正则表达式
正则表达式本身是一种小型的、高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序员们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行。
正则表达式是用来匹配处理字符串的 python 中使用正则表达式需要引入re模块
如:
import re #第一步,要引入re模块
a = re.findall("匹配规则", "要匹配的字符串") #第二步,调用模块函数
以列表形式返回匹配到的字符串
如:
#!/usr/bin/env python#-*- coding:utf-8 -*-
import re #第一步,要引入re模块
a = re.findall("匹配规则", "这个字符串是否有匹配规则的字符") #第二步,调用模块函数
print(a) #以列表形式返回匹配到的字符串#打印出 ['匹配规则']
^元字符
字符串开始位置与匹配规则符合就匹配,否则不匹配
匹配字符串开头。在多行模式中匹配每一行的开头
^元字符如果写到[]字符集里就是反取
#!/usr/bin/env python#-*- coding:utf-8 -*-
import re #第一步,要引入re模块
a = re.findall("^匹配规则", "匹配规则这个字符串是否匹配") #字符串开始位置与匹配规则符合就匹配,否则不匹配
print(a) #以列表形式返回匹配到的字符串#打印出 ['匹配规则']
[^a-z]反取,匹配出除字母外的字符,^元字符如果写到字符集里就是反取
#!/usr/bin/env python#-*- coding:utf-8 -*-
import re #第一步,要引入re模块
a = re.findall("[^a-z]", "匹配s规则这s个字符串是否s匹配f规则则re则则则") #反取,匹配出除字母外的字符
print(a) #以列表形式返回匹配到的字符串#打印出 ['匹', '配', '规', '则', '这', '个', '字', '符', '串', '是', '否', '匹', '配', '规', '则', '则', '则', '则', '则']
$元字符
字符串结束位置与匹配规则符合就匹配,否则不匹配
匹配字符串末尾,在多行模式中匹配每一行的末尾
#!/usr/bin/env python#-*- coding:utf-8 -*-
import re #第一步,要引入re模块
a = re.findall("匹配规则$", "这个字符串是否匹配规则") #字符串结束位置与匹配规则符合就匹配,否则不匹配
print(a) #以列表形式返回匹配到的字符串#打印出 ['匹配规则']
*元字符
需要字符串里完全符合,匹配规则,就匹配,(规则里的*元字符)前面的一个字符可以是0个或多个原本字符
匹配前一个字符0或多次,贪婪匹配前导字符有多少个就匹配多少个很贪婪
如果规则里只有一个分组,尽量避免用*否则会有可能匹配出空字符串
#!/usr/bin/env python#-*- coding:utf-8 -*-
import re #第一步,要引入re模块
a = re.findall("匹配规则*", "这个字符串是否匹配规则则则则则") #需要字符串里完全符合,匹配规则,就匹配,(规则里的*元字符)前面的一个字符可以是0或多个原本字符
print(a) #以列表形式返回匹配到的字符串#打印出 ['匹配规则则则则则']
+元字符
需要字符串里完全符合,匹配规则,就匹配,(规则里的+元字符)前面的一个字符可以是1个或多个原本字符
匹配前一个字符1次或无限次,贪婪匹配前导字符有多少个就匹配多少个很贪婪
#!/usr/bin/env python#-*- coding:gbk -*-
import re #第一步,要引入re模块
a = re.findall("匹配+", "匹配配配配配规则这个字符串是否匹配规则则则则则") #需要字符串里完全符合,匹配规则,就匹配,(规则里的+元字符)前面的一个字符可以是1个或多个原本字符
print(a) #以列表形式返回匹配到的字符串#打印出 ['匹配配配配配', '匹配']
?元字符,和防止贪婪匹配
需要字符串里完全符合,匹配规则,就匹配,(规则里的?元字符)前面的一个字符可以是0个或1个原本字符
匹配一个字符0次或1次
还有一个功能是可以防止贪婪匹配,详情见防贪婪匹配
#!/usr/bin/env python#-*- coding:utf-8 -*-
import re #第一步,要引入re模块
a = re.findall("匹配规则?", "匹配规这个字符串是否匹配规则则则则则") #需要字符串里完全符合,匹配规则,就匹配,(规则里的?元字符)前面的一个字符可以是0个或1个原本字符
