一、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。
二、1.Python中,re模块提供了正则表达式操作所需要的功能。所以用正则表达式要导re模块。
2.元字符:大多数字母和字符一般都会和自身匹配。如果在字符串前面加了r,表示对字符串不进行转义。有些字符比较特殊,它们和自身并不匹配,而是表明应和一些特殊的东西匹配,或者会影响重复次数。这些特殊的字符我们称之为元字符。
3.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。
三、常用的正则表达式元字符
1.“.”:表示除换行符以外的任意字符。
与“.”类似(但不相同)的一个符号是“\S”,表示不是空白符(空格,\n,\t)的任意字符。注意是大写字符S。
2.“[]”:指定字符集
常用来指定一个字符集,例如:[abc]、[a-z]、[0-9];
元字符在方括号中不起作用,例如:[akm$]和[m.]中元字符都不起作用;
方括号内的“”表示补集,匹配不在区间范围内的字符,例如:[3]表示除3以外的字符。
3.“^”:匹配行首,此字符以后面的字符开头的字符串
4.“&”:匹配行尾,匹配以$之前的字符结束的字符串
5.“\”:反斜杠后面可以加不同的字符以表示不同的特殊意义
字符 | 意义 |
---|---|
\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_] |
也可以用于取消所有的元字符:\\、\[。 | |
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”.”。 | |
6.正则表达式除了能够匹配不定长的字符集,还能指定正则表达式的一部分的重复次数,所涉及的元字符有“*”、“+”、“?”、“{}”。 | |
元字符 | 意义 |
– | – |
* | 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 |
注:当“?”紧随其他限定符(*、+、{n}、{n,}、{n,m})之后时,匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到尽可能短的字符串,而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。