python3中内置re正则表达式
注
通配符默认是贪婪模式,在通配符后加?号使用非贪婪模式
两者区别如下
>>> re.findall("p+","p pp ppp pppp")
['p', 'pp', 'ppp', 'pppp']
>>> re.findall("p+?","p pp ppp pppp")
['p', 'p', 'p', 'p', 'p', 'p', 'p', 'p', 'p', 'p']
使用
import re
即可导入模块
正则表达式
们判断一个字符串是否是合法的Email的方法是:
-
创建一个匹配Email的正则表达式;
-
用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的,所以,我们要首先了解如何用字符来描述字符。
在正则表达式中,如果直接给出字符,就是精确匹配。用\d可以匹配一个数字,\w可以匹配一个字母或数字,所以:
-
‘00\d’可以匹配’007’,但无法匹配’00A’;
-
‘\d\d\d’可以匹配’010’;
-
‘\w\w\d’可以匹配’py3’;
-
.可以匹配任意字符,所以:
'py.‘可以匹配’pyc’、‘pyo’、'py!'等等。
要匹配变长的字符,在正则表达式中,用*表示任意个字符(包括0个),用+表示至少一个字符,用?表示0个或1个字符,用{n}表示n个字符,用{n,m}表示n-m个字符:
来看一个复杂的例子:\d{3}\s+\d{3,8}。
我们来从左到右解读一下:
\d{3}表示匹配3个数字,例如’010’;
\s可以匹配一个空格(也包括Tab等空白符),所以\s+表示至少有一个空格,例如匹配’ ‘,’ '等;
\d{3,8}表示3-8个数字,例如’1234567’。
综合起来,上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。
如果要匹配’010-12345’这样的号码呢?由于’-‘是特殊字符,在正则表达式中,要用’'转义,所以,上面的正则是\d{3}-\d{3,8}。
但是,仍然无法匹配’010 - 12345’,因为带有空格。所以我们需要更复杂的匹配方式。
进阶
要做更精确地匹配,可以用[]表示范围,比如:
[0-9a-zA-Z_]可以匹配一个数字、字母或者下划线;
[0-9a-zA-Z_]+可以匹配至少由一个数字、字母或者下划线组成的字符串,比如’a100’,‘0_Z’,'Py3000’等等;
[a-zA-Z_][0-9a-zA-Z_]*可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的变量;
[a-zA-Z_][0-9a-zA-Z_]{0, 19}更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)。
A|B可以匹配A或B,所以(P|p)ython可以匹配’Python’或者’python’。
表示行的开头,\d表示必须以数字开头。
KaTeX parse error: Undefined control sequence: \d at position 8: 表示行的结束,\̲d̲表示必须以数字结束。
你可能注意到了,py也可以匹配’python’,但是加上^py$就变成了整行匹配,就只能匹配’py’了。
python中re函数
- re.match()
从第一个开始匹配,遇到不匹配的返回none
>>> text = "hehehe"
>>> re.match("he",text)
<_sre.SRE_Match object; span=(0, 2), match='he'>
>>> re.match("ehe",text)
>>>
- re.search()
在全文中匹配,只要有匹配的即可
>>> re.search("he",text)
<_sre.SRE_Match object; span=(0, 2), match='he'>
>>> re.search("ehe",text)
<_sre.SRE_Match object; span=(1, 4), match='ehe'>
- re.findall()
查找所有匹配项,返回一个列表
>>> re.findall("he",text)
['he', 'he', 'he']
- re.finditer()
查找所有匹配项,返回一个迭代器
注意这里i是一个match对象
>>> for i in re.finditer("he",text):
... i.group()
...
'he'
'he'
'he'
- re.sub()
替换函数,将匹配到的项替换成指定项
>>> re.sub("he","heihei",text)
'heiheiheiheiheihei'
- re.compile()
正则编译,先把正则表达式的规则编译好,再去匹配项
>>> reg = re.compile("py")
>>> text = "woaipython python python"
>>> reg.findall(text)
['py', 'py', 'py']