正则表达式
原子
是正则表达式中最基本的组成单位,每个正则表达式中都需要至少包含一个原子。常见的原子类型有:
- 普通字符作为原子的情况
import re
string="zaitaoshanbei"
pat="shan"
rst=re.search(pat,string)
print(rst)
输出:
<re.Match object; span=(6, 10), match=‘shan’>
- 非打印字符作为原子
#\n换行符,\t制表符 ''''''可以引入换行符
string='''zaitao
shanbei'''
pat="\n"
rst=re.search(pat,string)
print(rst)
输出
<re.Match object; span=(6, 7), match=’\n’>
- 通用字符作为原子
\w匹配任意一个字母或者数字或者下划线
\W匹配任意一个除字母,数字,下划线外的字符
\d匹配任意一个十进制数字
\D匹配任意一个除十进制外的数字
\s匹配任意一个空白字符
\S匹配任意一个除空白字符外的字符
string='''zaitao12a3456
shanbei'''
pat="\d\d\d\d"
rst=re.search(pat,string)
print(rst)
输出
<re.Match object; span=(9, 13), match=‘3456’>
string='''zaitao12a3456
shanbei'''
pat="\w\w\d\d"
rst=re.search(pat,string)
print(rst)
输出
<re.Match object; span=(4, 8), match=‘ao12’>
string='''zaitao12 a3456
shanbei'''
pat="\d\d\s\w"
rst=re.search(pat,string)
print(rst)
输出
<re.Match object; span=(6, 10), match=‘12 a’>
- 使用原子表
从原子表中任意提取出来一个
string='''zaitao12 a3456
shanbei'''
pat="z[abcde]itao"
rst=re.search(pat,string)
print(rst)
输出
<re.Match object; span=(0, 6), match=‘zaitao’>
^代表除了这个表中的原子,我都要提取
string='''zaitao12 a3456
shanbei'''
pat="z[^cde]itao"
rst=re.search(pat,string)
print(rst)
输出
<re.Match object; span=(0, 6), match=‘zaitao’>
元字符
具有特殊含义的字符
. | 除换行符以外任意一个字符 |
---|---|
^ | 开始位置 |
$ | 结束位置 |
* | 匹配前面的原子出现0、1、多次 |
? | 匹配前面的原子出现0、1次 |
+ | 匹配前面的原子出现1、多次 |
{n} | 匹配前面的原子出现n次 |
{n,} | 匹配前面的原子出现至少n次 |
{n,m} | 匹配前面的原子出现至少n次,至多m次 |
竖线 | 模式选择符或 |
() | 模式单元,匹配了很多但是只想让括号内的内容显示 |
……
模式修正符
在不改变正则表达式的情况下,通过模式修正符改变正则表达式的含义,从而实现一些匹配结果的调整等功能
I | 匹配时忽略大小写 * |
---|---|
M | 多行匹配 * |
L | 本地化识别匹配 |
U | unicode |
S | 让 . 匹配包括换行符 * |
- I举例
string='''Python123
nnn'''
pat="pyt"
rst=re.search(pat,string,re.I) #忽略大小写
print(rst)
<re.Match object; span=(0, 3), match=‘Pyt’>
贪婪模式与懒惰模式
贪婪是尽可能多匹配,比较模糊
懒惰模式是尽可能少的去匹配,比较精准
- 贪婪模式
一般是 .*
string='''Poythony123
nnn'''
pat="p.*y" #贪婪模式一直找到找不到为止,所以不是poy
rst=re.search(pat,string,re.I) #忽略大小写
print(rst)
输出
<re.Match object; span=(0, 8), match=‘Poythony’>
- 懒惰模式
一般是 .*?
string='''Poythony123
nnn'''
pat="p.*?y"
rst=re.search(pat,string,re.I) #忽略大小写
print(rst)
输出
<re.Match object; span=(0, 3), match=‘Poy’>
正则表达式函数
有re.match() re.search() re.sub() 全局匹配函数去实现功能
match()
从头开始匹配
string='''Poythony123
nnn'''
pat="p.*?y"
rst=re.match(pat,string,re.I) #忽略大小写
print(rst)
输出
<re.Match object; span=(0, 3), match=‘Poy’>
search()
任意点都可以开始匹配,从左到右,仅提取一个结果
string='''atPoythPony123
nnn'''
pat="p.*?y"
rst=re.search(pat,string,re.I) #忽略大小写
print(rst)
<re.Match object; span=(2, 5), match=‘Poy’>
全局匹配函数—re.compile(正则表达式).findall(数据)
所有匹配的都抓出来
string='''atPoythPony123
nnn'''
pat="p.*?y"
rst=re.compile(pat,re.I).findall(string) #忽略大小写
print(rst)
[‘Poy’, ‘Pony’]
常见的正则实例
匹配.com/.cn网址
import re
string = "<a href='http://www.baidu.com'>百度首页</a>"
pat="[a-zA-Z]+://[^\s]*[.com|.cn]"
rst = re.compile(pat).findall(string)
print(rst)
匹配电话号码
string = "dfda020-4521854781df d0594-43219541236sdfdfds"
pat = "\d{4}-\d{7}|\d{3}-\d{8}"
rst = re.compile(pat).findall(string)
print(rst)
[‘020-45218547’, ‘0594-4321954’]