-
正则表达式是由普通字符(例如字符a 到z)以及特殊字符(称为"元字符")组成的文字模式。 模式描述在搜索文本时要匹配的一个或多个字符串。 正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配
-
匹配单个字符
字符 | 功能 |
---|---|
. | 匹配任意一个字符(除了“\n”) |
[] | 匹配列表[]给出的字符 |
\d | 匹配数字一个,即0-9 |
\D | 匹配非数字 |
\s | 匹配空格,\t-tab键 \n-换⾏ |
\S | 匹配非空格 |
\w | 匹配字符匹配单词字符,即a-z、A-Z、0-9、_ |
\W | 匹配⾮单词字符 |
- 匹配多字符串
字符 | 功能 |
---|---|
* | 匹配前一个字符出现0次或是无限次,即可有可无 |
+ | 匹配前一个字符串出现1次或是无限次,即至少有1次 |
? | 匹配前一个字符串出现1次或者0词,要么1次,要么没有 |
{m} | 匹配前一个字符出现m次 |
{m,n} | 匹配前一个字符出现从m到n次 |
- 匹配分组“|”
字符 | 功能 |
---|---|
| | 匹配左右任意一个表达式 |
(ab) | 将括号中 |
\num | 引用分组num匹配到的一个分组 |
(?P) | 分组起别名 |
(?P=name) | 应用别名为name分组匹配到字符串 |
- 这里() 跟\num 是连用的,()用做分作分组,\num 大概是调用分组的索引,的内容,可以理解为分组减少重复(意淫一下:如果分组很复杂,用这个方法估计你得疯了)
- 所一用(?P)分组起别名,之后再需要用时候(?P = name)这方法就人性了很多
re模块操作
-
re.match(patten,string,flags=0)
- pattern:正则模型
- string:要匹配的字符串
- falgs:匹配模式
-
match() 方法一旦匹配成功,就是一个对象,对象有一下方法:
group() 返回被 RE 匹配的字符串
start() 返回匹配开始的位置
end() 返回匹配结束的位置
span() 返回⼀个元组包含匹配 (开始,结束) 的位置
import re
result = re.match(正则表达式,要匹配的字符串)
result.group()
举例子1:需求:匹配出163、126、11邮箱
import re
ret = re.match("\w{4,20}@163|126|qq\.com","test@163.com")
print(ret.group())
if ret:
print(ret.group())
else:
print("不是163、126、qq邮箱")
需求:匹配出hh
import re
ret = re.match("<[A-Za-z]*>/w*<[A-Za-z]>","<html>hh</html>")
print(ret.group())
需求:匹配出 <html><h1>www.itcast.cn</h1></html>
import re
labels = [<html><h1>www.itcast.cn</h1></html>,<html><h2>www.itcast.cn</h2></html>]
for label in labels:
ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>")
if ret :
print("%s 就是符合要求的标签" % ret.group())
else:
print("%s 不符合要求" % label)
示例:(?P<name>) (?P=name)
需求:匹配出<html><h1>www.itcast.cn</h1></html>
import re
ret = re.match(r"<(?p<name1>\w*)><(?P<name2>/w*)>.*<(?P=name2)><(?P=name1)>","<html><h1>www.itcast.cn</h1></html>")
ret.group()
re 模块的高级用法
- search
函数会在字符串内查找模式匹配,只要找到第⼀个匹配然后返回,如果字符串没有匹配,则返 回None。
格式:re.search(pattern, string, flags=0)- match()和search()的区别:
math()函数只检测RE是不是在string的开始位置匹配,search() 会扫描整个string查找匹配也就是说match()只有在0位置匹配成功的话才有返回,如果不是开始位置匹配成功的话,match()就返回none
- match()和search()的区别:
- sub
使用re替换string中每一个匹配的子串后返回替换后的字符串。
格式:re.sub((pattern, repl, string, count)
import re ret = re.sub(r"\d+", "10000", "阅读次数:9999次,转发次数:88)
# 运行结果
阅读次数:10000次,转发次数:10000次,评论次数:10000次
repl 这个替换的内容可以用函数写
- split
按照能够匹配的⼦串将string分割后返回列表。 可以使⽤re.split来分割字符串,如:re.split(r’\s+’, text);将字符串按空格分割成⼀个单词列表。 格式:re.split(pattern, string[, maxsplit]) - findall
re.findall遍历匹配,可以获取字符中所有匹配的字符串,返回一个列表。
格式:re.findall(patten,string,flags=0)
python贪婪和非贪婪
- python是贪婪的
- 正则表达式体现在多匹配多个字符也就是“*,+”这匹配会出现贪婪,会找到匹配最多的
r的作用
- Python中在正则字符串前⾯加上 ‘r‘ 表示, 让正则中的 ‘’ 不再具有转义功能(默认为转义),就是表示原⽣字含义⼀个斜杠 \
- 说个简单的话就是前面挂个r我们就可以正常写我们的正则表达式了。