正则基本用法
import re
result = re.match(r"正则","匹配字符串") 从开始匹配 成功返回 `match object` == re.search(r'^正则','匹配字符串')
result = re.search(r'正则','匹配字符串') 从中找到符号的字符串 成功返回 `match object`
result.group() 若匹配成功取出匹配到的字符串
注:需要找字符串中的特点
规则
元字符 操作 —>单字符
.
: 除了\n之外的任意字符
\d
: 数字
\D
: 非数字\w
: 匹配单词字符,即a-z、A-Z、0-9、_
- 在python3 中是支持中文
re.match(r"\w","一",re.U)
参数3是默认值 U是那个utf表; - 让其不支持中文
re.match(r"\w","一",re.A)
A是asc码
\W
: 非单词字符\s
: 匹配空白字符
\S
: 匹配非空字符[]
: 匹配[]中列举的字符- 在python3 中是支持中文
量词 即匹配多少个字符
*
:匹配前一个字符出现0次或者无限次,即可有可无
+
:匹配前一个字符出现1次或者无限次,即至少1次
?
:匹配前一个字符出现1次或者0次,即要么有1次,要么没有
{num}
: 匹配前一个字符出现m次
{num1,num2}
:匹配前一个字符出现m到n次匹配开头结尾
^
: 匹配字符串开头
$
: 匹配字符串结尾eg: 匹配0-99 08 不符合 有两位匹配两位
r'^[1-9]?\d$'
匹配分组 取出匹配成功的部分字符串
|
: 匹配左右任意一个表达式
(ab)
: 将括号中字符作为一个分组
\num
: 引用
(?P<name>)
: 分组起别名
(?P=name)
: 引用别名为name分组匹配到的字符串eg : 匹配0-100的数值
r'[1-9]?\d$|100'
小结:
- 一般公式
r"元字符[量词]...."
eg: 匹配5个数字
import re
ret = re.match(r'\d{5}', '12345678901')
print(ret.group())
- 加入分组
eg:取邮箱类型163
import re
ret = re.match(r'\w{4,20}@(163)\.com', 'aaaa@163.com')
print(ret.group(1))
扩展
- search
"""匹配出文章阅读的次数"""
import re
ret = re.search(r"\d+", "阅读次数为 9999")
print(ret.group()) # 9999
- findall
"""统计出python、c、c++相应文章阅读的次数"""
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret) # ['9999', '7890', '12345']
- sub
"""将匹配到的阅读次数加1"""
import re
# 方式一
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)
# 方式二
def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)
ret = re.sub(r"\d+", add, "python = 997")
print(ret) #python = 998
ret = re.sub(r"\d+", add, "python = 99")
print(ret) #python = 100
- split
import re
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret) # ['info', 'xiaoZhang', '33', 'shandong']
python贪婪和非贪婪(重要)
- python里的量词默认是贪婪的,总是尝试匹配尽可能多的字符;
- 在量词后面加
?
,使贪婪变成非贪婪(满足条件尽可能少的字符)
import re
ret = re.match(r'\d+', '1234567')
ret1 = re.match(r'\d+?', '1234567')
print(ret.group()) # 1234567
print(ret1.group()) # 1