print(a) #以列表形式返回匹配到的字符串#打印出 ['匹配规', '匹配规则']
{}元字符,范围
需要字符串里完全符合,匹配规则,就匹配,(规则里的 {} 元字符)前面的一个字符,是自定义字符数,位数的原本字符
{m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次
{0,}匹配前一个字符0或多次,等同于*元字符
{+,}匹配前一个字符1次或无限次,等同于+元字符
{0,1}匹配前一个字符0次或1次,等同于?元字符
View Code
[]元字符,字符集
需要字符串里完全符合,匹配规则,就匹配,(规则里的 [] 元字符)对应位置是[]里的任意一个字符就匹配
字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,如[abc]或[a-c]。[^abc]表示取反,即非abc。
所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。
View Code
[^]非,反取,匹配出除[^]里面的字符,^元字符如果写到字符集里就是反取
View Code
反斜杠后边跟普通字符实现特殊功能;(即预定义字符)
预定义字符是在字符集和组里都是有用的
\d匹配任何十进制数,它相当于类[0-9]
View Code
\d+如果需要匹配一位或者多位数的数字时用
View Code
\D匹配任何非数字字符,它相当于类[^0-9]
View Code
\s匹配任何空白字符,它相当于类[\t\n\r\f\v]
View Code
\S匹配任何非空白字符,它相当于类[^\t\n\r\f\v]
View Code
\w匹配包括下划线在内任何字母数字字符,它相当于类[a-zA-Z0-9_]
View Code
\W匹配非任何字母数字字符包括下划线在内,它相当于类[^a-zA-Z0-9_]
View Code
()元字符,分组
也就是分组匹配,()里面的为一个组也可以理解成一个整体
如果()后面跟的是特殊元字符如 (adc)* 那么*控制的前导字符就是()里的整体内容,不再是前导一个字符
列1
View Code
列2
View Code
|元字符,或
|或,或就是前后其中一个符合就匹配
View Code
r原生字符
将在python里有特殊意义的字符如\b,转换成原生字符(就是去除它在python的特殊意义),不然会给正则表达式有冲突,为了避免这种冲突可以在规则前加原始字符r
re模块中常用功能函数
正则表达式有两种书写方式,一种是直接在函数里书写规则,
View Code
match()函数(以后常用)
match,从头匹配一个符合规则的字符串,从起始位置开始匹配,匹配成功返回一个对象,未匹配成功返回None
match(pattern, string, flags=0)
# pattern: 正则模型
# string : 要匹配的字符串
# falgs : 匹配模式
注意:match()函数 与 search()函数基本是一样的功能,不一样的就是match()匹配字符串开始位置的一个符合规则的字符串,search()是在字符串全局匹配第一个合规则的字符串
View Code
?P #?P<>定义组里匹配内容的key(键),<>里面写key名称,值就是匹配到的内容(只对正则函数返回对象的有用)
取出匹配对象方法
只对正则函数返回对象的有用
group() # 获取匹配到的所有结果,不管有没有分组将匹配到的全部拿出来,有参取匹配到的第几个如2
groups() # 获取模型中匹配到的分组结果,只拿出匹配到的字符串中分组部分的结果
groupdict() # 获取模型中匹配到的分组结果,只拿出匹配到的字符串中分组部分定义了key的组结果
search()函数
search,浏览全部字符串,匹配第一符合规则的字符串,浏览整个字符串去匹配第一个,未匹配成功返回None
search(pattern, string, flags=0)
# pattern: 正则模型
# string : 要匹配的字符串
# falgs : 匹配模式
注意:match()函数 与 search()函数基本是一样的功能,不一样的就是match()匹配字符串开始位置的一个符合规则的字符串,search()是在字符串全局匹配第一个合规则的字符串
View Code
findall()函数(以后常用)
findall(pattern, string, flags=0)
# pattern: 正则模型
# string : 要匹配的字符串
# falgs : 匹配模式
浏览全部字符串,匹配所有合规则的字符串,匹配到的字符串放到一个列表中,未匹配成功返回空列表
注意:一旦匹配成,再次匹配,是从前一次匹配成功的,后面一位开始的,也可以理解为匹配成功的字符串,不在参与下次匹配
