Python_正则表达式
2018-09-18 06:43:00来源:博客园 阅读 ()
正则表达式: 匹配字符串
re.compile():用于编译正则表达式,生成一个正则表达式对象,供 match() 和 search() 两个函数使用,一般建议使用这种编译方式
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 l = re.compile(r'(.+)[0-2](.*)') # 对要匹配的格式先进行编译,并且整个过程中只编译一次 4 m = re.search(l, str) 5 m1 = re.search(r'(.+)[0-2](.*)',str) 6 # 这是对上面两行的简写,这种写法每次匹配的时候都要进行一次匹配公式的编译,如何行数太多,就会使代码运行很慢 7 print(m.group()) 8 print(m1.group())
注: 由于反斜杠在Python和正则表达式中的影响,所以添加了 r 来使 字符串表示原生字符串,如果不使用 r ,那么匹配时需要4个反斜杠,稍后有对反斜杠的解释
结果:
abc1def2ghi3jkl4mn
abc1def2ghi3jkl4mn
正则表达式的几种方法:
re.match(pattern,string,flags=0) |
从头开始匹配,如果在开始位置匹配不成功则返回None (flags:标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等) |
re.search(pattern,string,flags=0) |
匹配整个字符串,返回第一个成功匹配的,和match()的区别在于:开始位置匹配不成功也可继续匹配
|
re.split(pattern, string[, maxsplit=0, flags=0) |
将能够匹配到的字符串当做分割点对字符串进行分割成列表 ( maxsplit:分割次数,maxsplit= 1,表示分割一次,默认为0 ,表示比限制次数) |
re.findall(string,pos[ ,endpos ]) |
找到所有匹配的字符子串 并以列表格式返回 (pos:指定字符串的起始位置,默认为0,endpos:指定字符串结束位置,默认为字符长度) |
re.finditer(pattern, string, flags=0 ) |
在字符串中找到所匹配到的子串,并作为一个迭代器返回
|
re.sub(pattern ,repl , string, count=0 , flag=0 ) |
替换匹配到的字符,以字符串的形式返回 (repl:替换的字符串,也可为一个函数) (count:模式匹配后替换的最大次数,默认0 表示替换所有的匹配) |
re.subn(pattern,repl,string) |
替换匹配到的字符,并返回一个替换了多少次的总数,以元组的形式返回
|
代码实现:
re.match():
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.match('[0-9]', str) 4 m1 = re.match('abc',str) 5 print(m,m1.group())
结果:
None abc
re.search():
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.search('[0-9]', str) 4 print(m)
5 print(m.group())
结果:
<_sre.SRE_Match object; span=(3, 4), match='1'>
1
re.split():
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.split('[0-9]', str,)
4 print(m)
结果:
['abc', 'def', 'ghi', 'jkl', 'mn']
re.findall():
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.findall('[0-9]', str) 4 print(m)
结果:
['1', '2', '3', '4']
re.finditer
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.finditer('abc|ef', str) 4 print(m.__next__()) 5 print(m.__next__().group())
结果:
<_sre.SRE_Match object; span=(0, 3), match='abc'> ef
re.sub():
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.sub('[0-9]', '*', str, count=3) 4 print(m)
结果:
abc*def*ghi*jkl4mn
re.subn():
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.subn('[0-9]', '*', str) 4 print(m)
结果:
('abc*def*ghi*jkl*mn', 4)
正则表达式的基本语法规则:
一般字符 | 匹配自身相对应的字符 |
. |
匹配出换行符(\n)以外的任意字符 |
^ | 匹配字符串起始部分 |
$ |
匹配字符串终止部分 |
* | 匹配0次或多次前面出现的正则表达式 |
+ | 匹配1 次或多次前面出现的正则表达式 |
? | 匹配字符重复0次到1次前面出现的正则表达式 |
{N} | 匹配N次前面出现的正则表达式 |
{N,} | 匹配至少N次前面出现的正则表达式 |
{M,N} | 匹配M~N次前面出现的正则表达式 |
[...] | 匹配来自字符集的任意单一字符,如:[amk]匹配'a','m'或'k' |
[^...] | 不匹配此字符集出现的任何一个字符 |
[ x - y ] | 匹配x~y范围中的任意单一字符 |
a | b | 匹配 a 或 b |
(...) | 匹配括号内的表达式,将被括起来的表达式作为一个分组,可以使用索引单独取出 |
扩展表示法 | |
