本文章最初发布在 XJHui’s Blog,未经允许,任何人禁止转载!
注意:最新修改版本已发布在 这里,点击前往查看!
re模块
正则表达式
- 正则表达式:被用来检索(主要用途)、替换符合某个规则的字符
- re模块和正则的关系:先有正则后有re模块(C语言编写,速度快), re是python中用来实现正则功能的模块
mach()
匹配符合正则表达式规则的字符串 mach(pattern,data,flag=0)
-
案例(无标志位flag):
import re # 导入re模块 strData = 'hello world' # 字符串数据 res = re.match('h', strData) # 两个参数分别代表:正则表达式、字符串数据 if res: print('匹配成功') print(res.group()) # 使用res.group()返回匹配结果 else: print('匹配失败')
运行结果:
-
案例(有标志位flag):
import re strData = 'hello world' res = re.match('H', strData, re.I) # 第三个参数为标志位:re.I代表大小写不敏感 if res: print('匹配成功') print(res.group()) # 如果匹配失败,使用res.group()则会报错 else: print('匹配失败')
运行结果:
标志位可选参数:
-
group():
匹配结果会返回到group中
-
下标:
- group(0)(0可省略):匹配结果
- group(1):返回第一组匹配结果
- groups():返回所有组匹配结果
-
案例:
import re
strData = ‘Python is the best language in the world’
res = re.match(’(.) is (.?) .*’, strData, re.I) # 第三个参数为标志位:re.I代表大小写不敏感
if res:
print(‘匹配成功’)
print(‘res.groups():’, res.groups()) # groups(陪陪)
print(‘res.group():’, res.group())
print(‘res.group(0):’, res.group(0))
print(‘res.group(1):’, res.group(1))
print(‘res.group(2):’, res.group(2))
else:
print(‘匹配失败’)运行结果: <img src="https://cdn.jsdelivr.net/gh/xingjiahui/CDN@latest/2020/09/16/5ac50f6b3e38b2eb0942061a28c059d4.png" width="80%"/> - 注意: - 有几组匹配结果的判断方法后面会讲解 - group(0)、group()效果是一致的
-
compile()
将正则表达式编译成一个正则表达式对象,以提高效率
-
为什么会提高效率?当使用match匹配时,python每次都会将正则表达式转换成对象,而使用compile只需要转换一次
-
案例:匹配4位数字
-
match方法:
import re htmlTag = '12345677' pattern = '\d{4}' # 固定个数可使用{num}表示,下面具体会讲解 res = re.match(pattern, htmlTag) print(res.group())
运行结果:
-
compile方法:
import re reobj = re.compile('\d{4}') res = reobj.match('12345677') print(res.group())
运行结果:
-
注意:
- 两种方法结果是一致的,只是速度有差别
- 下文案例主要使用match方法讲解,但推荐使用compile方法
-
search()
全文查找,找到一个就返回,而match必须是从开头开始匹配
import re
data = 'I love China!'
pattern = 'China'
res = re.search(pattern, data)
print(res)
print(res.group())
运行结果:
![](https://i-blog.csdnimg.cn/blog_migrate/68c6fa4c3fa3f87d2ceb4c865e48dc18.png)
findall()
将所有匹配结果保存到列表中返回,而search只是返回第一个
import re
data = 'I love China, China!'