View Code
注意:如果没写匹配规则,也就是空规则,返回的是一个比原始字符串多一位的,空字符串列表
View Code
注意:正则匹配到空字符的情况,如果规则里只有一个组,而组后面是*就表示组里的内容可以是0个或者多过,这样组里就有了两个意思,一个意思是匹配组里的内容,二个意思是匹配组里0内容(即是空白)所以尽量避免用*否则会有可能匹配出空字符串
注意:正则只拿组里最后一位,如果规则里只有一个组,匹配到的字符串里在拿组内容是,拿的是匹配到的内容最后一位
View Code
无分组:匹配所有合规则的字符串,匹配到的字符串放到一个列表中
View Code
有分组:只将匹配到的字符串里,组的部分放到列表里返回,相当于groups()方法
View Code
多个分组:只将匹配到的字符串里,组的部分放到一个元组中,最后将所有元组放到一个列表里返
相当于在group()结果里再将组的部分,分别,拿出来放入一个元组,最后将所有元组放入一个列表返回
View Code
分组中有分组:只将匹配到的字符串里,组的部分放到一个元组中,先将包含有组的组,看作一个整体也就是一个组,把这个整体组放入一个元组里,然后在把组里的组放入一个元组,最后将所有组放入一个列表返回
View Code
?:在有分组的情况下findall()函数,不只拿分组里的字符串,拿所有匹配到的字符串,注意?:只用于不是返回正则对象的函数如findall()
View Code
split()函数
根据正则匹配分割字符串,返回分割后的一个列表
split(pattern, string, maxsplit=0, flags=0)
# pattern: 正则模型
# string : 要匹配的字符串
# maxsplit:指定分割个数
# flags : 匹配模式
按照一个字符将全部字符串进行分割
#!/usr/bin/env python#-*- coding:utf8 -*-
import re
origin = "hello alex bcd alex lge alex acd 19"
r = re.split("a", origin) #根据正则匹配分割字符串
print(r)
#输出结果 ['hello ', 'lex bcd ', 'lex lge ', 'lex ', 'cd 19']#根据a进行分组
将匹配到的字符串作为分割标准进行分割
#!/usr/bin/env python#-*- coding:utf8 -*-
import re
origin = "hello alex bcd alex lge alex 2acd 19"
r = re.split("a\w+", origin) #根据正则匹配分割字符串
print(r)
#输出结果 ['hello ', ' bcd ', ' lge ', ' 2', ' 19']#将匹配到的字符串作为分割标准进行分割
sub()函数
替换匹配成功的指定位置字符串
sub(pattern, repl, string, count=0, flags=0)
# pattern: 正则模型
# repl : 要替换的字符串
# string : 要匹配的字符串
# count : 指定匹配个数
# flags : 匹配模式
View Code
subn()函数
替换匹配成功的指定位置字符串,并且返回替换次数,可以用两个变量分别接受
subn(pattern, repl, string, count=0, flags=0)
# pattern: 正则模型
# repl : 要替换的字符串
# string : 要匹配的字符串
# count : 指定匹配个数
# flags : 匹配模式
View Code
元字符表
.
需要字符串里完全符合,匹配规则,就匹配,(规则里的.元字符)可以是任何一个字符,匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符)
a.c
abc
\
1.反斜杠后边跟元字符去除特殊功能;(即将特殊字符转义成普通字符),2.反斜杠后边跟普通字符实现特殊功能;(即预定义字符),3.\2引用序号对应的字组
a\.c;a\\c
a.c;a\c
*
需要字符串里完全符合,匹配规则,就匹配,(规则里的*元字符)前面的一个字符可以是0个或多个原本字符,匹配前一个字符0或多次,贪婪匹配前导字符有多少个就匹配多少个很贪婪,如果规则里只有一个分组,尽量避免用*否则会有可能匹配出空字符串
abc*
ab;abccc
+
需要字符串里完全符合,匹配规则,就匹配,(规则里的+元字符)前面的一个字符可以是1个或多个原本字符,匹配前一个字符1次或无限次,贪婪匹配前导字符有多少个就匹配多少个很贪婪
abc+
abc;abccc
?
