python正则表达式

正则表达式

正则表达式的元字符

记号	说明	示例	示例解释
literal	匹配该字符	this	匹配this
re1|re2	为管道符号，表示多选一	wang|guo	wang或者guo
.	除了换行符之外的任意字符	a.d	aad,abd,ad…
\d	任意数字同[0-9]和\D是反义词	\d{11}	表示11位数字
\D	非数字字符	\D{5}	5个非数字字符
\w	匹配任意数字和字母同[A-Za-Z0-9]	\w+	数字和字符构成的字符串均可匹配到
\W	匹配非数字字母
\s	匹配空白字符符号
\S	匹配非空白符号
范围
[…]	括号包括的仁和一个字符	[aeiou]	a,e,i,o,u的任意一个
[x-y]	匹配x-y区间内的字符可以有多个区间	[0-9匹配所有数字]	a-zA-z匹配所有的字母
[^…]	不匹配^后面的字符	^aeiou	不匹配a,e,i,o,u任何一个字母
边界
^	匹配行的开始，多行模式(MULTILINE)匹配模式时，可匹配任意行的开头	^Dear	匹配所有Dear开头的字符
$	匹配行的结束，如果最后是一个换行符号以这个换行符号前面的字符为准，多行模式匹配任意行的结尾	txt$	匹配以txt结尾的字符串
\b	匹配单词的边界	\bthe\b	匹配the不匹配there与together
\A	匹配整个字符串的开始，不支持多行模式	\Aabc	整个字符串abc开头匹配不上xyz\nabc
\Z	仅匹配整个字符串的结束，不支持多行模式匹配	def\Z	整个字符串匹配以def结尾。匹配不上def\nxyz
次数
*	前面的内容出现零到多次	5*	0个或多个5
+	内容前面出现1次到多次	a+	1个或多个a
？	前面内容出现0次或1次	N？	0或1个N
{N}	前面内容出现N次	X{5}	5个X
{M,N}	前面出现M次到N次	W{2,5}	2到5个W
非贪婪
(次数)?(*|+|?|{})?	次数后面加问号表示非贪婪匹配，即找出长度最小切符合要求的	“.+?”	匹配引号引起来的部分，比如“a”,“b”,“c”，如果左边的正则表达式中没有问好，则会贪婪匹配整个字符串。但是左边的正则表达式中有问好只会匹配“a”,“c”
子组
(正则表达式)	圆括号中匹配的内容会保留为子组（或者称为子模式）	([0-9]{3})	连续三个数字构成一个子组
(?P<name>...)	明明的子组	?P<name>\w+	子组的名字叫做name
\子组编号	匹配已保存的子组，参考上面的(正则表达式)	(\w)\1	两个词连续出现
(?:)	虽然用括号括起来不算子组	(?:beijing|xiangtan)universite	beijing university或xiangtan university
\	取消通配符的特殊含义	\.	匹配字符.本身

正则表达式核心函数

方法	说明
re.compile(pattern)	返回一个regex对象
若用regex对象，一下pattern参数不需要传入	re.compile(pattern.match(string))
re.match(pattern,string)	匹配（从字符串的开头开始）
re.search(pattern,string)	搜索（在字符串中找有没有符合的字符串）
re.findall(b )	找出所有返回列表
re.split(pattern,string,max = 0)	符合pattern处进行分割，返回列表，max可以指定最多分割的次数
re.sub(pattern,repl,string,max = 0)	字符串替换，把string中符合pattern的部分替换成repl字符串
re.subn(re.sub(pattern,repl,string,max = 0))	和上面re.sub类似但是多返回一个次数

• 引入正则表达式模块

import re

a = re.match(r'\d{3}','12345a6789')
a

<re.Match object; span=(0, 3), match='123'>

a = re.search(r'\d{3}','123456789')
print (a)

<re.Match object; span=(0, 3), match='123'>

a = re.findall(r'\d{11}','asd123456789123sdf')
print(a)

['12345678912']

a = re.split(r'\d','asdf3a54er')
a

['asdf', 'a', '', 'er']

a = re.sub(r'\d','0','a1b2c3')
a

'a0b0c0'

re.sub(r'(\w+)\1',r'\1','the the little cat in the the hat')
#\w+表示一个单词，在第一个括号中基座子组1，可以用\1表示后面的\1表示这个单词重复的一次通过sub将重复的单词替换一次

'the the litle cat in the the hat'

#不保存子组的示例
re.findall(r'(?:beijing|zhejiang)','beijing & zhejiang')

['beijing', 'zhejiang']

理解贪婪和非贪婪

s = '<string>Weizhong Tu</string><string>Python is interesting</string>'
pattern = "<string>(.+)</string>"#括号代表里面的内容保存为子组
reg = re.compile(pattern)
print(reg.findall(s))
#这并不是我们想要的结果，所以贪婪模式下会匹配更多的内容

['Weizhong Tu</string><string>Python is interesting']

pattern = "<string>(.+?)</string>"#括号代表里面的内容保存为子组
reg = re.compile(pattern)
print(reg.findall(s))
#非贪婪模式下我们就可以得到我们想要的内容

['Weizhong Tu', 'Python is interesting']