正则表达式:
- 正则表达式语法
- Re库主要功能函数
- Re库的Match对象
1)正则表达式语法:
>常用操作符:
操作符 | 说明 | 实例 |
. | 表示任何单个字符 | |
[ ] | 字符集,对单个字符给出取值范围 | [abc] 表示a、b、c;[a-z]表示a到z单个字符 |
[^ ] | 非字符集,对单个字符给排除范围 | [^abc] 表示非a、b、c的单个字符 |
* | 前一个字符0次或无限次扩展 | abc* 表示ab、abc、abcc、abccc等 |
+ | 前一个字符1次或无限次扩展 | abc+ 表示abc、abcc、abccc等 |
? | 前一个字符0次或1次扩展 | abc?表示ab、abc |
| | 左右表达式任意一个 | abc | def 表示abc、def |
操作符 | 说明 | 实例 |
{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到n次(含n次) | 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-Z a-z 0-9_ ] |
>经典正则表达式实例:
表达式 | 解释 |
^[A-Za-z ]+$ | 由26个字母组成的字符串 |
^[A-Za-z0-9]+$ | 由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,028-23541136 |
特别地:(匹配IP地址的正则表达式)
\d+.\d+.\d+.\d+或\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3} | 匹配IP地址字符串形式 |
2)Re库主要功能函数:
>Re库的使用:
- raw string类型表示(原生字符串类型):r'text'
例如:r'[1-9]\d{5}'
(说明:raw string是不包含对转义符再次转义的字符串)
- string类型表示
例如:'[1-9]\\d{5}'
(说明:若包含转义符,则需要对转义符双写)
>Re库主要功能函数:
函数 | 说明 |
re.search() | 从一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
re.match() | 从一个字符串的开始位置起匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配的结果进行分割,返回列表类型 |
re.finditer() | 搜索字符串,返回一个匹配结果的迭代类型,每一个迭代类型元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
>常用标记:
常用标记 | 说明 |
re.I | 忽略正则表达式的大小写,[A-Z]能够匹配小写字符 |
re.M | 正则表达式中^操作符能够将给定字符串的每一行当做匹配开始 |
re.S | 正则表达式中的 . 操作符能够匹配所有字符,默认匹配除换外的所有字符 |
具体使用:
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记在
re.search(pattern, string, flags=0)
import re
match = re.search(r'[1-9]\d{5}', ]BIT 100081')
if match:
print(match.group(0))
#结果:100081
re.match(pattern, string, flags=0)
import re
match = re.match(r'[1-9]\d{5}', ]BIT 100081')
if match:
match.group(0)
#结果:100081
re.findall(pattern, string, flags=0)
import re
ls = re.findall(r'[1-9]\d{5}', 'BIT100081 TSU100084')
#结果:ls = {'100081', '100084'}
re.split(pattern, string, maxsplit=0, flags=0)
(说明:maxsplit: 最大分割数,剩余部分作为最后一个元素输出)
import re
re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084')
#结果:['BIT', ' TSU', '']
re.split(r'[1-9]\d{5}', 'BIT 100081 TSU100084',maxsp1it=1)
#结果:ls = ['BIT', ' TSU100084']
re.finditer(pattern, string, flags=0)
import re
for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084')
if m:
print(m.group(0))
#结果:100081 100084
re.sub(pattern, repl, string, count=0, flags=0)
(说明:repl:替换匹配字符的字符串;count:匹配的最大替换次数)
import re
re.sub(r'[1-9]\d{5}', ':zipcode', 'BIT100081 TSU100084')
#结果:'BIT:zipcode TSU:zipcode'
Re库面向对象的使用方法:
pat = re.compile(r'[1-9]\d{5}')
rst = pat.search(BIT 100081")
3)Re库的Match对象:
>Match对象的属性:
属性 | 说明 |
.string | 待匹配的文本 |
.re | 匹配时使用的patter对象(正则表达式) |
.pos | 正则表达式搜索文本的开始位置 |
.endpos | 正则表达式搜索文本的结束位置 |
>Match对象的方法:
.group(0) | 获得匹配后的字符串 |
.start() | 匹配字符串在原始字符串的开始位置 |
.end() | 匹配字符串在原始字符串的结束位置 |
.span() | 返回(.start(), .end()) |
>Re库的贪婪匹配和最小匹配:(Re库默认采用贪婪匹配,输出最长的子串)
- 最小匹配操作符
操作符 | 说明 |
*? | 前一个字符0次或无限次扩展,最下匹配 |
+? | 前一个字符1次或无限次扩展,最小匹配 |
?? | 前一个字符0次或1次扩展,最小匹配 |
{m,n}? | 扩展前一个字符m至n次(含n次),最小匹配 |