正则表达式
最近学到了python的正则表达式,通过规则和例子来描述这个玩意
首先介绍一下规则,如下表所示:
模式 | 描述 |
---|---|
^ | 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。 |
[…] | 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。 |
* | 匹配0个或多个的表达式。 |
+ | 匹配1个或多个的表达式。 |
? | 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 |
{ n} | 精确匹配 n 个前面表达式 |
{ n,} | 匹配 n 个前面表达式 |
{ 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) | 对正则表达式分组并记住匹配的文本 |
(?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 |
(?= 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 | 匹配字母数字及下划线 |
\W | 匹配非字母数字及下划线 |
\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 |
\B | 匹配非单词边界 |
\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。 |
经常使用的方法如下:
1.模块内容
import re
# 将正则表达式的样式编译为一个正则表达式对象 (正则对象),可以用于匹配
re.compile(pattern, flags=0)
# 扫描整个 String 找到匹配样式的第一个位置,并返回一个相应的 匹配对象
re.search(pattern, string, flags=0)
# 用 pattern 分开 string
re.split(pattern, string, maxsplit=0, flags=0)
# 对 string 返回一个不重复的 pattern 的匹配列表
re.findall(pattern, string, flags=0)
# 用于 分组
re.finditer(pattern, string, flags=0)
# 返回通过使用 repl 替换在 string 最左边非重叠出现的 pattern 而获得的字符串
re.sub(pattern, repl, string, count=0, flags=0)
# 与上述相同 但是返回一个元组 (字符串, 替换次数).
re.subn(pattern, repl, string, count=0, flags=0)
2.正则表达式对象
import re
# 将正则表达式的样式编译为一个正则表达式对象 (正则对象),可以用于匹配
p = re.compile(pattern, flags=0)
# 扫描整个 string 寻找第一个匹配的位置, 并返回一个相应的 匹配对象。如果没有匹配,就返回 None
p.search(string[, pos[, endpos]])
# 如果 string 的 开始位置 能够找到这个正则样式的任意个匹配,就返回一个相应的 匹配对象
p.match(string[, pos[, endpos]])
# 等价于 split() 函数,使用了编译后的样式。
p.split(string, maxsplit=0)
# 类似上面
p.findall(string[, pos[, endpos]])
p.finditer(string[, pos[, endpos]])
p.subn(repl, string, count=0)
3.示例
-
将字符串中的数字改为下划线
pattern = re.compile('\d') str1 = 'one1two2three3four' print(pattern.findall(str1)) iter = pattern.finditer(str1) for i in iter: print(i) print(pattern.sub('-',str1)) print(re.sub("\d","_",str1)) ''' ['1', '2', '3'] <_sre.SRE_Match object; span=(3, 4), match='1'> <_sre.SRE_Match object; span=(7, 8), match='2'> <_sre.SRE_Match object; span=(13, 14), match='3'> one-two-three-four one_two_three_four '''
-
引用分组 使用
()
strs = 'hello 123,world 321' pattern = re.compile('(\w+)\s(\d+)') # print(pattern.findall(strs)) print(pattern.sub(r'\2 \1',strs)) # 取得分组 ''' 123 hello,321 world '''
-
贪婪模式示例
# 贪婪模式下 str1 = 'aaa<p>hello</p>bbb<p>world</p>' pattern = re.compile('<p>.*</p>') print(pattern.findall(str1)) ''' ['<p>hello</p>bbb<p>world</p>'] ''' # 非贪婪模式 pattern = re.compile('<p>.*?</p>') print(pattern.findall(str1)) ''' ['<p>hello</p>', '<p>world</p>'] '''
-
匹配中文
str1 = '你好,hello,帅哥' pattern = re.compile('[\u4e00-\u9fa5]+') print(pattern.findall(str1)) ''' ['你好', '帅哥'] '''