正则表达式是用来简洁表达一组字符串的表达式
正则表达式在文本处理中十分常用:
表达文本类型的特征(病毒、入侵等)
同时查找或替换一组字符串
匹配字符串的全部或部分
……
最主要应用在字符串匹配中
表达文本类型的特征(病毒、入侵等)
同时查找或替换一组字符串
匹配字符串的全部或部分
……
最主要应用在字符串匹配中
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
正则表达式的语法:
正则表达式语法由字符和操作符构成
常用操作符:
实例:
()可以提取出来匹配的内容
p=re.compile('<a>(.*?)</a>')
print(re.findall(p,'<a>qwe</a>'))
输出:qwe
正则表达式 对应字符串
P(Y|YT|YTH|YTHO)?N 'PN'、'PYN'、'PYTN'、'PYTHN'、'PYTHON
PYTHON+ 'PYTHON'、'PYTHONN'、'PYTHONNN' …
PY[TH]ON 'PYTON'、'PYHON'
PY[^TH]?ON 'PYON'、'PYaON'、'PYbON'、'PYcON'…
PY{:3}N 'PN'、'PYN'、'PYYN'、'PYYYN'…
P(Y|YT|YTH|YTHO)?N 'PN'、'PYN'、'PYTN'、'PYTHN'、'PYTHON
PYTHON+ 'PYTHON'、'PYTHONN'、'PYTHONNN' …
PY[TH]ON 'PYTON'、'PYHON'
PY[^TH]?ON 'PYON'、'PYaON'、'PYbON'、'PYcON'…
PY{:3}N 'PN'、'PYN'、'PYYN'、'PYYYN'…
经典正则表达式实例:
^[A‐Za‐z]+$ 由26个字母组成的字符串
^[A‐Za‐z0‐9]+$ 由 26 个字母和数字组成的字符串
^[A‐Za‐z0‐9]+$ 由 26 个字母和数字组成的字符串
^‐?\d+$ 整数形式的字符串
^[0‐9]*[1‐9][0‐9]*$ 正整数形式的字符串
[1‐9]\d{5} 中国境内邮政编码, 6 位
^[0‐9]*[1‐9][0‐9]*$ 正整数形式的字符串
[1‐9]\d{5} 中国境内邮政编码, 6 位
[\u4e00‐\u9fa5]
匹配中文字符
\d{3}‐\d{8}|\d{4}‐\d{7}
国内电话号码,
010‐68913536
匹配IP地址实例:
\d+.\d+.\d+.\d+或 \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
IP地址字符串形式的正则表达式(IP地址分4段,每段0‐255)
精确写法 0‐99: [1‐9]?\d
100‐199: 1\d{2}
200‐249: 2[0‐4]\d
250‐255: 25[0‐5]
IP地址字符串形式的正则表达式(IP地址分4段,每段0‐255)
精确写法 0‐99: [1‐9]?\d
100‐199: 1\d{2}
200‐249: 2[0‐4]\d
250‐255: 25[0‐5]
将上述进行或操作:
(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])
Re库是Python的标准库,主要用于字符串匹配
re库采用raw string类型表示正则表达式,表示为:r'text'
例如: r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
raw string是不包含对转义符再次转义的字符串
(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])
Re库是Python的标准库,主要用于字符串匹配
re库采用raw string类型表示正则表达式,表示为:r'text'
例如: r'[1‐9]\d{5}'
r'\d{3}‐\d{8}|\d{4}‐\d{7}'
raw string是不包含对转义符再次转义的字符串
Re库的主要功能函数:
1.re.search(pattern,string, flags=0)
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
flags : 正则表达式使用时的控制标记
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写,[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
输出:250358
re.I re.IGNORECASE 忽略正则表达式的大小写,[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
import re
match=re.search(r'[1-9]\d{5}','SDNU 250358')
if match:
print(match.group(0))
输出:250358
2.re.match(pattern,string, flags=0)
∙ 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
∙ 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
import re
match1=re.match(r'[1-9]\d{5}','SDNU 250358')
match2=re.match(r'[1-9]\d{5}','250358 SDNU')
if match1:
print(match1.group(0))
else:
print("match1为空")
if match2:
print(match2.group(0))
else:
print("match2为空")
输出:
match1为空
250358
250358
3.re.findall(pattern,string, flags=0)
∙ 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
∙ 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
import re
list=re.findall(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(list)
输出:['250358', '250100']
4.re.split(pattern,string, maxsplit=0,flags=0)
∙ 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
∙ 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
import re
list1=re.split(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(list1)
list2=re.split(r'[1-9]\d{5}','SDNU 250358 SDU 250100',1)
print(list2)
输出:
['SDNU ', ' SDU ', '']
['SDNU ', ' SDU 250100']
5.re.finditer(pattern,string, flags=0)
∙ 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
['SDNU ', ' SDU 250100']
5.re.finditer(pattern,string, flags=0)
∙ 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
import re
list=re.finditer(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
for element in list:
print(element.group(0))
输出:
250358
250100
250100
6.re.sub(pattern,repl, string,count=0, flags=0)
∙ 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
∙ 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
import re
newStr=re.sub(r'[1-9]\d{5}','1111','SDNU 250358 SDU 250100')
print(newStr)
输出:SDNU 1111 SDU 1111
Re库另一种等价用法:
函数式用法:一次性操作 rst= re.search(r'[1‐9]\d{5}','BIT 100081')
面向对象用法:编译后的多次操作
pat= re.compile(r'[1‐9]\d{5}')
rst =pat.search('BIT 100081')
pat= re.compile(r'[1‐9]\d{5}')
rst =pat.search('BIT 100081')
match对象:
match对象可以更多的告诉我们匹配的信息
属性:
.string 待匹配的文本
.re 匹配时使用的patter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
.re 匹配时使用的patter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
方法:
.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())
.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())
实例:
import re
match=re.search(r'[1-9]\d{5}','SDNU 250358 SDU 250100')
print(match.string)
print(match.re)
print(match.pos)
print(match.endpos)
print(match.group(0))
print(match.start())
print(match.end())
print(match.span())
输出:
SDNU 250358 SDU 250100
re.compile('[1-9]\\d{5}')
0
22
250358
5
11
(5, 11)
match = re.search(r'PY.*N', 'PYANBNCNDN')
match.group(0)
同时匹配长短不同的多项,返回哪一个呢?
Re 库默认采用贪婪匹配,即输出匹配最长的子串
输出: PYANBNCNDN
使用最小匹配:
*? 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
输出:PYAN
+? 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
match = re.search(r'PY.*?N', 'PYANBNCNDN')
print(match.group(0))
输出:PYAN