正则表达式简介
概念
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这 些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一 种过滤逻辑(可以用来做检索,截取或者替换操作)。
作用
1.给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”)。
2.可以通过正则表达式,从字符串中获取我们想要的特定部分。
3.还可以对目标字符串进行替换操作。
match(pattern,string,flags=0 | 根据 pattern 从 string 的头部开始匹配字符串,只返回第 1 次匹配成功的对 象;否则,返回 Non |
findall(pattern,string,flags=0) | 根据 pattern 在 string 中匹配字符串。如果匹配成功,返回包含匹配结果的 列表;否则,返回空列表。当 pattern 中有分组时,返回包含多个元组的 列表,每个元组对应 1 个分组。flags 表示规则选项,规则选项用于辅助匹 配。 |
sub(pattern,repl,string,count=0) | 根据指定的正则表达式,替换源字符串中的子串。pattern 是一个正则表达 式,repl 是用于替换的字符串,string 是源字符串。如果 count 等于 0,则 返回 string 中匹配的所有结果;如果 count 大于 0,则返回前 count 个匹配 |
subn(pattern,repl,string,count=0) | 作用和 sub()相同,返回一个二元的元组。第 1 个元素是替换结果,第 2 个元素是替换的次数 |
search(pattern,string,flags=0) | 根据 pattern 在 string 中匹配字符串,只返回第 1 次匹配成功的对象。如果 匹配失败,返回 None |
compile(pattern,flags=0) | 编译正则表达式 pattern,返回 1 个 pattern 的对象 |
split(pattern,string,maxsplit=0) | 根据 pattern 分隔 string,maxsplit 表示最大的分隔 |
escape(pattern) | 匹配字符串中的特殊字符,如*、+、?等 |
math方法
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。语法格式如下:
import re
s='hello python' pattern='hello' v=re.match(pattern,s)
print(v)
print(v.group())
print(v.span())
match 方法中 flag 可选标志的使用
import re
s = 'hello Python!' m=re.match('hello python',s,re.I) #忽略大小写
if m is not None:
print('匹配成功结果是:',m.group())
else:
print('匹配失败')
常用匹配符
符号 | 描述 |
. | 匹配任意一个字符(除了\n) |
[] | 匹配列表中的字符 |
\w | 匹配字母、数字、下划线,即 a-z,A-Z,0-9, |
\W | 匹配不是字母、数字、下划线 |
\s | 匹配空白字符,即空格(\n,\t) |
\S | 匹配不是空白的字符 |
\d | 匹配数字,即 0-9 |
\D | 匹配非数字的字符 |
匹配手机号码
import re
print('---------手机号码-----------')
# pattern='\d\d\d\d\d\d\d\d\d\d\d'#匹配手机号
pattern='1[35789]\d\d\d\d\d\d\d\d\d'#匹配手机号
s='13456788789' v=re.match(pattern,s)
print(v)
利用{}可以控制符号重复的次数
print('------*的使用--------')
pattern='\d*' #0 次或多次
s='123abc' s='abc' #这时候不是 None 而是'',因为 abc 前面默认有空
v=re.match(pattern,s)
print(v)
print('-----+的使用---------')
pattern='\d+' #1 次或多次
s='123abc' s='abc' #这时候是 None
v=re.match(pattern,s)
print(v)
print('-----?的使用---------')
pattern='\d?' #0 次或 1 次
# s='123abc' s='abc' #这时候是空
v=re.match(pattern,s)
print(v)
print('-----{m}的使用---------')
pattern='\d{3}' #出现 m 次
pattern='\d{2}' #出现 m 次
pattern='\d{4}' #出现 m 次
s='123abc' v=re.match(pattern,s)
print(v)
print('-----{m,}的使用---------')
# pattern='\d{3,}' #出现大于 m 次 尽可能满足的都返回
pattern='\d{2,4}' #出现 m 到 n 次
s='1234567abc' v=re.match(pattern,s)
print(v)
原生字符串 在大多数编程语言相同,正则表达式里使用“\”作为转义字符,这就可以能造成反斜 杠困扰。示例如下: 【示例】“\”作为转义字符
s='c:\\a\\b\\c'
print(s)
假如你需要匹配文本中的字符“\”,那么使用编程语言表示的正则表达式里将需要 4 个反斜杠“\\\\”:前面两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反 斜杠后再在正则表达式里转义成一个反斜杠。】使用 Python 的 r 前缀,原生自符串。例如匹配一个数字的“\\d”可以写成 r“\d”。
import re
s='c:\\a\\b\\c' m=re.match('c:\\a\\b',s)
if m is not None:
print('匹配的结果 1:',m.group())
m=re.match('c:\\\\a\\\\b',s)
if m is not None:
print('匹配的结果 2:',m.group())
#使用 Python 中的 r 前缀
m=re.match(r'c:\\a\\b',s)
if m is not None:
print('使用 Python 中的 r 前缀后匹配的结果:',m.group()
search 方法
match 与 search 的区别 re.match 只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数 返回 None;而 re.search 匹配整个字符串,直到找到一个匹配。
import re
#进行文本模式匹配,匹配失败,match 方法返回 None
m=re.match('love','I love you')
if m is not None:
print(m.group())
print('match 运行结果:',m)
#进行文本模式搜索,
m=re.search('love','I love you')
if m is not None:
print(m.group())
print('search 的运行结果:',m)
re 模块中其他常用的函数 sub 和 subn
import re
phone = "2004-959-559 # 这是一个国外电话号码" # 删除字符串中的 Python 注释
num = re.sub(r'#.*$', "", phone)
print("电话号码是: ", num)
# 删除非数字(-)的字符串
num = re.sub(r'\D', "", phone)
print("电话号码是 : ", num)
#subn 函数的使用
result=re.subn(r'\D', "", phone)
print(result)
print('替换的结果:',result[0])
print('替换的次数:',result[1])
【示例】compile 函数的使
import re
s='first123 line' regex=re.compile(r'\w+') #匹配至少一个字母或数字
m=regex.match(s)
print(m.group())
# s 的开头是 "f", 但正则中限制了开始为 i 所以匹配失败
regex = re.compile("^i\w+")
print(regex.match(s))
findall 函数
pattern=r'\w+' s='first 1 second 2 third 3' o=re.findall(pattern,s)
print(o)
finditer 函数
pattern=r'\w+' s='first 1 second 2 third 3' o=re.finditer(pattern,s)
print(o)
for i in o:
贪婪模式和非贪婪
贪婪模式指 Python 里数量词默认是贪婪的,总是尝试匹配尽可能多的字符。非贪婪模 式与贪婪相反,总是尝试匹配尽可能少的字符,可以使用"*","?","+","{m,n}"后面加上?,使 贪婪变成非贪婪
v = re.match(r'(.+)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print('----------贪婪模式---------')
print(v.group(1))
print(v.group(2))
print('----------非贪婪模式---------')
v = re.match(r'(.+?)(\d+-\d+-\d+)','This is my tel:133-1234-1234')
print(v.group(1))
print(v.group(2))