', 'l')] ()表示子表达式
-
split()
按照能够匹配的子串将string分割后返回列表。
可以使用re.split来分割字符串,如:re.split(r’\s+’, text);将字符串按空格分割成一个单词列表。
re.split(pattern, string[, maxsplit]) #maxsplit用于指定最大分割次数,不指定将全部分割。 print(re.split('\d+','one1two2three3four4five5'))#['one', 'two', 'three', 'four', 'five', '']
-
sub()
使用re替换string中每一个匹配的子串后返回替换后的字符串。
import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print(re.sub(r'\s+', '-', text)) #JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on... #其中第二个函数是替换后的字符串;本例中为'-' #第四个参数指替换个数。默认为0,表示每个匹配项都替换。
-
-
re.match与re.search与re.findall的区别:
re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。
a=re.search('[\d]',"abc33").group() print(a) #3 p=re.match('[\d]',"abc33") print(p) #None b=re.findall('[\d]',"abc33") print(b) #['3', '3']
-
常用正则表达式
特殊格式 正则表达式 手机号 ^1[3,4,5,7,8]\d{9}$ 固定电话号 (0\d{2}-?\d{8}$) Email邮箱 ^([a-zA-Z0-9]+[_ 身份证 ([1-9]\d{7}((0\d) IP地址 ^((([1-9]\d?) 日期格式 1\d{3}([-
1-9 ↩︎