正则表达式
正则表达式是一个特殊的字符序列,利用事先定义好的一些特定字符以及它们的组合组成一个“规则”,检查一个字符串是否与这种规则匹配来实现对字符的过滤或匹配。正则表达式是字符串处理的有力工具,但是并不是Python独有的,其他语言也有。
一、实现正则表达式功能的模块
Python中,re模块提供了正则表达式操作所需要的功能。
re模块中findall()方法以列表的形式返回所有能匹配的子串,如果没有找到匹配的,则返回空列表。
>>> import re
>>> s=r'abc'
>>> re.findall(s,'aabaab') #无匹配
[]
>>> re.findall(s,'aabcaabc') #两处匹配
['abc', 'abc']
>>> print("\nhi\n") #字符转义
hi
>>> print(r"\nhi\n") #字符不转义
\nhi\n
二、正则表达式元字符
1.概念
所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符,可以用来规定位于元字符前面的字符在目标对象中的出现的样子。元字符使正则表达式具有处理能力。2.常用的正则表达式元字符
字符类 | 含义 |
---|---|
. | 表示除换行符以外的任意字符 |
[] | 指定字符集 |
^ | 匹配行首,匹配以^后面的字符开头的字符串 |
$ | 匹配行尾,匹配以$之前的字符结束的字符串 |
* | 匹配位于*之前的字符或子模式的0次或多次出现 |
+ | 匹配位于+之前的字符或子模式的1次或多次出现 |
? | 匹配位于?之前的0个或1个字符 |
{m,n} | 表示至少有m个重复,至多有n个重复。m,n均为十进制数 |
{m,n} | 表示至少有m个重复,至多有n个重复。m,n均为十进制数 |
\ | 反斜杠后面可以加不同的字符以表示不同的特殊意义,这些特殊字符都可以包含在[]中。如:[\s,.]将匹配任何空白字符、",“或”." |
\b | 匹配单词头或单词尾 |
\B | 与\b相反,匹配非单词头或单词尾 |
\d | 匹配任何十进制数,相当于[0-9] |
\D | 与\d相反,匹配任何非数字字符,相当于[^0-9] |
\s | 匹配任何空白字符,相当于[\t\n\r\f\v] |
\S | 与\s相反,匹配任何非空白字符,相当于[^\t\n\r\f\v] |
\w | 匹配任何字母、数字或下画线字符,相当于[a-zA-Z0-9_] |
\W | 与\w相反,匹配任何非字母、数字和下画线字符,相当于[^a-zA-Z0-9_] |
\\、\[ | 可以用于取消所有的元字符 |
3.元字符的代码示例
1、"." : 表示除换行符以外的任意字符
>>> import re
>>> a='hi,i am a student. my name is Liming.'
>>> re.findall(r'i',a) #匹配所有的i值
['i', 'i', 'i', 'i', 'i']
>>> re.findall(r'.',a) #匹配除换行符以外的任意字符
['h', 'i', ',', 'i', ' ', 'a'