正则表达式
一个正则表达式可以有原子,元字符,模式修政符,贪婪模式,和懒惰模式构成。
1、原子
(1)普通字符作为原子:如数字,大小写字母,下划线等。
import re
pattern = "abc"
string="shuhgabchuh"
result=re.search(pattern,string)//调用re模块的search方法来匹配是否有string里面的字符串
print(result)//输出abc
(2)非打印字符作为原子:即在一些字符串中用于格式控制的符号,如换行符
常用的非打印字符
\n:用于匹配一个换行符
\t:用于匹配一个制表符
import re
pattern = "\n"
string="shuhg
abchuh"
result=re.search(pattern,string)
print(result)//最终输出\n,因为string里面有个换行符
(3)通用字符作为原子:即一个原子可以匹配一类字符,在实际中经常应用
\w:匹配任意一个字母,数字或者下划线
\W:匹配除字母、数字下划线以外的任意一个字符
\d:匹配任意一个十进制数
\D:匹配除十进制数以外的任意一个其他字符
\s:匹配任意一个空白字符
\S:匹配除空白字符以外的任意一个其他字符
实例:
import re
pattern = "\w\dpython\w" //字符最后是一个字母或者下划线,字符串前一位是任意一个十进制数,再前一个是任意一个字母数字或者下划线
string="hhjkjd234pythony_py"
result=re.search(pattern,string)
print(result) //最终输出45pythony
(4)原子表:可以自定义一组地位平等的原子,匹配时取该原子表中的任意一个原子进行匹配,原子由 [] 表示,如 [xyz]就表示一个原子表。
import re
pattern = "[\w\dpython[xyz]\w]"
string="dcd345pythony_py"
result=re.search(pattern,string)
print(result) //最终输出45pythony_
2、元字符
任意匹配元字符
.:匹配除换行符以外的任意字符
边界限定符:
^:匹配字符串的开始位置
$:匹配字符串的结束位置
限定符:
*:匹配0次、一次或多次前面的原子
?:匹配0次或一次前面的原子
+:匹配1次或者多次前面的原子
{n}:前面的原子出现n次
{n,}:前面的原子至少出现n次,至多出现m次
模式选择符
|:模式选择符
即可以设置多种模式,如"huh|hcuh",则里面的两个字符串都可以拿来进行匹配
模式单元符
():模式单元符
即将多个原子用()括起来,当成一个大原子使用。如"(cd){n,}",即匹配时cd这个字符串至少出现一次
3、模式修正符
I:匹配时忽略大小写
M:多行匹配
L:做本地化识别匹配
U:根据Unicode字符及解析字符
S:让.(匹配除换行符以外的任意字符)可以匹配换行符。
4、贪婪模式与懒惰模式
贪婪模式尽可能多的匹配,懒惰模式尽可能少的匹配。
如
pattern1=“p.*y” #贪婪模式,直到找不到y为止
pattern2=“p.?y” #懒惰模式,找到了第一个y就结束。
正则表达式常见函数
1、re.match()
从源字符串的起始位置开始匹配
re.match(pattern,string,flag)
第一个参数为正则表达式,第二个参数为对应的源字符串,第三个参数可选,代表对应的标志位,可以放模式修政符等信息。
2、re.search()
与match唯一不同的是会在全文中进行检索并匹配,而match必须在开头匹配
re.search(pattern,string)
第一个参数为正则表达式,第二个参数为对应的源字符串
3、全局匹配函数,即源字符串中可能有多个结果都符合模式
(1)、使用re.compile()对正则表达式进行预编译
(2)、编译后使用findall()根据正则表达式从源字符串中将匹配的结果全部找出
import re
string= "hhaahuaaxihaahhaa"
pattern=re.compile(".aa.") #预编译
result=pattern.findall(string) #找出所有结果
print(result)
以上会返回haah,uaah,haah
4、re.sub()
根据正则表达式来实现替换某些字符串的功能
re.sub(pattern,rep,string,max)
第一个参数为正则表达式,第二个为要替换成的字符串,第三个为源字符串,第四个为可选项,代表最多可替换的次数,不写,则全部替换
import re
string= "aannhhahaahjhaajhkjaanjj"
pattern="aa"
result=re.sub(pattern,"cc",string) #最后即将所有的aa替换成cc
print(result)