re 模块
正则表达式
需要使用re模块,re模块用于对python的正则表达式的操作
语法
import re #导入模块名
# 生成要匹配的正则对象 , ^代表从开头匹配,[0-9]代表匹配0至9的任意一个数字, 所以这里的意思是对传进来的字符串进行匹配,如果这个字符串的开头第一个字符是数字,就代表匹配上了
p = re.compile("^[0-9]")
# 按上面生成的正则对象 去匹配 字符串, 如果能匹配成功,这个m就会有值, 否则m为None
if m: #不为空代表匹配上了
m = p.match('14534Abc')
# m.group()返回匹配上的结果,此处为1,因为匹配上的是1这个字符
else:
print("doesn't match.")
print(m.group())
上面的第2 和第3行也可以合并成一行来写:
m = p.match("^[0-9]",'14534Abc')
效果是一样的,区别在于:
第一种方式是提前对要匹配的格式进行了编译(对匹配公式进行解析),这样再去匹配的时候就不用在编译匹配的格式
第二种简写是每次匹配的时候 都要进行一次匹配公式的编译
所以,如果你需要从一个5w行的文件中匹配出所有以数字开头的行,建议先把正则公式进行编译再匹配,这样速度会快点
正则表达式元字符:
字符匹配 :
. :除换行符以外的任意单个字符
[] :指定范围内字符
[^] :指定范围外字符
次数匹配:
* :任意次,0,1,多次
.* :任意字符 任意次
? :至多1次或0次
+ :至少出现1次或多次
{m} :其前面字符出现m次
{m,n} :其前面字符出现至少m次,至多n次
{m,} :其前面字符出现至少m次
{,n} :其前面字符出现至多n次
位置锚定:
^ :匹配字符串的开头
$ :匹配字符串的末尾
分组及引用:
() :分组,括号内模式会被记录于正则表达式引擎
后向引用 :\1 \2 \3.....
或:
a|b :a或者b
C|cat :C或cat
(C|c)at :Cat或cat
转义字符:
\w :匹配字母数字
\W :匹配非字母数字
\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 :匹配一个换行符
\t :匹配一个制表符
\1...\9 :匹配第n个分组的子表达式
正则表达式常用5种操作:
1、re.match(pattern, string, flags=0)
从起始位置开始根据模型去字符串中匹配指定内容,匹配单个
正则表达式
要匹配的字符串
标志位,用于控制正则表达式的匹配方式
import re
obj = re.match('\d+', '957evescn')
if obj:
print(obj.group())
# 输出结果
957
标志位
# flags
I = IGNORECASE = sre_compile.SRE_FLAG_IGNORECASE # ignore case
L = LOCALE = sre_compile.SRE_FLAG_LOCALE # assume current 8-bit locale
U = UNICODE = sre_compile.SRE_FLAG_UNICODE # assume unicode locale
M = MULTILINE = sre_compile.SRE_FLAG_MULTILINE # make anchors look for newline
S = DOTALL = sre_compile.SRE_FLAG_DOTALL # make dot match newline
X = VERBOSE = sre_compile.SRE_FLAG_VERBOSE # ignore whitespace and comments
2、re.search(pattern, string, flags=0)
匹配整个字符串,返回第一个符合条件的匹配
import re
obj = re.search('\d+', 'gmkk957evescn')
if obj:
print(obj.group())
# 输出结果
957
3、group和groups
import re
a = "123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group())
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(0))
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(1))
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(2))
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).group(3))
print(re.search("([0-9]*)([a-z]*)([0-9]*)", a).groups())
# 输出结果
123abc456
123abc456
123
abc
456
('123', 'abc', '456')
4、re.findall(pattern, string, flags=0)
找到所有要匹配的字符并返回列表格式
import re
obj = re.findall('\D+', 'evescn666gmkk')
print(obj)
# 输出结果
['evescn', 'gmkk']
5、re.sub(pattern, repl, string, count=0, flags=0)
替换匹配到的字符
import re
content = "123abc456"
new_content = re.sub('\d+', 'sb', content)
# new_content = re.sub('\d+', 'sb', content, 1)
print(new_content)
# 输出结果
sbabcsb
相比于str.replace功能更加强大
6、re.split(pattern, string, maxsplit=0, flags=0)
将匹配到的格式当做分割点对字符串分割成列表
import re
content = "'1 - 2 * ((60-30+1*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2) )'"
new_content = re.split('\*', content)
# new_content = re.split('\*', content, 1)
print(new_content)
###### 输出结果
["'1 - 2 ", ' ((60-30+1', '(9-2', '5/3+7/3', '99/4', '2998+10', '568/14))-(-4', '3)/(16-3', "2) )'"]
["'1 - 2 ", " ((60-30+1*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2) )'"]
######
content = "'1 - 2 * ((60-30+1*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2) )'"
new_content = re.split('[\+\-\*\/]+', content)
# new_content = re.split('[\+\-\*\/]+', content, 1)
print(new_content)
###### 输出结果
["'1 ", ' 2 ', ' ((60', '30', '1', '(9', '2', '5', '3', '7', '3', '99', '4', '2998', '10', '568', '14))', '(', '4', '3)', '(16', '3', "2) )'"]
["'1 ", " 2 * ((60-30+1*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2) )'"]
######
inpp = '1-2*((60-30 +(-40-5)*(9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2))'
inpp = re.sub('\s*', '', inpp)
print(inpp)
new_content = re.split('\(([\+\-\*\/]?\d+[\+\-\*\/]?\d+){1}\)', inpp, 1)
print(new_content)
###### 输出结果
1-2*((60-30+(-40-5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))
['1-2*((60-30+', '-40-5', '*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))']
######
几个常见正则例子:
匹配手机号
import re
phone_str = "my name is evescn, and my phone number is 18111555666"
m = re.search("(1)([358]\d{9})",phone_str)
if m:
print(m.group())
# 输出结果
18111555666
匹配IPv4
ip_addr = "inet 172.19.133.212 brd 172.19.143.255"
m = re.search("(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}", ip_addr)
print(m.group())
# 输出结果
172.19.133.212
分组匹配地址
contactInfo = 'Evescn, ChengDu: 028-8888888'
# 分组
match = re.search(r'(\w+), (\w+): (\S+)', contactInfo)
"""
>>> match.group(1)
'Evescn'
>>> match.group(2)
'ChengDu'
>>> match.group(3)
'028-8888888'
"""
# 分组
match = re.search(r'(?P\w+), (?P\w+): (?P\S+)', contactInfo)
"""
>>> print(match.group('name'))
'Evescn'
>>> print(match.group('addr'))
'ChengDu'
>>> print(match.group('phone'))
'028-8888888'
"""
匹配email
email = "evescn.gmkk@163.com http://blog.evescn.com"
m = re.search(r"[0-9.a-z]{0,26}@[0-9.a-z]{0,20}.[0-9a-z]{0,8}", email)
print(m.group())
# 输出结果
evescn.gmkk@163.com
转载自
http://www.cnblogs.com/alex3714/articles/5143440.html