本文参考菜鸟教程点我跳转
每个部分都有实例,便于查看
**正则表达式 **
正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
1. 量词介绍
^ 表示开头
& 表示结尾
. 匹配任意1个字符(除了\n)
\b 匹配单词的开头或结尾
[ ] 匹配[ ]中列举的字符
\s 匹配空格 tab键 [\t\n\r\f]
\S 匹配非空白
\d 表示[0-9]任意数字,等同于[0-9]
\D 匹配非数字,即不是数字
\d* 表示0个或多个数字
. 表示小数点
.? 表示这个点(小数点)最多只能出现一次,即要么不出现,要么只出现一次。?表示出现0次或1次。
\d+ 表示多次(1次和1次以上)数字。
\s? 表示最多只能出现一次空白(通常指空格)字符,即要么不出现,要么出现一次。
\w 表示任意字母和下划线。
\w+ 表示多次出现字母或下划线。
\W 匹配特殊字符,即非字母、非数字、非汉字、非_ 如¥ %#@等
{ } 匹配次数
\A 匹配字符串开始
\Z 匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。
\z 匹配字符串结束
\G 匹配最后匹配完成的位置。
\b 匹配一个单词边界,也就是指单词和空格间的位置。
\B 匹配非单词边界。
\n, \t, 等。 匹配一个换行符。匹配一个制表符, 等
[…] 用来表示一组字符,单独列出:[amk] 匹配 ‘a’,‘m’或’k’
[^…] 不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。
a| b 匹配a或b
(re) 匹配括号内的表达式,也表示一个组
(?: re) 类似 (…), 但是不表示一个组
(?imx: re) 在括号中使用i, m, 或 x 可选标志
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志
group
group(gid)
#当正则表达式使用了组符号(圆括号),所以就可以用 group(int gid) 的方法来取。gid=1时取的第一个分组,即正则表达式第一个括号对应的匹配字符串
#gid=0时 即正则表达式匹配到的字符全部内容 group(0) 与group()含义相同
2. 用法
3. 贪婪(.*)与非贪婪(*)
贪婪 :在匹配成功的前提下,总是尝试匹配尽可能多的字符。
import re
content = 'Hello 123 4567 World_This is a Rege Demo'
result = re.search('\d.*', content)
print(result)
out:>>> <_sre.SRE_Match object; span=(6, 40), match='123 4567 World_This is a Rege Demo'>
.* 表示尽可能的匹配更多的字符 所以从文本中字符1就开始匹配 直到最后
输出结果为:123 4567 World_This is a Rege Demo
非贪婪:在匹配成功的前提下,总是尝试匹配尽可能少的字符
content = 'Hello 123 4567 World_This is a Rege Demo'
result = re.match('^He.*(\d*).*Demo$',content)
print(result.group(1))
out:>>>
* 表示匹配更少的字符 而且*表示匹配0次或多次
输出结果为:‘空
4. re 函数
re.findall( )函数 返回值为list 元组类型
用法
def first_word(text):
import re
t = re.findall(r"\b[A-Za-z]+\b",text)
return t
if __name__ == '__main__':
text1 = 'Xiao Ming00 favo_rite book is Harry_'
print(first_word(text1))
out>>> ['Xiao', 'book', 'is']
re.finditer
和 findall ( )功能类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。
由于返回值为迭代器 所以需要通过**’.group()'函数输出**
用法
import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
print (match.group() )
out:>>>
12
32
43
3
compile 函数
compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。
语法格式为: re.compile(pattern[, flags])
pattern : 一个字符串形式的正则表达式
flags 可选,表示匹配模式,比如忽略大小写,多行模式等,具体参数为:
- re.I 忽略大小写
- re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
- re.M 多行模式
- re.S 即为’ . ‘并且包括换行符在内的任意字符(’ . '不包括换行符)
- re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
- re.X 为了增加可读性,忽略空格和’ # '后面的注释
用法
>>>import re
>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小写
>>> m = pattern.match('Hello World Wide Web')
>>> print( m ) # 匹配成功,返回一个 Match 对象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0) # 返回匹配成功的整个子串
'Hello World'
>>> m.span(0) # 返回匹配成功的整个子串的索引
(0, 11)
>>> m.group(1) # 返回第一个分组匹配成功的子串
'Hello'
>>> m.span(1) # 返回第一个分组匹配成功的子串的索引
(0, 5)
>>> m.group(2) # 返回第二个分组匹配成功的子串
'World'
>>> m.span(2) # 返回第二个分组匹配成功的子串索引
(6, 11)
>>> m.groups() # 等价于 (m.group(1), m.group(2), ...)
('Hello', 'World')
re.match与re.search
re.match 只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败(就是指判断字符串开头部分是不是符合正则表达式),函数返回 None,而 re.search 匹配整个字符串,直到找到一个匹配。
import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'dogs', line, re.M|re.I)
if matchObj:
print ("match --> matchObj.group() : ", matchObj.group())
else:
print ("No match!!")
matchObj = re.search( r'dogs', line, re.M|re.I)
if matchObj:
print ("search --> matchObj.group() : ", matchObj.group())
else:
print ("No match!!")
>>>
No match!!
search --> matchObj.group() : dogs
检索和替换
Python 的re模块提供了re.sub用于替换字符串中的匹配项。
格式:re.sub(pattern, repl, string, count=0, flags=0)
参数
- pattern : 正则中的模式字符串。
- repl : 替换的字符串,也可为一个函数。
- string : 要被查找替换的原始字符串。
- count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。
- flags : 编译时用的匹配模式,数字形式。
用法举例
import re
phone = "2004-959-559 # 这是一个电话号码"
# 删除注释
num = re.sub(r'#.*$', "", phone)
print ("电话号码 : ", num)
# 移除非数字的内容
num = re.sub(r'\D', "", phone)
print ("电话号码 : ", num)
>>>
电话号码 : 2004-959-559
电话号码 : 2004959559