『第三周』re库
正则表达式
regular expression / regex / RE
正则表达式是用来简洁表达一组字符串的表达式。
例:
正则表达式语法
正则表达式语法由字符和操作符构成
操作符 | 说明 | 实例 |
---|---|---|
. | 表示任何单个字符 | |
[] | 字符集,对单个字符给出取值范围 | [abc]表示a、b、c,[a-z]表示a到z单个字符 |
[^] | 非字符集,对单个字符给出排除范围 | [^abc]表示非a或b或c的单个字符 |
* | 前一个字符0次或无限次扩展 | abc*表示ab、abc、abcc、abccc等 |
+ | 前一个字符1次或无限次扩展 | abc+表示abc、abcc、abccc等 |
? | 前一个字符0次或1次扩展 | abc?表示ab、abc |
| | 左右表达式任意一个 | abc |
操作符 | 说明 | 实例 |
---|---|---|
{m} | 扩展前一个字符m次 | ab{2}c表示abbc |
{m,n} | 扩展前一个字符m至n次(含n) | ab{1,2}c表示abc、abbc |
^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头 |
$ | 匹配字符串结尾 | abc$表示abc且在一个字符串的结尾 |
() | 分组标记,内部只能使用 | 操作符 |
\d | 数字,等价于[0-9] | |
\w | 单词字符,等价于[A-Za-z0-9_] |
语法实例
正则表达式 | 对应字符串 |
---|---|
P(Y|YT|YTH|YTHO)?N | PN、PYN、PYTN、PYTHN、python |
python+ | python、pythonN、pythonNN…… |
PY[TH]ON | PYTON、PYHON |
PY[^TH]?ON | PYON、PYaON、PYbON、PYcON…… |
PY{:3}N | PN、PYN、PYYN、PYYYN |
经典正则表达式实例
正则表达式 | 说明 |
---|---|
^[A-Za-z]+$ | 由26个字母组成的字符串 |
^[A-Za-z0-9]+$ | 由26个字母和数字组成的字符串 |
^-?\d+$ | 整数形式的字符串 |
^[0-9]*[1-9][0-9]*$ | 正整数形式的字符串 |
[1-9]\d{5} | 中国境内邮政编码,6位 |
[\u4e00-\u9fa5] | 匹配中文字符 |
\d{3}-\d{8}|\d{4}-\d{7} | 国内电话号码,010-68913536 |
匹配IP地址的正则表达式
范围 | 表示 |
---|---|
0-99 | [1-9]?\d |
100-199 | 1\d{2} |
200-249 | 2[0-4]\d |
250-255 | 25[0-5] |
从0-255为:
([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]\.){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])
re库
Re库是python的标准库,主要用于字符串匹配
由于\在字符串中被认定为转义符,如在字符串中使用正则表达式,则是[1-9]\\d{5}
,变得更为繁琐。
所以建议使用原生字符串(raw string):r'[1-9]\d{5}'
。
函数 | 说明 |
---|---|
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置返回match对象 |
re .match() | 从一个字符串的开始位置起匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
re.finditer() | 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
re.search(pattern, string, flags=0)
-
pattern:正则表达式的字符串或原生字符表示
-
string:待匹配字符串
-
flags:正则表达式使用时的控制标记
常用标记 | 说明 |
---|---|
re.I re.IGNORECASE | 忽略正则表达式的大小写,[A-Z]能够匹配小写字符 |
re.M re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
re.S re.DOTALL | 正则表达式中的.操作符能够匹配所有字符,默认匹配除换行外的所有字符 |
re.match(pattern, string, flags=0)
re.findall(pattern, string, flags=0)
re.split(pattern, string, maxsplit=0, flags=0)
- maxsplit: 最大分割数,剩余部分作为最后一个元素输出
re.finditer(pattern, string, flags=0)
re.sub(pattern, repl, string, count=0, flags=0)
-
repl: 替换匹配字符串的字符串
-
count: 匹配的最大替换次数
re库的另一种用法
>>> rst = re.search(r'[1-9]\d{5}', 'BIT 100081')
等价于
>>> pat = re.compile(r'[1-9]\d{5}')
>>> rst = pat.search('BIT 100081')
MATCH对象
Match对象是一次匹配的结果,包含匹配的很多信息
属性 | 说明 |
---|---|
.string | 待匹配的文本 |
.re | 匹配时使用的patter对象(正则表达式) |
.pos | 正则表达式搜索文本的开始位置 |
.endpos | 正则表达式搜索文本的结束位置 |
方法 | 说明 |
---|---|
.group(0) | 获得匹配后的字符串 |
.start() | 匹配字符串在原始字符串的开始位置 |
.end() | 匹配字符串在原始字符串的结束位置 |
.span() | 返回(. start(), .end()) |
re库的贪婪匹配和最小匹配
当能同时匹配长短不同的多项,会返回最长的一项,即默认采用贪婪匹配
>>> match=re.search(r'PY.*N','PYANBNCNDN')
>>> match.group(0)
'PYANBNCNDN'
最小匹配
>>> match=re.search(r'PY.*?N','PYANBNCNDN')
>>> match.group(0)
'PYANBNCNDN'
最小匹配操作符
操作符 | 说明 |
---|---|
*? | 前一个字符0次或无限次扩展,最小匹配 |
+? | 前一个字符1次或无限次扩展,最小匹配 |
?? | 前一个字符0次或1次扩展,最小匹配 |
{m,n}? | 扩展前一个字符m至n次(含n) ,最小匹配 |