Re库(正则表达式)入门
正则表达式是用来简洁表达一组字符串的表达式,是一种通用的字符串表达框架,可以用来判断某字符串的特征属性
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
1 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 | 说明 | 实例 |
---|---|---|
. | 表示任何单个字符 | |
[ ] | 字符集,对单个字符给出取值范围 | [abc]表示a、 b、 c, [a‐z]表示a到z单个字符 |
[^ ] | 非字符集,对单个字符给出排除范围 | [^abc]表示非a或b或c的单个字符 |
* | 前一个字符0次或无限次扩展 | abc* 表示 ab、 abc、 abcc、 abccc等 |
+ | 前一个字符1次或无限次扩展 | abc+ 表示 abc、 abcc、 abccc等 |
? | 前一个字符0次或1次扩展 | abc? 表示 ab、 abc |
| | 左右表达式任意一个 | abc|def 表示 abc、 def |
{m} | 扩展前一个字符m次 | ab{2}c表示abbc |
{m,n} | 扩展前一个字符m至n次(含n) | ab{1,2}c表示abc、 abbc |
^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头 |
$ | 匹配字符串结尾 | abc$表示abc且在一个字符串的结尾 |
( ) | 分组标记,内部只能使用 | 操作符 | (abc)表示abc, (abc | def)表示abc、 def |
\d | 数字,等价于[0‐9] | |
\w | 单词字符,等价于[ A‐Za‐z0‐9_ ] |
经典正则表达式实例
表达式 | 说明 |
---|---|
^ [A‐Za‐z]+$ | 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 |
^ ‐?\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 |
[\u4e00‐\u9fa5] | 匹配中文字符 |
\d{3}‐\d{8} | \d{4}‐\d{7} |
匹配IP地址的正则表达式
2 re库的基本使用
- 调用方式:import re
- re库采用raw string类型表示正则表达式,表示为:r’text’,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:
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 |
Match对象介绍
Match对象是一次匹配的结果,包含匹配的很多信息
match = re.search(r'[1‐9]\d{5}', 'BIT 100081')
if match:
print(match.group(0))
>> 100081
type(match)
>> <class '_sre.SRE_Match'>
match对象的属性 | 说明 |
---|---|
.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 |
match对象的方法 | 说明 |
---|