python re库,Python中的Re库简要总结

一、正则表达式

正则表达式(regular expression)(regex)(RE)，用来简洁表达一组字符的表达式，由字符和操作符构成。

通用的字符串表达框架

简洁表达一组字符串的表达式

针对字符串表达“简洁”和“特征”思想的工具

判断某字符串的特征归属

正则表达式常用于文本处理

表达文本类型的特征(病毒、入侵等)

同时查找或替换一组字符串

匹配字符串的全部或部分

正则表达式的使用

编译：将符合正则表达式语法的字符串转换为正则表达式特征

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(默认除换行符)

[]

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的单个字符

[^]

非字符集，对单个字符给出排除范围

[^abc]表示非a或非b或非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且在一个字符串的开头

$

匹配字符串结尾

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|def)表示abc、def

\d

数字，等价于[0-9]

\w

单词字符，等价于[A-Za-z0-9_]

语法实例

正则表达式

对应字符串

P(Y|YT|YTH|YTHO)?N

‘PN’、’PYN’、’PYTN’、’PYTHN’、’PYTHON’

PYTHON+

‘PYTHON’、’PYTHONN’、’PYTHONNN’……

PY[TH]ON

‘PYTON’、’PYHON’

PY[^TH]?ON

‘PYON’、’PYaON’、’PYbON’、’PYcON’……

PY{:3}ON

‘PN’、’PYN’、’PYYN’、’PYYYN’

经典实例

正则表达式

意义

^[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

^ [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 3位-8位或4位-7位

二、Re库

Re库是Python的标准库，主要用于字符串匹配，调用方法“import re”

1、正则表达式的类型

Re库采用raw string(原生字符串类型)表达正则表达式，表示为r'text'，raw string是不包含转义符的字符串

如 r'[1-9]\d{5}'、r'\d{3}-\d{8}|\d{4}-\d{7}’

string类型更繁琐，需要对一些特殊符号进行转义

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()

从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()函数

re.search(pattern,string,flags = 0)

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

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

1 import re

2 match = re.search(r'[1-9]\d{5}','BIT 100081')

3 if match:

4 print(match.group(0))

5 100081

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^操作符能够将给定字符串的每行当做匹配开始

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

(2)re.match()函数

re.match(pattern,string,flags = 0)

从一个字符串的开始位置起匹配正则表达式，返回match对象

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

1 import re

2 match = re.match(r'[1-9]\d{5}','BIT 100081')

3 if match:

4 print(match.group(0))

5

6 match.group(0)

7 Traceback (most recent call last):

8 File "", line 1, in

9 AttributeError: 'NoneType' object has no attribute 'group'

由以上代码可看出，匹配不出以'BIT'开头的字符串，调用match.group(0)返回为空

1 import re

2 match = re.match(r'[1-9]\d{5}','100081 BIT')

3 if match:

4 print(match.group(0))

5 100081

(3)re.findall()函数

re.findall(pattern,string,flags = 0)

搜索字符串，以列表类型返回全部能匹配的子串

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

1 import re

2 ls = re.findall(r'[1-9]\d{5}','BIT100081 TSU100084')

3 ls

4 ['100081', '100084']

(4)re.split()函数

re.split(pattern,string,maxsplit = 0,flags = 0)

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

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

maxsplit:最大分割数，剩余部分作为最后一个元素输出

flags:正则表达式使用时的控制标记

1 import re

2 re.split(r'[1-9]\d{5}','BIT100081 TSU100084')

3 ['BIT', ' TSU', ''] #将匹配的字符串去掉，剩余分割部分放入一个列表

4 re.split(r'[1-9]\d{5}','BIT100081 TSU100084',maxsplit = 1)

5 ['BIT', ' TSU100084'] #将匹配的第一个字符串去掉，剩余分割部分放入一个列表(匹配的第一个字符串后的所有部分作为一个整体)

(5)re.finditer()函数

re.finditer(pattern,string,flags = 0)

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

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

1 import re

2 for m in re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084'):

3 if m:

4 print(m.group(0))

5 100081

6 100084

(6)re.sup()函数

re.sup(pattern,repl,string,count = 0,flags = 0)

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

pattern:正则表达式的字符串或原生字符串表示

repl:替换匹配字符串的字符串

string:待匹配字符串

count:匹配的最大替换次数

flags:正则表达式使用时的控制标记

1 import re

2 re.sub(r'[1-9]\d{5}','zipcode','BIT100081 TSU100084')

3 'BITzipcode TSUzipcode'

3、Re库的用法

(1)函数式用法：一次性操作

1 rst = re.search(r’[1-9]\d{5}’,’BIT 100081’)

(2)面向对象用法：编译后的多次操作

1 pat = re.compile(r’[1-9]\d{5}’)

2 rst = pat.search(‘BIT 100081’)

(3)re.compile()函数

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

pattern:正则表达式的字符串或原生字符串表示

flags:正则表达式使用时的控制标记

经过re.compile()方法后,regex被编译为正则表达式对象，可以使用对象方法，即regex.search()、regex.match()、regex.findall()、regex.split()、regex.finditer()、regex.sub()

1 import re

2 regex = re.compile(r'[1-9]\d{5}')

3 regex.search('100081')

4

5 regex.search('100081').group(0)

6 '100081'

4、Match对象

(1)Match的属性

属性

说明

.string

待匹配的文本

.re

匹配时使用的pattern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

1 import re

2 m = re.search(r'[1-9]\d{5}','BIT100081 TSU100084')

3 m.string #待匹配的字符串

4 'BIT100081 TSU100084'

5 m.re #匹配时使用的正则表达式

6 re.compile('[1-9]\\d{5}')

7 m.pos #正则表达式搜索文本的开始位置

8 0

9 m.endpos #正则表达式搜索文本的结束位置

10 19

(2)Match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())

1 import re

2 m = re.search(r'[1-9]\d{5}','BIT100081 TSU100084')

3 m.group(0) #获得匹配后的字符串

4 '100081' #返回第一次匹配的结果

5 m.start() #匹配字符串在原始字符串的开始位置

6 3

7 m.end() #匹配字符串在原始字符串的结束位置

8 9

9 m.span() #返回(.start(),.end())

10 (3, 9)

5、贪婪匹配和最小匹配

(1)贪婪匹配

贪婪匹配即匹配最长的子串，Re库默认采用贪婪匹配

1 import re

2 match = re.search(r'PY.*N','PYANBNCNDN')

3 match.group(0)

4 'PYANBNCNDN'

(2)最小匹配

最小匹配即匹配最短的子串

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

1 import re

2 match = re.search(r'PY.*?N','PYANBNCNDN') #最小匹配

3 match.group(0)

4 'PYAN'

资料来源：北京理工大学，嵩天，MOOC

标签：简要,匹配,string,re,Python,Re,字符串,正则表达式,match

来源： https://www.cnblogs.com/huskysir/p/12467491.html