Python 正则表达式

1 正则表达式语法

1.1 行定位符

"^“表示行的开始,”$"表示行的结尾.

1.2 元字符

常用元字符

代码	说明
.	匹配除换行符以外到任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

1.3 重复

常用限定符

限定符	说明	举例
?	匹配前面的字符零次或一次	colou?r, 该表达式可以匹配colour和color
+	匹配前面的字符一次或多次	go+gle,该表达式可以匹配到范围从gogle到goo…gle
*	匹配前面的字符零次或多次	go*gle, 该表达式可以匹配的范围从ggle到goo…gle
{n}	匹配前面到字符n次	go{2}gle, 该表达式只匹配google
{n,}	匹配前面的字符最少n次	go{2,}gle, 该表达式可以匹配的范围从google到goo…gle
{n,m}	匹配前面的字符最少n次,最多m次	employe{0,2},该表达式可以匹配employ/employ和employee

例如,匹配8位QQ号

^\d{8}$

1.4 字符类

例子:

[aeiou]匹配任何一个英文元音字母

[0-9]含义与\d一致

[a-z0-9A-Z]与\w一致

1.5 排除字符

^字符

[^a-zA-Z]
用于匹配一个不是字母的字符

1.6 选择字符

选择字符(|),可以理解为"或"

(^\d{15}$)|(^\d{18}$)|(^\d{17})(\d|X|x)$
匹配身份证,可以匹配15位数字,或者18位数字.或者17位数字和最后一位是数字或X或x

1.7 转义字符

转义字符(),将特殊字符(如"." “?” ""等)变为普通的字符

[1-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}
用于匹配ip地址

1.8 分组

小括号()

(thir|four)th

1.9 在Python中使用正则表达式语法

'\\bm\\w*\\b'
匹配以字母m开头到单词

写成原生字符串,即在模式字符串前加r或R
r'\bm\w*\b'

2 使用re模块实现正则表达式操作

2.1 匹配字符串

(1) 使用match()方法进行匹配

match()方法用于从字符串的开始处进行匹配

(2) 使用search()方法进行匹配

search()方法用于在整个字符串中搜索第一个匹配的值,如果在起始位置匹配成功,则返回March对象,否则返回None

(3) 使用findall()方法进行匹配

findall()方法用于在整个字符串中搜索搜有符合正则表达式的字符串,并以列表的形式返回

re.findall(pattern, string, [flags])

参数说明:

• pattern: 表示模式字符串,由要匹配的正则表达式转换而来
• string: 表示要匹配的字符串
• flags: 可选参数,表示标志位,用于控制匹配方式,如是否区分字母大小写

import re
pattern = r'mr_\w+'
string = 'MR_SHOP mr_shop'
match = re.findall(pattern, string, re.l)	# 不区分大小写
print(match)		# ['MR_SHOP', 'mr_shop']

2.2 替换字符串

sub()方法用于实现字符串替换

re.sub(pattren, repl, string, count, flags)

参数说明:

• pattern: 表示模式字符串,由要匹配的正则表达式转换而来
• repl:表示替换的字符串
• string: 表示要被查找替换的原始字符串
• count: 可选参数,表示模式匹配后替换的最大次数,默认值位0,表示替换所有的匹配
• flags:可选参数,表示标志位

import re 
pattern = r'(黑客)|(抓包)|(监听)|(Trojan)'
about = "我是一名程序员,我喜欢看黑客方面的图书,想研究一下Trojan"
sub = re.sub(pattern, '@_@', about)
print(sub)  # 我是一名程序员,我喜欢看@_@方面的图书,想研究一下@_@

2.3 使用正则表达式分割字符串

split()方法用于实现根据正则表达分割字符串,并以列表的形式返回

re.split(pattern, string, [maxsplit], [flags])

参数说明:

• pattern: 表示模式字符串,由要匹配的正则表达式转换而来
• string: 表示要匹配的字符串
• maxsplit: 可选参数,表示最大的拆分次数
• flags: 可选参数,表示标志位,用于控制匹配方式,如是否区分字母大小写