pattern = 'China'
res = re.findall(pattern, data)
print(res)
运行结果:
![](https://i-blog.csdnimg.cn/blog_migrate/8b7dafc3403c50987951786de0f7f9e3.png)
sub()
将匹配到的数据进行替换 re.sub(pattern,replace,data,count,flags=0)
import re
data = 'hello world'
pattern = 'l'
res = re.sub(pattern, 'L', data, 2) # 将匹配的字符换成L,并限制替换次数为2
print(res)
运行结果:
![](https://i-blog.csdnimg.cn/blog_migrate/dcf87defa807cdeeee5224d23b203604.png)
split()
分隔字符串(前面有讲过),最后返回一个列表
import re
data = '1,2,3,4,5,6'
res = re.split(',', data)
print(res)
运行结果:
![](https://i-blog.csdnimg.cn/blog_migrate/5280dde2e19fbc78667674059d75fdd2.png)
常用匹配规则
匹配字符
![](https://i-blog.csdnimg.cn/blog_migrate/af3fa1e63baffa083a22afa10317fcec.png)
-
.(点)
匹配任意1个字符(除了换行符\n)
案例:匹配 ‘李娜’
import re name = '李娜' # 数据 pattern = '李.' # 正则表达式 res = re.match(pattern, name) # match方法 print(res.group())
运行结果:
-
[]
匹配括号中的任意一个字符
import re name = 'elloh' pattern = '[he]' res = re.match(pattern, name) print(res.group(0))
运行结果:
注意:[a-z]、[A-Z]、[0-9]语法是正确的,甚至可以写成[a-zA-Z0-9]
-
\d、\D
匹配一个数字(0-9)、一个非数字
-
案例1(\d,匹配一个数字):
import re data = '1123aaa' pattern = '\d' print(re.match(pattern, data).group())
运行结果:
-
案例2(\D,匹配一个非数字):
import re data = 'a1123a' pattern = '\D' print(re.match(pattern, data).group())
运行结果:
-
-
\s、\S
匹配一个空字符、一个非空字符
-
\s(匹配一个空字符)
import re data = ' a1123a' pattern = '\s' print(re.match(pattern, data).group())
-
\S(匹配一个非空字符)
import re data = 'a1123a' pattern = '\S' print(re.match(pattern, data).group())
-
-
\w、\W
匹配一个单词字符(0-9、a-z、A-Z、_)、一个非单词字符
-
\w
import re data = 'a1123a' pattern = '\w' print(re.match(pattern, data).group())
运行结果:
-
\W
import re data = ' a1123a' pattern = '\W' # 匹配一个空字符 print(re.match(pattern, data).group())
-
匹配字符数量
匹配字符数量的符号满足前一个匹配规则的次数
![](https://i-blog.csdnimg.cn/blog_migrate/4895b976aca06396cf5ed732fdaf0fe6.png)
-
满足前一个匹配规则0或无限次
-
案例1:
import re print(re.match('[A-Z]*', 'MAAA').group())
运行结果:
-
综合案例:匹配符合规范的python变量名(不能以数字开头,只能包含字母和数字)
import re pattern = '[a-zA-Z_]+\w*' # 正则表达式(匹配字符要搭配一个数量),a-zA-Z0-9不需要加任何分隔符 dataList = ['1nihao', 'nihao', 'Test111', 'Tes t_', 'Test_t', '**test'] # 测试数据 for item in dataList: try: # 异常处理 res = re.match(pattern, item) print(res.group()) except AttributeError: pass
运行结果:
-
-
满足前一个匹配规则至少1次
import re print(re.match('[a-bA-B]+', 'aabbcd').group()) # 注意:[a-b]表示[ab],其余同理
运行结果:
-
{,max}、{min,}、{min,max},?
