匹配字符串
公式 | 含义 |
---|---|
\d | 0-9 |
\w | 0-9与a-z与A-Z |
\s | 空格与tab |
. | 任意字符 |
^ | 行首(以…开头) |
$ | 行尾(以…结尾) |
* | 任意个字符(包括0) |
+ | 至少一个字符 |
? | 0个或1个字符 |
{n} | n个字符 |
{n,m} | [n,m]区间个字符 |
示例 | 匹配串 |
---|---|
‘00\d’ | ‘007’ |
‘\d\d\d’ | ‘010’ |
‘\w\w\d’ | ‘py3’ |
‘py.’ | ‘pyc’ |
‘py.’ | ‘py!’ |
‘\d{3}’ | ‘010’ |
‘\s+’ | ’ ‘ |
‘\d{3,8}’ | ‘1234567’ |
‘\d{3}-\d{3,8}’ | ‘010-12345’ |
‘[0-9a-zA-Z_]+’ | ‘Py3000’ |
‘(P | p)ython’ |
‘(P | p)ython’ |
‘^py$’ | ‘py’ |
re.split(r’\s+’, ‘a b c’) | [‘a’, ‘b’, ‘c’] |
re.split(r’[\s,]+’, ‘a,b, c d’) | [‘a’, ‘b’, ‘c’, ‘d’] |
re.split(r’[\s,\;]+’, ‘a,b;; c d’) | [‘a’, ‘b’, ‘c’, ‘d’] |
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
如果正则表达式中定义了组,就可以在Match对象上用group()方法提取出子串来。
注意到group(0)永远是原始字符串,group(1)、group(2)……表示第1、2、……个子串。
>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9\
]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
贪婪匹配
正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。举例如下,匹配出数字后面的0:
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
由于\d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串了。
必须让\d+采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0匹配出来,加个?就可以让\d+采用非贪婪匹配:
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
编译
当我们在Python中使用正则表达式时,re模块内部会干两件事情:
编译正则表达式,如果正则表达式的字符串本身不合法,会报错;
用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:
>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用:
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。
暂时写到这,还有很多关于match以及其他函数的