Python知识点-正则表达式

正则表达式模式

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	匹配n个前面表达式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。
re{ n,}	精确匹配n个前面表达式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。 但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re)	匹配的独立模式，省去回溯。
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f]。
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]。
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等。	匹配一个换行符。匹配一个制表符, 等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

 

re模块，Python提供re模块，包含所有正则表达式的功能。由于Python的字符串本身也用\转义，所以要特别注意，所以最好在字符串前面加r 表示原始字符串

1.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。

import  re

r1 = re.match(r'^\d{3}\-\d{3,8}$', '022-12345')
print(r1)
r2 = re.match(r'^\d{3}\-\d{3,8}$', '022-12345').group() #返回匹配到的字符串
print(r1)
r3 = re.match(r'^\d{3}\-\d{3,8}$', '022-12345').span()  #.span 返回匹配到的开始到结束的索引元祖
print(r1)
r4 = re.match(r'^\d{3}\-\d{3,8}$', '022- 12345') #如果没有匹配到返回None
print(r2)

#结果
<_sre.SRE_Match object; span=(0, 9), match='022-12345'>
022-12345
(0, 9)
None

2.re.search ,扫描整个字符串并返回第一个成功的匹配。

print(re.search('www', 'www.runoob.com').span())  
print(re.search('com', 'www.runoob.com').span()) 

结果
(0, 3)
(11, 14)

3.re.findall ,在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

print(re.findall(r'abc','123aabc456cabc'))

结果
['abc', 'abc']

4.re.sub 用于替换字符串中的匹配项。re.sub(pattern, repl, string, count=0) ，re.subn() 返回替换的次数

import re
 
phone = "2004-959-559 # 这是一个电话号码"
 
# 删除注释
num = re.sub(r'#.*$', "", phone)
print ("电话号码 : ", num)
 
# 移除非数字的内容
num = re.sub(r'\D', "", phone)
print ("电话号码 : ", num)

结果
电话号码 :  2004-959-559 
电话号码 :  2004959559

5.re.split 按照能够匹配的子串将string分割后返回列表  re.split(pattern, string[, maxsplit=0, flags=0])

#分割
print(re.split(r'\s+', 'a b   c'))
# ['a', 'b', 'c']
print(re.split(r'[\s\,]+', 'a,b, c  d')) #以空格 逗号 分割
#['a', 'b', 'c', 'd']

6.分组操作

#普通分组
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'

# (?:) 和（）区别 (?:)不代表分组，比如(?:abc) 匹配abc
ret1 = re.search(r'nihao(?:abc){0,2}(d)','nihaoabcabcd')
print(ret1.group()) #nihaoabcabcd
print(ret1.group(1)) #d
ret2 = re.search(r'nihao(abc){0,2}(d)','nihaoabcabcd')
print(ret2.group())  #nihaoabcabcd
print(ret2.group(1))  #abc
print(ret2.group(2))  #d

#分组命名

ret = re.match(r'(?P<number>\d+)-(?P<letter>\w+)','120224-abcd')

print(ret.group())   #120224-abcd
print(ret.groups())  #('120224', 'abcd')
print(ret.groupdict())  #{'number': '120224', 'letter': 'abcd'}

print(ret.group('number'))   #120224
print(ret.group('letter'))   #abcd

print(ret.group(1))   #120224
print(ret.group(2))   #abcd

7.贪婪匹配

print(re.match(r'^(\d+)(0*)$', '102300').groups())  #('102300', '')
#由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。
print(re.match(r'^(\d+?)(0*)$', '102300').groups())  #('1023', '00')
#必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配

 

转载于:https://www.cnblogs.com/ghx1/p/10137174.html