满足前一个匹配规则最多max次、最少min次、min-max次,0-1次
-
案例:
import re print('\d{,5}', re.match('\d{,5}', '12344555a1').group()) print('\d{1,}', re.match('\d{1,}', '12344555a1').group()) print('\d{1,5}', re.match('\d{1,5}', '12344555a1').group())
运行结果:
注意:
- ?的含义和{0,1}相同
- 固定次数为5,可以使用{5}来实现
-
综合案例:匹配qq邮箱(数字@qq.com)
pattern = '\d{1,}@qq.com' dataList = ['123@qq.com', '123@qq1.com', 'a123@qq.com', '123@qq.cn'] for item in dataList: try: res = re.match(pattern, item) print(res.group()) pass except AttributeError: pass
运行结果:
-
原生字符串
python读取字符串时会对\后面的字符自动进行转义,从而引起一些问题
-
引入案例:打印路径 ‘d:\next\1day\4class’
str = 'd:\python\next\1day\4class' print(str)
运行结果:
解决方法:在所有的\前面再添加一个转义字符\
str = 'd:\\python\\next\\1day\\4class' print(str)
运行结果:
-
匹配路径:‘d:\\test’
-
直接匹配:
import re print(re.match('d:\\test', 'd:\\test').group())
运行结果:
注意:在匹配时,正则表达式中会被转义成 ‘d:\test’ 故不能与 ‘d:\test’ 匹配成功
-
解决方法1:
import re print(re.match('d:\\\\test', 'd:\\test').group())
运行结果:
注意:
-
为什么要加两个\:因为匹配串中每个\都需要一个\去取消转义
-
虽然上图结果是 ‘d:\test’ 但匹配成功的字符串肯定是 ‘d:\test’,因为只有 ‘d:\\test’ 打印出来才是 ‘d:\test’ :
-
-
解决方法2:
import re print(re.match(r'd:\\test', 'd:\\test').group()) # 保证两个串中\个数一致,在正则前面加r
运行结果:
注意:如果你疑惑为什么少了个\,就去看解决方法1中的注2
-
匹配开头结尾
-
^
匹配字符串的开头
import re print(re.match('^P.*', 'Python is good').group())
运行结果:
-
$
匹配字符串的结尾
import re print(re.match('\d{1,13}@qq.com$', '1231@qq.com').group())
运行结果:
分组匹配
![](https://i-blog.csdnimg.cn/blog_migrate/ab6c8343cc3d645eeb98d78a14a21c79.png)
-
|
匹配左右任意一个表达式
import re pattern = '[1-9]?\d$|100' print(re.match(pattern, '78').group()) print(re.match(pattern, '100').group())
运行结果:
上面的正则表达式可分别匹配78、100,为便于理解,可将正则表达式分别如下:
-
(ab)
将括号中的字符作为一个分组
import re # 匹配电话号码 ****-12345678 pattern = '(\d{4,4})-(\d{8,8})' print(re.match(pattern, '0101-12334234').group(0)) print(re.match(pattern, '0101-12334234').group(1)) # 分组后的第一组 print(re.match(pattern, '0101-12334234').group(2)) # 分组后的第二组
运行结果:
注意:每一个()对应一个匹配结果
-
\num
引用前面分组的字符串
htmlTag = '<html><h1>你好啊</h1></html>' pattern = r'<(.+)><(.+)>(.+)</\2></\1>' # /2、/1分别代表前面分组2(h1)和分组1(html),注意r可以加在''前面 res = re.match(pattern, htmlTag) print(res.group(0)) print(res.group(1)) print(res.group(2)) print(res.group(3))
运行结果:
-
?P
起别名:?P<名字> 使用别名:(?P=名字)
import re # 匹配html htmlTag = '<html><h1>你好啊</h1></html>' pattern = r'<(?P<html>.+)><(?P<h1>.+)>(.+)</(?P=h1)></(?P=html)>' res = re.match(pattern, htmlTag) print(res.group(0)) print(res.group(1)) print(res.group(2)) print(res.group(3))
运行结果:
贪婪模式
默认情况下会尽可能多的去匹配满足条件的数据
-
案例:
import re data = '123456' pattern = '\d{3,6}' pattern_no = '\d{3,6}?' # 非贪婪只需要在最后添加一个? print('贪婪:', re.match(pattern, data).group()) # 默认为贪婪模式 print('非贪婪:', re.match(pattern_no, data).group())
运行结果:
注意:非贪婪模式会尽可能少的去匹配满足条件的数据,非贪婪模式中的?其实就是前面匹配字符数量中的?
-
优先级问题(极易错):
content = 'aacbacbc' pattern = re.compile('a.*?b') result = re.search(pattern,content) print(result.group())
运行结果:
答案为什么不是acb? 因为最先开始的匹配拥有最高的优先权,即:
匹配到的第一个a具有最高优先权,只要之后没有发生匹配失败的情况,它就会一直匹配下去,直到匹配成功,感谢 Siro阿希 !
后记
好啦,python基础的学习到这里就结束了!
后面会更新linux的学习笔记,期待吧!一起加油!
终于成功入门了一次,hahaha…
不足之处,欢迎留言,会及时回复,及时更正!
创作不易,感谢支持!