正则表达式用法

正则表达式

正则表达式是一个特殊的字符序列，利用事先定义好的一些特定字符以及它们的组合组成一个“规则”，检查一个字符串是否与这种规则匹配来实现对字符的过滤或匹配。正则表达式是字符串处理的有力工具，但是并不是Python独有的，其他语言也有。
Python中，re模块提供了正则表达式操作所需要的功能。
大多数字母和字符一般都会和自身匹配。如果在字符串前面加了r，表示对字符串不进行转义。有些字符比较特殊，它们和自身并不匹配，而是表明应和一些特殊的东西匹配，或者会影响重复次数。这些特殊的字符我们称之为元字符。
re模块中findall()方法以列表的形式返回所有能匹配的子串，如果没有找到匹配的，则返回空列表。
Eg：>>> import re
>>> s=r’abc’
>>> re.findall(s,‘aabaab’) #无匹配
[]
>>> re.findall(s,‘aabcaabc’) #两处匹配
[‘abc’, ‘abc’]
>>> print("\nhi\n") #字符转义
hi
>>> print(r"\nhi\n") #字符不转义
\nhi\n

正则表达式元字符
1.“.”：表示除换行符以外的任意字符
（1）与“.”类似（但不相同）的一个符号是“\S”，表示不是空白符的任意字符。注意是大写字符S。
Eg：>>> import re
>>> s=‘hi,i am a student.my name is Hilton.’
>>> re.findall(r’i’,s) #匹配所有的i
[‘i’, ‘i’, ‘i’, ‘i’]
>>> re.findall(r’.’,s) #匹配除换行符以外的任意字符
[‘h’, ‘i’, ‘,’, ‘i’, ’ ‘, ‘a’, ‘m’, ’ ‘, ‘a’, ’ ‘, ‘s’, ‘t’, ‘u’, ‘d’, ‘e’, ‘n’, ‘t’, ‘.’, ‘m’, ‘y’, ’ ‘, ‘n’, ‘a’, ‘m’, ‘e’, ’ ‘, ‘i’, ‘s’, ’ ‘, ‘H’, ‘i’, ‘l’, ‘t’, ‘o’, ‘n’, ‘.’]
>>> re.findall(r’i.’,s) #匹配i后面跟除换行符以外的任意字符的形式
[‘i,’, ‘i ‘, ‘is’, ‘il’]
>>> re.findall(r’i\S’,s) #匹配i后面跟不是空白符的任意字符的形式
[‘i,’, ‘is’, ‘il’]
2.“[]”：指定字符集
（1）常用来指定一个字符集，例如：[abc]、[a-z]、[0-9]；
（2）元字符在方括号中不起作用，例如：[akmKaTeX parse error: Expected 'EOF', got '#' at position 208: …w]t',s) #̲匹配m后跟i或者w再跟t形式 …”：匹配行尾，匹配以$之前的字符结束的字符串Eg：>>>importre>>>s{=}^{\prime }hellohelloworldhelloMaryhelloJoh{n}^{\prime }>>>re.findall(r^{\prime }hello$’,s)
[]
>>> s=‘hello hello world hello Mary hello’
>>> re.findall(r’hello${}^{\prime },s){[}^{\prime }hell{o}^{\prime }]>>>s{=}^{\prime }mapmitmeemwtmeqmtm$’
>>> re.findall(r’m[aiw]KaTeX parse error: Expected 'EOF', got '#' at position 8: ',s) #̲匹配ma、mi、mw结尾的字符…]’,s) #$在[]中作为普通字符{[}^{\prime }m{a}^{\prime }{,}^{\prime }m{i}^{\prime }{,}^{\prime }m{w}^{\prime }{,}^{\prime }m{t}^{\prime }{,}^{\prime }m$’]
>>> re.findall(r’m[aiwt$]$’,s) #匹配ma、mi、mw、mt、m$结尾的字符串{[}^{\prime }m$’]
5.“\”：反斜杠后面可以加不同的字符以表示不同的特殊意义
（1）\b匹配单词头或单词尾；
（2）\B与\b相反，匹配非单词头或单词尾；
（3）\d匹配任何十进制数；相当于[0-9]；
（4）\D与\d相反，匹配任何非数字字符，相当于[^0-9]；
（5）\s匹配任何空白字符，相当于[\t\n\r\f\v]；
（6）\S与\s相反，匹配任何非空白字符，相当于[^\t\n\r\f\v]；
（7）\w匹配任何字母、数字或下画线字符，相当于[a-zA-Z0-9_]；
（8）\W与\w相反，匹配任何非字母、数字和下画线字符，相当于[^a-zA-Z0-9_]；
（9）也可以用于取消所有的元字符：\、[。
（10）这些特殊字符都可以包含在[]中。如：[\s,.]将匹配任何空白字符、",“或”."。
Eg：>>> import re
>>> s=‘0x12x3x567x8xy’
>>> re.findall(r’[0-9]’,s)
[‘0’, ‘1’, ‘2’, ‘3’, ‘5’, ‘6’, ‘7’, ‘8’]
>>> re.findall(r’\d’,s)
[‘0’, ‘1’, ‘2’, ‘3’, ‘5’, ‘6’, ‘7’, ‘8’]
>>> re.findall(r’[x\d]’,s) #匹配字母“x”或数字
[‘0’, ‘x’, ‘1’, ‘2’, ‘x’, ‘3’, ‘x’, ‘5’, ‘6’, ‘7’, ‘x’, ‘8’, ‘x’]
正则表达式除了能够匹配不定长的字符集，还能指定正则表达式的一部分的重复次数，所涉及的元字符有“*”、“+”、“?”、“{}”。
6.“”：匹配位于之前的字符或子模式的0次或多次出现
Eg：>>> import re
>>> s=‘a ab abbbbb abbbbbxa’
>>> re.findall(r’ab*’,s) #a后面跟重复0到多次的b
[‘a’, ‘ab’, ‘abbbbb’, ‘abbbbb’, ‘a’]
7.“+”：匹配位于+之前的字符或子模式的1次或多次出现
Eg：>>> import re
>>> s=‘a ab abbbbb abbbbbxa’
>>> re.findall(r’ab+’,s) #a后面跟重复1到多次的b
[‘ab’, ‘abbbbb’, ‘abbbbb’]
8.“?”：匹配位于?之前的0个或1个字符
当“?”紧随其他限定符（、+、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。
Eg：>>> import re
>>> s=‘a ab abbbbb abbbbbxa’
>>> re.findall(r’ab+’,s) #最大模式、贪心模式
[‘ab’, ‘abbbbb’, ‘abbbbb’]
>>> re.findall(r’ab+?’,s) #最小模式、非贪心模式
[‘ab’, ‘ab’, ‘ab’]
9.“{m,n}”：表示至少有m个重复，至多有n个重复。m,n均为十进制数
（1）忽略m表示0个重复，忽略n表示无穷多个重复。
（2）{0,}等同于**；{1,}等同于+；{0,1}与?相同。但是如果可以的话，最好使用*、+、或？。
Eg：>>> import re
>>> s=‘a b baaaaba’
>>> re.findall(r’a{1,3}’,s)
[‘a’, ‘aaa’, ‘a’, ‘a’]
>>> s=‘021-33507yyx,021-33507865,010-12345678,021-123456789’
>>> re.findall(r’021-\d{8}’,s)
[‘021-33507865’, ‘021-12345678’]
>>> re.findall(r’\b021-\d{8}\b’,s) #\b表示匹配字符串的头或尾
[‘021-33507865’]