python中的正则表达式必须用到的就是re库
re库是python的自带标准库
使用 import re 引入
re库中的正则表达式类型与标准的正则表达式类型略有出入
raw string类型(原生字符串类型):
re库采用raw string类型表示正则表达式,表示为:r’text’
例如:r’[1-9]\d{5}’
raw string 原生态 是指不包含转义符的字符串
string类型,更繁琐。
例如:'[1-9]\\d{5}';'\\d{3}-\\d{8}|\\d{4}-\\d{7}'
当正则表达式包含转义符时,建议使用raw string类型来表示正则表达式
正则表达式的事情比较繁琐 ,后面继续聊,先讲一讲我们的 re库
re库中的函数
-
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.match 尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none。 函数的用法: re.match(pattern, string, flags=0) pattern 匹配的正则表达式 string
要匹配的字符串。 flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配,也就是正则里常说的修饰符。import re print(re.match(‘swee’, ‘sweeNO1’).span()) # 在起始位置匹配
print(re.match(‘NO1’, ‘sweeNO1’)) # 不在起始位置匹配 运行结果如下 (0, 4)
None在此介绍group函数 group又分为groups()与group(num)
group(num=0) 匹配的整个表达式的字符串,group()
可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。groups() 返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。
#!/usr/bin/python3 import re line = “Cats are smarter than dogs” .* 表示任意匹配除换行符(\n、\r)之外的任何单个或多个字符 matchObj = re.match( r’(.) are
(.?) .*’, line, re.M|re.I) if matchObj: print
("matchObj.group() : ", matchObj.group()) print
("matchObj.group(1) : ", matchObj.group(1)) print
("matchObj.group(2) : ", matchObj.group(2)) else: print (“No
match!!”)
此处为输出结果 -
re.search()
在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 用法大多与re.match()类似
与之不同的是re.match()匹配一个字符串的开头
re.search()匹配整个字符串 直到找到匹配的内容位置 -
re.findall() 搜索字符串,以列表类型返回全部能匹配的字符串
-
re.sub()
re.sub用于替换字符串中的匹配项。 语法如下 re.sub(pattern, repl, string, count=0, flags=0)
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。 此方法可用于过滤部分不需要的数据 比如 在收集大家邮箱的时候,由于技术原因,所有的.都被漏掉了
123456789qqcom 987654321qqcom 我们可以使用如下语句进行相应的匹配
- re.findall()
在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。
语法
re.findall(pattern, string, flags=0)
匹配字符串中的所有
与前面search有所不同的是,re.findall()可以返回列表,这对于后续的操作来说是十分方便的
正则表达式修饰符
re.I 使匹配对大小写不敏感
re.L 做本地化识别(locale-aware)匹配
re.M 多行匹配,影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符
re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。
最后便是对raw string的一点个人理解
在raw string中,反斜杠不必做任何特殊处理。 因此 r"\n" 表示包含 ‘’ 和 ‘n’ 两个字符的字符串,而 “\n” 则表示只包含一个换行符的字符串。 样式在 Python 代码中通常都会使用这种原始字符串表示法来表示。在此我们便可以方便的匹配单纯的反斜杠文本,或者是匹配"" "n"两个字符等。
关于正则表达式,则有前一篇文章已经介绍过