re正则表达式

re正则表达式

正则表达式的组成

普通字符：大小写字母，数字，符号。。。
转义字符：\w \W \d \D \s \S 。。。
特殊字符：. * ? + ^ $ [] {} ()
匹配模式：I U。。。

re模块相关函数

findall()
findall(string[, pos[, endpos]]) 参数： 1. string : 待匹配的字符串。 2. pos : 可选参数，指定字符串的起始位置，默认为 0。 3. endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。
按照正则表达式的规则在字符串中匹配元素，结果返回一个列表，如果没有找到则返回空列表

import re
s = 'helloworld hellobeijing'
ret = re.findall('hello\S+',s)
print(ret)
['helloworld', 'hellobeijing']

re.match()
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
re.match(pattern, string, flags=0)
pattern 匹配的正则表达式
string 要匹配的字符串。
flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志
可以使用group()返回匹配的数据
可以使用span()方法获取匹配数据的下标区间

import re
vars = 'iloveyou521to'
reg = 'ilove'
res = re.match(reg,vars)
print(res.group())  #获取返回的数据结果
print(res.span())   #获取匹配结果的下标区间

re.search()
和re.match()的区别只是 从字符串开头到结尾进行搜索式匹配

import re
vars = 'iloveyou521to'
reg = 'love'
res = re.search(reg,vars)
print(res.group())  #获取返回的数据结果
print(res.span())   #获取匹配结果的下标区间

re.finditer()
按照正则表达式的规则在字符串中匹配所有符合规则的元素，返回一个迭代器

import re
vars = 'iloveyou521to'
reg = '\d{3}'
res = re.finditer(reg,vars)
print(list(res))
print(res)

re.sub()
re.sub用于替换字符串中的匹配项。 语法： re.sub(pattern, repl, string, count=0, flags=0) 参数： 1. pattern : 正则中的模式字符串。 2. repl : 替换的字符串，也可为一个函数。 3. string : 要被查找替换的原始字符串。 4. count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
按照正则表达式的规则在字符串中找到需要被替换的字符

import re
s = 'helloworld hellobeijing'
ret = re.sub('hello','goodbye',s)
print(ret)
goodbyeworld goodbyebeijing

re.compile()
可以直接将正则表达式定义为正则对象，使用正则对象直接操作

import re
vars = 'iloveyou521to'
reg = re.compile('\d{3}')
res = reg.findall(vars)
print(res)

正则表达式的定义和规则

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	对正则表达式分组并记住匹配的文本
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	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'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

#转义字符
reg = '\w' #代表单个字母、数字、下划线
res = '\W' #代表 单个 非 字母、数字、下划线
res = '\d' #代表单个 数字
res = '\D' #代表单个 非数字
res = '\s' #代表单个的 空格符或制表符
reg = '\S' #代表单个的 非空格或制表符

#特殊字符
import re
varstr = 'hello world 5211 iloveyou'
reg = '.'    #代表单个任意字符,除了换行符
reg = '\w*'  # *代表匹配次数 任意次数 特点：如果使用*号，那么在匹配的开始处如果符合要求，则按照规则一直向后匹配，直至不符合规则并返回
reg = '\w+'  # +代表匹配次数，至少要求匹配一次
reg = '\w+?' # ?拒绝贪婪,就是前面的匹配规则只要达成则返回
reg = '\w*?'
reg = '\w{4}'  #{}代表匹配次数，{4} 一个数字时，表示必须匹配的次数
reg = '\w{4,10}' #{2,5}两个数字时，代表必须匹配的区间次数
reg = '[A-Z,a-z,0-9,-]'  #[]代表字符的范围 '[A-Z,a-z,0-9,-]'='\w'
# reg = '\w+(\d{4})'  #() 代表子组，括号中的表达式首先作为整个正则的一部分，另外会把符合小括号中的内容单独提取
res = re.search(reg,varstr).group()
print(res,len(res))

varstr = '211782736420382'
#定义一个匹配手机号的正则表达式
reg = '^1\d{10}$'  #^代表开头， &代表结尾

正则模式

re.I 忽略大小写等…