菜鸟更加详细:https://www.runoob.com/python3/python3-reg-expressions.html
正则表达式
正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。
Python 自1.5版本起增加了re 模块,它提供 Perl 风格的正则表达式模式。
re 模块使 Python 语言拥有全部的正则表达式功能。
compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。
re 模块也提供了与这些方法功能完全一致的函数,这些函数使用一个模式字符串做为它们的第一个参数。
- 给定的字符串是否符合正则表达式的过滤逻辑(匹配)
- 通过正则表达式,从字符串中获得我们想要的特定部分
使用场景
- 爬虫
- 数据挖掘和分析
在Python中使用正则需要导入re
包
import re
首先我们来看两个例子来体验一下正则表达式的威力吧:
引入案例1
比如,已知一个列表:
li = [“Chinese”, “China”, “English”, “Britain”, “Canada”, “New Zealand”]
找出以Ch开头的字串。
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
print([i for i in li if i[0:2]=="Ch"])
c='<table><tr>hello world 18111234589<tr>' \
'<tr><span>name:张三,tel:18711001111</span></tr></table>'
start=c.find('<span>')
end=c.find('</span>')
print(c[start + len('<span>'):end])
匹配字符表
^ | 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。 |
正则表达式基础
基础函数
- re.match(pattern,string,flags=0)
- 作用:字符串开头匹配一个模式
- 匹配成功,返回一个匹配成功的对象
- 否则返回None
- 参数说明:
- pattern 匹配的正则表达式
- string 要匹配的字符串
- flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。
- 作用:字符串开头匹配一个模式
demo:
import re
s=re.match('\w*\s\w*\s\w*','ci ty university')
print(s.group())
s=re.match('\S*@.\S*.com','Mr@.163.com')
print(s.group())
s=re.match('(S|s)\d*','S3782')
print(s.group())
s=re.match('(^.*)@.*(com$)','Mr@.163.com')
print(s.group())
s='<span><h1>hello world!</h1></span>'
s=re.match('<(.*)><(.*)>(.*)</\\2></\\1>',s)
print(s.group(1),end=' ')
print(s.group(2),end=' ')
print(s.group(3),end=' ')
- re.group([group1,group2…])字符串或元组
- 作用:获得一个或者多个分组截取的字符串
- 指定多个参数时就会以元组形式返回
- group1可以使用编号,也可以使用别名
- 编号0代表匹配整个字符串,返回None
- 截取了多次的组,返回最后一次截获的字串
- re.groups([default=None]) tuple
- 作用:以元组形式返回全部分组截获的字符串
- 如果没有,默认None
单字符匹配规则
字符 | 功能 |
---|---|
. | 匹配任意一个字符 除了(\n) |
[ ] | 匹配[ ]中列举的字符 |
\d | 匹配数字,等价于 [0-9] |
\D | 匹配非数字 |
\w | 匹配数字字母下划线 |
\W | 匹配非数字字母下划线 |
字符 | 功能 |
---|---|
* | 匹配前一个字符出现0次多次或者无限次,可有可无,可多可少 |
+ | 匹配前一个字符出现1次多次或者无限次,直到出现一次 |
? | 匹配前一个字符出现1次多次或者0次,要么一次要么没有 |
{m} | 匹配前一个字符出现m次 |
{m,} | 匹配前一个字符至少出现m次 |
{m,n} | 匹配前一个字符出现m到n次 |
- re.search(pattern,str,flags=0)
- 作用:扫描整个字符串,返回第一次成功匹配的对象
print(re.search('Tom','this is Tom').group())
re.match与re.search的区别:
re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。
- re.findall(string[, pos[, endpos]])
- 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。
- match 和 search 是匹配一次 findall 匹配所有。
print(re.findall('Tom','this is Tom'))
#['Tom']
- re.finditer(string[, pos[, endpos]])
for i in re.finditer('[A-Z][a-z]*','this Aomdds is Tom'):
print(i.group())
#Aomdds Tom