Re(正则表达式)库入门
一:正则表达式的语法
1、正则表达式语法由字符和操作符构成
P ( Y | YT | YTH | YTHO ) ? N
2、正则表达式的常用操作符
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,对单个字符给出排除范围 | [^abc]表示非a或b或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 |
{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至n次(含n) | 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$表示abc且在一个字符串的结尾 |
( ) | 分组标记,内部只能使用 | 操作符 | (abc)表示abc,(abc |
\d | 数字,等价于[0‐9] | |
\w | 单词字符,等价于[A‐Za‐z0‐9_ ] |
3、经典正则表达式实例
实例 | 说明 |
---|---|
^[A‐Za‐z]+$ | 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,010‐11111111 |
IP地址字符串形式的正则表达式(IP地址分4段,每段0‐255)
(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])
二:Re库的基本使用
import re
1、re库采用raw string类型(原生字符串类型)表示正则表达式,表示为:r'text'
,raw string是不包含对转义符再次转义的字符串。
例如:
r'[1‐9]\d{5}'
`r'\d{3}‐\d{8}|\d{4}‐\d{7}'`
re库也可以采用string类型表示正则表达式,但更繁琐
例如:
'[1‐9]\\d{5}'
'\\d{3}‐\\d{8}|\\d{4}‐\\d{7}'
2、Re库的主要功能函数
函数 | 说明 |
---|---|
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 |
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,每个迭代元素是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 |
①、re.search(pattern, string, flags=0)
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。
常用标记 | 说明 |
---|---|
re.I re.IGNORECASE | 忽略正则表达式的大小写,[A‐Z]能够匹配小写字符 |
re.M re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
re.S re.DOTALL | 正则表达式中的.操作符能够匹配所有字符,默认匹配除换行外的所有字符 |
import re
match = re.search(r'[1-9]\d{5}','BTT 100081')
if match:
print(match.group(0))
运行结果:100081
②、re.search(pattern, string, flags=0)
import re
match = re.match(r'[1-9]\d{5}', '100081 BIT')
if match:
print(match.group(0))
运行结果:100081
③、re.findall(pattern, string, flags=0)
ls = re.findall(r'[1-9]\d{5}', 'BIT100081 TSU100084')
print(ls)
运行结果:['100081', '100084']
④、re.split(pattern, string, maxsplit=0, flags=0)
maxsplit: 最大分割数,剩余部分作为最后一个元素输出
print(re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084'))
print(re.split(r'[1-9]\d{5}', 'BIT100081 TSU100084', maxsplit=1))
运行结果:
['BIT', ' TSU', '']
['BIT', ' TSU100084']
⑤、re.finditer(pattern, string, flags=0)
for m in re.finditer(r'[1-9]\d{5}', 'BIT100081 TSU100084'):
if m:
print(m.group(0))
运行结果:
100081
100084
⑥、re.sub(pattern, repl, string, count=0, flags=0)
repl : 替换匹配字符串的字符串。
count : 匹配的最大替换次数。
print(re.sub(r'[1-9]\d{5}', ':zipcode', 'BIT100081 TSU100084'))
运行结果:
BIT:zipcode TSU:zipcode
⑦、regex = re.compile(pattern, flags=0)
将正则表达式的字符串形式编译成正则表达式对象
三:Re库的Match对象
Match对象是一次匹配的结果,包含匹配的很多信息
import re
match = re.search(r'[1‐9]\d{5}', 'BIT 100081')
if match:
print(match.group(0))
print(type(match))
运行结果:
100081
<class 're.Match'>
1、Match对象的属性
属性 | 方法 |
---|---|
.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 |
2、Match对象的方法
方法 | 说明 |
---|---|
.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()) |
m = re.search(r'[1-9]\d{5}', 'BIT100081 TSU100084')
print(m.string)
print(m.re)
print(m.pos)
print(m.endpos)
print(m.group(0))
print(m.start())
print(m.end())
print(m.span())
运行结果:
BIT100081 TSU100084
re.compile('[1-9]\\d{5}')
0
19
100081
3
9
(3, 9)
四:Re库的贪婪匹配和最小匹配
1、贪婪匹配
Re库默认采用贪婪匹配,即输出匹配最长的子串
import re
match = re.search(r'PY.*N', 'PYANBNCNDN')
print(match.group(0))
运行结果:
PYANBNCNDN
2、最小匹配
match = re.search(r'PY.*?N', 'PYANBNCNDN')
print(match.group(0))
运行结果:
PYAN
3、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,最小匹配 |
+? | 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),最小匹配 |