#正则表达式库
正则表达式是用来简洁表达一组字符串的表达式
优势:一行胜千言,简洁
特点:1.通用的字符串表达框架
2.简洁表达一组字符串的表达式
3.针对字符串表达”简洁“和”特征“思想的工具
4.判断某字符串的特征归属
作用:
1.表达文本特征(病毒入侵)
2.同时查找或者代替一组字符串
3.匹配字符串的全部或者部分
正则表达式的使用:
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
常用操作符:
.表示任何单个字符
[]字符集对单个字符给出范围 [abc]三者之一
[^]非字符集对单个字符给出排除范围 [^abc]非abc中的任何单个字符
* 其哪一个字符0次或者无限次扩展 abc*表示ab,abc,abcc,abccc等
+ 其哪一个字符一次或者无限次扩展 abc+表示 abc、abcc、abcccc等
?前一个字符0次或者1次扩展 abc?表示ab、abc
| 左右表达式中的任何一个 abc|def 表示 abc、def
{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(包含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 (abc)表示abc,(abc|def)表示abc、def
\d 数字,等价于|0-9|
\w 单词字符 等价于|A-Za-z0-9_|
经典例子
^[A-Za-z]+$26个字母组成的字符串
^[A-Za-z0-9]+$26个字母和数字组成的字符串
^-?\d+$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,010-68910314
实例:匹配ip
ip地址字符串形式的正则表达式
\d+.\d+.\d+.\d+
\d{1,3}.\d{1,3}\d{1,3}.\d{1,3}
精确写法:
0-99:[1-9]?\d 100-199:1\d{2}
200-249:2[0-4]\d 250-255:25[0-5]
(([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库介绍:主要用于字符串匹配
当正则表达式包含转义符时,使用raw string
re.search() 在字符串中搜索匹配第一个位置,返回match对象
re.search(pattern,string,flags = 0)
re.I re.IGNORECASE 忽略正则表达式的大小写
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做匹配开始
re.S re.DOTALL .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 ()从字符串的开始位置起匹配正则表达式,返回match对象
re.match(pattern,string,flags)
re.findall() 搜索字符串,以列表类型返回全部能匹配的子串
re.findall(pattern,string,flags)
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.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()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.finditer(pattern,string,flags = 0)
re.sub() jiang一个字符串中替换所有的匹配正则表达式的子串,返回替换后的字符串
re.sub(pattern,repl,string,count = 0,flags = 0)
repl:替换匹配字符串的字符串
count:匹配字符串的最大次数
re的match对象类型
import re
match = re.search(r'[1-9]\d{5}','BIT 100081')
#面向对象法:
pat = re.compile(r'[1-9]\d{5}')#将正则表达式形式转化为字符串对象
rst = pat.search('bit 100081')
if match:
print(match.group(0))
match = re.match(r'[1-9]\d{5}', 'BIT 100081')
if match:
print(match.group(0))
match = re.match(r'[1-9]\d{5}', '100081 BIT')
if match:
print(match.group(0))
ls = re.findall(r'[1-9]\d{5}','BIT100081 tsu100084 tju099919')
print(ls)
st = re.split(r'[1-9]\d{5}','BIT100081 tsu100086')
print(st)
st = re.split(r'[1-9]\d{5}','BIT100081 tsu100086',maxsplit = 1)
print(st)
for m in re.finditer(r'[1-9]\d{5}','BIT100081 yst100892'):
if m:
print(m.group(0))
sub = re.sub(r'[1-9]\d{5}',':zipcode','BIT100081 TSU100084')
print(sub)
print(type(match))
match对象的属性
.string 待匹配的文本
.re 匹配时使用的pattern对象
.pos 搜索文本的开始位置
.endpos 正则表达式搜索文本的结束位置
对象方法:
.group(0) 获得匹配后的字符串
.start() 佩佩字符串在原始字符串中的开始位置
.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}','BIT100081 TSU100084')
print(m.string)
print(m.re)
print(m.pos)
print(m.endpos)
print(m.group(0))
print(m.start())
print(m.end())
print(m.span())
‘’‘re库的贪婪匹配和最小匹配
默认匹配贪婪匹配,返回最长
最小匹配:
1.*?前一个字符0次或者无限次扩展,最小匹配
2.+?前一个字符1次或者无限次扩展,最小匹配
3.??前一个字符0次或者1次扩展,最小匹配
4.{m,n}?扩展前一个字符m至n次(包含n),最小匹配
‘’’
match = re.search(r’PY.N’,‘PYANBNCNDN’)
print(match.group(0))
#最小匹配
match = re.search(r’PY.?N’,‘PYANBNCNDN’)
print(match.group(0))
正则表达式更多有趣的学习链接:https://python123.io/tutorials/regex_intro/index.html#/part5