正则表达式
正则表达式
--通用的字符串表达工具
正则表达式的使用
编译:将符合正则表达式语法的字符串转换成正则表达式特征
正则表达式 →(编译 p=re.complie(regex))→ 特征
可认为编译后的特征与一组字符串是对应的
编译前的正则表达式只是符合正则表达式语法的一个字符串
规则图
一. 正则表达式的表示类型
re库采用raw string类型表达正则表达式, 表示为:
r'text'
例如:r'[1-9]\d{5}'
raw string 是不包含转义符('\')的字符串
二.Re库的主要功能函数
函数 | 说明 |
---|---|
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置, 返回match对象 |
re.match() | 从一个字符串的开始位置起匹配正则表达式, 返回match对象 |
re.findall() | 搜索字符串, 以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割, 返回列表类型 |
re.finditer() | 搜索字符串, 返回一个匹配结果的迭代类型, 每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串, 返回替换后的字符串 |
① match=re.search(pattern,string, flags=0)
- 在一个字符串中搜索匹配正则表达式的第一个位置, 返回match对象.
- pattern: 正则表达式的字符串或原生字符串表示
- string: 待匹配字符串
- flags: 正则表达式使用时的控制标记
常用标记 | 说明 |
---|---|
re.I re.IGNORECASE | 忽略正则表达的大小写, [A-Z]能够匹配小写字符 |
re.M re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
re.S re.DOTALL | 正则表达式中的.操作符能够匹配所有字符, 默认匹配除换行外的所有字符 |
example:
对返回match变量进行使用前,先用if语句进行判断。
match只有从头开始匹配匹配到了才算匹配成功。
② list=re.split(pattern, string)
③ re.split(pattern, string, maxsplit=0, flags=0)
- 将一个字符串按照正则表达式匹配结果进行分割, 返回列表类型.
- pattern: 正则表达式的字符串或原生字符串表示
- string: 待匹配字符串
- maxsplit: 最大分割数, 剩余部分作为最后一个元素输出
- flags: 正则表达式使用时的控制标记
example:
④ match=re.finditer(pattern, string, flags)
⑤ re.sub(pattern, repl, string, count=0, flags=0)
- 在一个字符串中替换所有匹配正则表达式的子串, 返回替换后的字符串
- pattern: 正则表达式的字符串或原生字符串表示
- repl: 替换匹配字符串的字符串
- string: 待匹配字符串
- count: 匹配的最大替换次数
- flags: 正则表达式使用时的控制标记
******
re.compile(pattern, flags=0)
- 将正则表达式的字符串形式编译成正则表达式对象
- pattern: 正则表达式的字符串或原生字符串表示
- flags: 正则表达式使用时的控制标记
函数式用法: 一次性操作:
match = re.search(r'[1-9]\d{5}', 'BIS 100081')
等价于
面向对象用法: 编译后的多次操作:
pat = re.compile(r'[1-9]\d{5}')
match = pat.search('BiS 100081')
三.Match对象
① Match对象的属性
属性 | 说明 |
---|---|
.string | 待匹配的文本 |
.re | 匹配时使用的pattern对象(正则表达式) |
.pos | 正则表达式搜索文本的开始位置 |
.endpos | 正则表达式搜索文本的结束位置 |
② Match对象的方法
方法 | 说明 |
---|---|
.group(0) | 获得匹配后的字符串 |
.start() | 匹配字符串在原始字符串的开始位置 |
.end() | 匹配字符串在原始字符串的结束位置 |
.span() | 返回(.start(), .end()) |
四.贪婪匹配
Re库默认采用贪婪匹配, 即输出匹配最长的子串
如何变成最小匹配
操作符 | 说明 |
---|---|
*? | 前一个字符0次或无限次扩展,最小匹配 |
+? | 前一个字符1次或无限次扩展, 最小匹配 |
?? | 前一个字符0次或1次扩展, 最小匹配 |
{m,n}? | 扩展前一个字符m至n次(含n), 最小匹配 |
五.group与groups的用法
group()
查看正则式所匹配内容group(1)
查看正则式中第一个括号里面的内容 ,group()
里面的参数是从1开始的, 不是0
>>> m = re.match(r"(\w+) (\w+)", "Isaac Newton, physicist")
>>> m.group(0) # The entire match 整个匹配
'Isaac Newton'
>>> m.group(1) # The first parenthesized subgroup. 第一个括号分隔的子群
'Isaac'
>>> m.group(2) # The second parenthesized subgroup. 第二个括号分隔的子群
'Newton'
>>> m.group(1, 2) # Multiple arguments give us a tuple. 多个参数给我们一个元组
('Isaac', 'Newton')
groups()
将正则式中所有括号里面的内容组成一个tuple,提取字符串要用切片的方法result.groups()[0]