1 介绍
用来简洁表达一组字符串的表达式
编译:将符合正则表达式语法的字符串转换成正则表达式特征
2 语法
操作符 说明 实例
. 表示任何单个字符(\n除外) a.c->abc
[] 字符集,对单个字符给出取值范围 [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 a*b、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 abcdef 表示 abc、def
{m} 扩展前一个字符m次 b{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$表示abc且在一个字符串的结尾
( ) 分组标记,内部只能使用竖线操作符 (abc)表示abc,(abc竖线def)表示abc、def
\d 等价于[0-9]匹配一个数字字符
\D 等价于[^0-9]匹配一个非数字字符
\s 等价于[\f\n\r\t\v]匹配任何空白字符,包括空格、制表符、换页符
\S 等价于 [^ \f\n\r\t\v]匹配任何非空白字符
\w 等价于'[A-Za-z0-9下划线]'匹配包括下划线的任何单词字符
\W 等价于 '[^A-Za-z0-9]匹配任何非单词字符
常用正则表达式
[\u4e00-\u9fa5] 匹配中文字符
\d{3}‐\d{8}|\d{4}‐\d{7} 国内电话号码,010‐68913536
[1‐9]\d{5} 国内邮编
\n\s*\r 空白行
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 邮件
[a-zA-z]+://[^\s]* URL
[1-9][0-9]{4,} QQ
^(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)$ 身份证号
^[1-9]\d*$ 正整数
^-?[1-9]\d*$ 整数
3 re库
介绍
Re库是Python的标准库,主要用于字符串匹配,应用:import re
表示类型
raw string类型(原生字符串类型)
r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
string类型
'[1‐9]\\d{5}'
'\\d{3}‐\\d{8}|\\d{4}‐\\d{7}'
4 re库主要功能函数
主要函数
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)
import re
match = re.search(r'[1-9]\d{5}','BIT 100861')
if match:
print(match)
print(match.group(0))
><_sre.SRE_Match object; span=(4, 10), match='100861'>
>100861
re.match(pattern, string, flags=0)
>import re
match = re.match(r'[1-9]\d{5}','100861 BIT 100087')
print(match.group(0))
>100861
re.findall(pattern, string, flags=0)
import re
ls = re.findall(r'[1-9]\d{5}','100861 BIT 100087')
print(ls)
>['100861', '100087'] ## 返回列表
re.sub(pattern, repl, string, count=0, flags=0)
import re
phone = "2004-959-559 # 这是一个电话号码"
num = re.sub(r'#.*$', "", phone) # 删除注释
print("电话号码 : ", num)
num = re.sub(r'\D', "", phone) # 移除非数字的内容
print("电话号码 : ", num)
>电话号码 : 2004-959-559
>电话号码 : 2004959559
re.split(pattern, string, maxsplit=0, flags=0)
import re
m = re.split(r'[1-9]\d{5}','BIT100861 BIT100082')
print(m)
>['BIT', ' BIT', '']
re.finditer(pattern, string, flags=0)
import re
for m in re.finditer(r'[1-9]\d{5}','BIT100861 BIT100082'):
if m: ## 判断m为字符串
print(m.group(0))
5 re库的等价用法
函数式用法:一次性操作
rst = re.search(r '[1‐9]\d{5}','BIT 100081')
面向对象用法:编译后的多次操作
pat= re.compile(r'[1‐9]\d{5}')
rst= pat.search('BIT 100081')
**regex=re.compile(pattern,flags=0)
6 re的Match对象
Match对象
Match对象是一次匹配的结果,包含匹配的很多信息
import re
match = re.search(r'[1-9]\d{5}','BIT 180061')
if match:
print(match)
print(match.group(0))
print(type(match))
><re.Match object; span=(4, 10), match='180061'>
>180061
><class 're.Match'>
Match对象的属性
.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
Match对象的方法
.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())
import re
m = re.search(r'[1-9]\d{5}','BIT 180061 TSU 180064')
if m:
print(m)
print(type(m))
print(m.string)
print(m.re)
print(m.pos)
print(m.endpos)
print(m.start())
print(m.end())
print(m.span())
print(m.group(0))
><re.Match object; span=(4, 10), match='180061'>
><class 're.Match'>
>BIT 180061 TSU 180064
>re.compile('[1-9]\\d{5}')
>0
>21
>4
>10
>(4, 10)
>180061
7 re的贪婪匹配和最小匹配
贪婪匹配: Re库默认采用贪婪匹配,即输出匹配最长的子串
最小匹配规则:
*?: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
只要长度输出可能不同的,都可以通过在操作符后增加?变成最小匹配
import re
## 贪婪匹配
m = re.search(r'PY.*N','PYANBNCNDN')
print(m.group(0))
## 最小匹配
n = re.search(r'PY.*?N','PYANBNCNDN')
print(n.group(0))
>PYANBNCNDN
>PYAN