目录
1、元字符
字符 | 描述 |
---|---|
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,‘n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 ‘\’ 匹配 “” 而 “(” 则匹配 “(” |
^ | 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置 |
$ | 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置 |
* | 匹配前面的子表达式零次或多次。例如,zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,} |
+ | 匹配前面的子表达式一次或多次。例如,‘zo+’ 能匹配 “zo” 以及 “zoo”,但不能匹配 “z”。+ 等价于 {1,} |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?” 可以匹配 “do” 或 “does” 。? 等价于 {0,1} |
{n} | n 是一个非负整数。匹配确定的 n 次。例如,‘o{2}’ 不能匹配 “Bob” 中的 ‘o’,但是能匹配 “food” 中的两个 o |
{n,} | n 是一个非负整数。至少匹配n 次。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*’ |
{n,m} | m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格 |
? | 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 “oooo”,‘o+?’ 将匹配单个 “o”,而 ‘o+’ 将匹配所有 ‘o’ |
. | 匹配除换行符(\n、\r)之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符,请使用像"(. |
x|y | 匹配 x 或 y。例如,‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food” |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如, ‘[abc]’ 可以匹配 “plain” 中的 ‘a’ |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如, ‘[^abc]’ 可以匹配 “plain” 中的’p’、‘l’、‘i’、‘n’ |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符 |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符 |
\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’ |
\cx | 匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c’ 字符 |
\d | 匹配一个数字字符。等价于 [0-9] |
\D | 匹配一个非数字字符。等价于 [^0-9] |
\f | 匹配一个换页符。等价于 \x0c 和 \cL |
\n | 匹配一个换行符。等价于 \x0a 和 \cJ |
\r | 匹配一个回车符。等价于 \x0d 和 \cM |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v] |
\S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v] |
\t | 匹配一个制表符。等价于 \x09 和 \cI |
\v | 匹配一个垂直制表符。等价于 \x0b 和 \cK |
\w | 匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’ |
\W | 匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’ |
\xn | 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,’\x41’ 匹配 “A”。’\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码 |
[ ] | 字符集合,表示匹配方括号中所包含的任意一个字符 |
\A | 匹配字符串开始,它和^的区别是,\A只匹配整个字符串的开头,即使在re.M模式下也不会匹配它行的行首 |
\Z | 匹配字符串结束,它和$的区别是,\Z只匹配整个字符串的结束,即使在re.M模式下也不会匹配它行的行尾 |
(xyz) | 匹配小括号内的xyz(作为一个整体) |
x|y | 表示或,匹配的是x或y |
*? +? ??: 最小匹配,非贪婪匹配 |
2、正则方法
flags标志符
flags:标志符,用于控制正则表达式的匹配方式,值如下:
re.I: 忽略大小写
re.L: 做本地化识别
re.M: 多行匹配,影响^和$
re.S: 使.匹配包括换行符在内的所有字符
re.U: 根据Unicode字符集解析字符,影响\w \W \b \B
re.X: 使我们以更灵活的格式理解正则表达式
2.1 re.match()
原型:match(pattern, string, flags=0)
参数:
pattern: 匹配的正则表达式
string: 目标字符串
flags: 标志位,用于控制正则表达式的匹配结果
功能:尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,返回None
print(re.match("www", "www.baidu.com")) #能匹配到www
print(re.match("www", "baidu.www.com")) #不能匹配到www
print(re.match("www", "wWw.baidu.com", flags=re.I)) #能匹配到wWw
2.2 re.search()
原型:search(pattern, string, flags=0)
参数:
pattern: 匹配的正则表达式
string: 目标字符串
flags:
功能:扫描整个字符串,并返回第一个成功的匹配
print(re.match("www", "www.baidu.www.com").span()) #能匹配到www
print(re.match("www", "baidu.www.com")) #不能匹配到www
2.3 re.findall()
原型:findall(pattern, string, flags=0)
参数:
pattern: 匹配的正则表达式
string: 目标字符串
flags:
功能:扫描整个字符串,并返回结果列表
print(re.findall("good", " he is a good man, very good.")) #['good', 'good']
2.4 re.split()
原型:split(pattern, string, maxsplit=0, flags=0)
参数:
pattern: 匹配的正则表达式
string: 目标字符串
maxsplit: 设置切割次数
flags:
功能:字符串切割
print(re.split(" +", "he is a good man")) #['he', 'is', 'a', 'good', 'man']
2.5 re.finditer()
原型:finditer(pattern, string, flags=0)
参数:
pattern: 匹配的正则表达式
string: 目标字符串
flags:
功能:与findall类似,扫描整个字符串,返回的是一个迭代器
ret = re.finditer("good", "he is a good man,good.") #返回一个迭代器
print(next(ret)) #<re.Match object; span=(8, 12), match='good'>
print(next(ret)) #<re.Match object; span=(17, 21), match='good'>
2.6 re.sub() 和 re.subn()
原型:sub/subn(pattern, repl, string, count=0, flags=0)
参数:
pattern: 匹配的正则表达式
repl: 指定的用来替换的字符串
string: 目标字符串
count: 最多替换次数
flags:
功能:在目标字符串中以正则表达式的规则匹配字符串,再把他们替换成指定的字符串。可以指定替换的次数,如果不指定,替换所有的匹配字符串
区别:
sub: 返回一个被替换的字符串
subn: 返回一个元祖,第一个元素为被替换的字符串,第二个元素表示被替换的次数
print(re.sub("good", "nice", "he is a good man, very good.")) # he is a nice man, very nice.
print(re.subn("good", "nice", "he is a good man, very good.")) #('he is a nice man, very nice.', 2)
2.7 re.group() 和 re.groups()
分组:除了简单的判断是否匹配之外,正则表达式还有提取子串的功能。用()表示的就是提取分组
组命名:
如:re.match((?P\d{3})-(?P\d{8})", str1)"
给第一组命名为firstt,第二组命名为last,可通过组名访问组,如:m.group(“first”)
str1 = "010-12345789"
m = re.match("(\d{3})-(\d{8})", str1)
print(m.group(0)) #010-12345789 代表原始字符串,即str1
print(m.group(1)) #010 第一个分组,即(\d{3})
print(m.group(2)) #12345789 第二个分组,即(\d{8})
print(m.groups()) #('010', '12345789') 查看匹配的各组的情况
2.8 re.compile()
原型:compile(pattern, flags=0)
编译:当我们使用正则表达式时,re模块会:
1)编译正则表达式,如果正则表达式本身不合法,报错
2)用编译后的正则表达式去匹配对象
pat = r"^1(([3578]\d)|(47))\d{8}$"
re_telephone = re.compile(pat)
print(re_telephone.match("13612345678")) #<re.Match object; span=(0, 11), match='13612345678'>