一、简介
正则表达式本身是一种小型的、高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序媛们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行。
二、正则表达式中常用的字符含义
1、普通字符和11个元字符:
模式串 | 目标串 | ||
普通字符 | 匹配自身 | abc | abc |
. | 匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符 | a.c | abc |
\ | 转义字符,使后一个字符改变原来的意思 | a\.c;a\\c | a.c;a\c |
* | 匹配前一个字符0或多次 | abc* | ab;abccc |
+ | 匹配前一个字符1次或无限次 | abc+ | abc;abccc |
? | 匹配一个字符0次或1次 | abc? | ab;abc |
^ | 匹配字符串开头。在多行模式中匹配每一行的开头 | ^abc | abc |
$ | 匹配字符串末尾,在多行模式中匹配每一行的末尾 | abc$ | abc |
| | 或。匹配|左右表达式任意一个,从左到右匹配,如果|没有包括在()中,则它的范围是整个正则表达式 | abc|def | abc def |
{} | {m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次 | ab{1,2}c | abc abbc |
[] | 字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,如[abc]或[a-c]。[^abc]表示取反,即非abc。 所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。 | a[bcd]e | abe ace ade
|
() | 被括起来的表达式将作为分组,从表达式左边开始没遇到一个分组的左括号“(”,编号+1. 分组表达式作为一个整体,可以后接数量词。表达式中的|仅在该组中有效。 | (abc){2} a(123|456)c | abcabc a456c |
这里需要强调一下反斜杠\的作用:
- 反斜杠后边跟元字符去除特殊功能;(即将特殊字符转义成普通字符)
- 反斜杠后边跟普通字符实现特殊功能;(即预定义字符)
- 引用序号对应的字组所匹配的字符串。
a=re.search(r'(tina)(fei)haha\2','tinafeihahafei tinafeihahatina').group()
print(a)
结果:
tinafeihahafei
2、预定义字符集(可以写在字符集[...]中)
\d | 数字:[0-9] | a\bc | a1c |
\D | 非数字:[^\d] | a\Dc | abc |
\s | 匹配任何空白字符:[<空格>\t\r\n\f\v] | a\sc | a c |
\S | 非空白字符:[^\s] | a\Sc | abc |
\w | 匹配包括下划线在内的任何字字符:[A-Za-z0-9_] | a\wc | abc |
\W | 匹配非字母字符,即匹配特殊字符 | a\Wc | a c |
\A | 仅匹配字符串开头,同^ | \Aabc | abc |
\Z | 仅匹配字符串结尾,同$ | abc\Z | abc |
\b | 匹配\w和\W之间,即匹配单词边界匹配一个单词边界,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'。 值得注意的是,单词边界的界定符集为 [^0-9a-zA-Z] | \babc\b a\b!bc | 空格abc空格 a!bc |
\B | [^\b] | a\Bbc | abc |
这里需要强调一下\b的单词边界的理解:
w = re.findall('\btina','tian tinaaaa')
print(w)
s = re.findall(r'\btina','tian tinaaaa')
print(s)
v = re.findall(r'\btina','tian#tinaaaa')
print(v)
a = re.findall(r'\btina\b','tian#tina@aaa')
print(a)
执行结果如下:
[]
['tina']
['tina']
['tina']
3、特殊分组用法:
(?P<name>) | 分组,除了原有的编号外再指定一个额外的别名 | (?P<id>abc){2} | abcabc |
(?P=name) | 引用别名为<name>的分组匹配到字符串 | (?P<id>\d)abc(?P=id) | 1abc1 5abc5 |
\<number> | 引用编号为<number>的分组匹配到字符串 | (\d)abc\1 | 1abc1 5abc5 |
4. 贪婪匹配以及非贪婪匹配
非贪婪匹配(自我理解):对当前模块匹配字符可以使下一个匹配模块匹配时,让下一个模块匹配。
测试;
str = 'abc 2132323abc34'
m1 = re.match(r'^[abc]{3}\s.*(\d+).*34$',str) # 贪婪
print(m1)
print(m1.group(1))
m1 = re.match(r'^[abc]{3}\s.*?(\d+).*34$',str) # 非贪婪 注意问号
print(m1)
print(m1.group())
print(m1.group(1))
结果
<_sre.SRE_Match object; span=(0, 16), match='abc 2132323abc34'>
3
<_sre.SRE_Match object; span=(0, 16), match='abc 2132323abc34'>
abc 2132323abc34
2132323
5 修饰符
python的正则表达式库re提供了修饰符的选项。
|
---|
在网页中,较常用的是re.I和re.S
测试1
str = '''abc 2132323
abc34'''
m1 = re.match(r'^[abc]{3}\s.*(\d+).*34$',str) #给一个极端点的例子
print(m1)
print(m1.group(1))
结果
None
Traceback (most recent call last):
File "C:/Users/www.0001.GA/Documents/桌面/艾玛/Python/Requests/Meaning.py", line 23, in <module>
print(m1.group(1))
AttributeError: 'NoneType' object has no attribute 'group'
# 匹配失败 是因为 .* 无法匹配换行符所致。
测试2
m1 = re.match(r'^[abc]{3}\s.*?(\d+).*34$',str,re.S) #加了re.S
print(m1)
print(m1.group(1))
结果
<_sre.SRE_Match object; span=(0, 17), match='abc 2132323\nabc34'>
2132323
# 成功的识别了换行符
6 转义
这个很简单,普通字符转成特殊含义的字符,特殊含义字符转成普通字符
7.