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 E g : > > > i m p o r t r e > > > s = ′ h e l l o h e l l o w o r l d h e l l o M a r y h e l l o J o h n ′ > > > r e . f i n d a l l ( r ′ h e l l o 之前的字符结束的字符串 Eg:>>> import re >>> s='hello hello world hello Mary hello John' >>> re.findall(r'hello 之前的字符结束的字符串Eg:>