需要字符串里完全符合,匹配规则,就匹配,(规则里的?元字符)前面的一个字符可以是0个或1个原本字符,匹配一个字符0次或1次,还有一个功能是可以防止贪婪匹配,详情见防贪婪匹配
abc?
ab;abc
^
字符串开始位置与匹配规则符合就匹配,否则不匹配,匹配字符串开头。在多行模式中匹配每一行的开头,^元字符如果写到[]字符集里就是反取
^abc
abc
$
字符串结束位置与匹配规则符合就匹配,否则不匹配,匹配字符串末尾,在多行模式中匹配每一行的末尾
abc$
abc
|
|或,或就是前后其中一个符合就匹配
abc|def
abc
def
{}
需要字符串里完全符合,匹配规则,就匹配,(规则里的{}元字符)前面的一个字符,是自定义字符数,位数的原本字符,{m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次,{0,}匹配前一个字符0或多次,等同于*元字符,{+,}匹配前一个字符1次或无限次,等同于+元字符,{0,1}匹配前一个字符0次或1次,等同于?元字符
ab{1,2}c
abc
abbc
[]
需要字符串里完全符合,匹配规则,就匹配,(规则里的[]元字符)对应位置是[]里的任意一个字符就匹配,字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,如[abc]或[a-c]。[^abc]表示取反,即非abc。所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。
a[bcd]e
abe
ace
ade
()
也就是分组匹配,()里面的为一个组也可以理解成一个整体,如果()后面跟的是特殊元字符如(adc)*那么*控制的前导字符就是()里的整体内容,不再是前导一个字符
(abc){2}
a(123|456)c
abcabc
a456c
预定义字符集表,可以写在字符集[...]中
\d
\d匹配任何十进制数,它相当于类[0-9],\d+如果需要匹配一位或者多位数的数字时用
a\bc
a1c
\D
\D匹配任何非数字字符,它相当于类[^0-9]
a\Dc
abc
\s
\s匹配任何空白字符,它相当于类[\t\n\r\f\v]
a\sc
a c
\S
\S匹配任何非空白字符,它相当于类[^\t\n\r\f\v]
a\Sc
abc
\w
\w匹配包括下划线在内任何字母数字字符,它相当于类[a-zA-Z0-9_]
a\wc
abc
\W
\W匹配非任何字母数字字符包括下划线在内,它相当于类[^a-zA-Z0-9_]
a\Wc
a c
\A
仅匹配字符串开头,同^
\Aabc
abc
\Z
仅匹配字符串结尾,同$
abc\Z
abc
\b
b匹配一个单词边界,也就是指单词和空格间的位置
\babc\b
a\b!bc
空格abc空格
a!bc
\B
[^\b]
a\Bbc
abc
特殊分组用法表:只对正则函数返回对象的有用
(?P)
?P<>定义组里匹配内容的key(键),<>里面写key名称,值就是匹配到的内容,在用groupdict()方法打印字符串
(?Pabc){2}
abcabc
(?P=name)
引用别名为的分组匹配到字符串
(?P\d)abc(?P=id)
1abc1
5abc5
\
引用编号为的分组匹配到字符串
(\d)abc\1
1abc1
5abc5
正则匹配模式表
标志
含义
re.S(DOTALL)
使.匹配包括换行在内的所有字符
re.I(IGNORECASE)
使匹配对大小写不敏感
re.L(LOCALE)
做本地化识别(locale-aware)匹配,法语等
re.M(MULTILINE)
多行匹配,影响^和$
re.X(VERBOSE)
该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U
根据Unicode字符集解析字符,这个标志影响\w,\W,\b,\B
正则表达式重点
一、
r原生字符
将在python里有特殊意义的字符如\b,转换成原生字符(就是去除它在python的特殊意义),不然会给正则表达式有冲突,为了避免这种冲突可以在规则前加原始字符r
二、
正则表达式,返回类型为表达式对象的
如:<_sre.sre_match object span="(6," match="a">
返回对象的,需要用正则方法取字符串,
方法有
group() # 获取匹配到的所有结果,不管有没有分组将匹配到的全部拿出来,有参取匹配到的第几个如2
groups() # 获取模型中匹配到的分组结果,只拿出匹配到的字符串中分组部分的结果
groupdict() # 获取模型中匹配到的分组结果,只拿出匹配到的字符串中分组部分定义了key的组结果
三、
匹配到的字符串里出现空字符
注意:正则匹配到空字符的情况,如果规则里只有一个组,而组后面是*就表示组里的内容可以是0个或者多过,这样组里就有了两个意思,一个意思是匹配组里的内容,二个意思是匹配组里0内容(即是空白)所以尽量避免用*否则会有可能匹配出空字符串
四、
()分组
注意:分组的意义,就是在匹配成功的字符串中,在提取()里,组里面的字符串
五、
?:在有分组的情况下findall()函数,不只拿分组里的字符串,拿所有匹配到的字符串,注意?:只用于不是返回正则对象的函数如findall()