(?....) | 分组的不捕获模式,计算索引时会跳过这个分组(表示一个匹配不用保存的分组) |
(? ilmsux) | 分组中可以设置模式,ilmsux之中的每个字符代表一个模式 |
(?imx) | 正则表达式包含三种可选标志:i,m,或x,值影响括号中的区域 |
(?-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 |
(?: ) | 类似(...),但不表示一个组 |
( ?-imx : ) | 在括号中不使用i, m,或x 可选标志 |
(?imx : ) | 在括号中使用i, m,或x 可选标志 |
(?#...) | 注释 |
(?=...) | 顺序肯定环视,表示所在位置右侧能够匹配括号内正则 |
(?!...) | 顺序否定环视,表示所在位置右侧不能匹配括号内正则 |
(?<=...) | 逆序肯定环视,表示所在位置左侧能够匹配括号内正则 |
(?<!...) | 逆序否定环视,表示所在位置左侧不能匹配括号内正则 |
(?P=name) | 引用该分组中的内容 |
(?P<name>...) | 为该分组起一个名字,可以用索引或名字去除该组名字 |
(?(id/name)Y|N) | 如果分组提供的id或name(名称)存在,就返回正则表达式的条件匹配Y,如果不存在就返回N,N为可选项 |
特殊符号 | |
\A | 匹配字符串开始 |
\b | 匹配一个单词的边界,一般是指单词和空格间的位置,例:'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 |
\w | 匹配字母数字 |
\W | 匹配非字母数字 |
\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,等价与[0-9] |
\D | 匹配任意非数字 |
\z | 匹配字符串结束 |
\Z | 匹配字符串结束,如果存在换行,只匹配到换行前的结束字符串 |
\G | 匹配最后匹配完成的位置 |
\n,\t | 匹配一个换行符,匹配一个制表符,等 |
\1...\9 | 匹配第n个分组的子表达式 |
\10 | 匹配第n个分组的子表达式,否则指的是八进制字符码的表达式 |
由于正则表达式使用反斜杠来转义字符,虽然Python正则表达式模块的转义是独立的,但是Python自身处理字符串时,反斜杠也是用于转义字符,就产生了双重转换。
例:匹配一个反斜杠字符需要将参数写成'\\\\':
'\\\\'将被转义为'\\'
Python中的转义:
- 在python中使用正则表达式时要切记反斜线\具有两层转义功能,如果你要匹配一个反斜线本身时要注意它必须被转义两次。(除非你使用原始字符串,就是字符串前面加r)
- Python遇到无法识别字符串中的\[,不会报错,而是将它原样"转交"给字符串: 字符串的表现层: \[ \\[, 字符串的概念层: \[ \[, 正则表达式的表现层: \[ \[, 正则表达式的概念层 :[(非元字符) [(非元字符)
部分基本语法的代码实现:
1 import re 2 s = '65432ab1cdefg' 3 m0 = re.findall('.', s) 4 m1 = re.findall('.*', s) # 匹配任意字符 * 表示匹配0个到多个表达式 5 m2 = re.findall('.+', s) # 匹配任意字符 + 表示匹配1个到多个表达式 6 m8 = re.findall('[^\d].*', s) # [^...]匹配除...以外的字符 7 print(m0) 8 print(m1) 9 print(m2) 10 print(m8) 11 12 s1 = '6789_45 6a~bc@$deF' 13 m3 = re.findall('\S', s1) # \S 匹配非空的任意字符 14 m4 = re.findall('[a-zA-Z]+', s1) # 匹配大小写字符 15 m5 = re.search('\d+', s1) # \d 匹配任意数字 16 m6 = re.search('^\d+$', '123455890') # 如果这个字符串里有字母,那这行代码就会报错,因为\d+ 表示连续数字匹配 17 m7 = re.search('^.+$', '12345f5890') # . 表示匹配任意字符,所以这里的 ^ $可以从开头匹配到结尾 18 19 print(m3) 20 print(m4) 21 print(m5.group()) 22 print(m6.group())
结果:
flags模式:可选标志位的具体参数:(可以通过or(|)指定多个标志位)
re.I | 忽略大小写( 大小写不敏感模式 ) |
re.L | 影响\w , \W , \b , \B , \s , \S , 取决于 本地系统的语言设置(如:要处理法文文本,并用\w来处理文本,那必须是系统配置适当且 把本地化语言改为法文) |
re.M | 影响 ^,$, (此时,^,$ 不会被解释 )"^" 依然匹配字符串的开始和字符串中每行的开始。同样的, $ 元字符匹配字符串结尾和字符串中每行的结尾 |
re.S | 相当于 . 并且包括换行符在内的任意字符 ( . 是不包括换行符的 ) |
re.U | 表示特殊字符\w , \W , \b , \B , \d , \D , \s , \S 依赖于Unicode字符属性数据库 |
re.X | 空白符被忽略,除非该空白符在字符类中或在反斜杠之后;并且允许你将注释写入 RE,这些注释会被引擎忽略;注释用 "#"号 来标识,不过该符号不能在字符串或反斜杠之后 |
实例实现:
1 import re 2 str = 'abc\ndef\nghi' 3 m = re.search('^a.*i$', str, flags=re.S) # re.S 匹配包括换行的任意字符 4 print(m.group()) 5 m = re.search('^a.*$', str, flags=re.M) # ^ $ 受 re.M影响,匹配行的开始和结尾 6 print(m.group())
结果:
abc def ghi abc
几种匹配对象的方法:
x.group(m,...) | 返回匹配字符串,默认m=0,可以获得第一个或者第m个括号的分组,多参数时将以元组的形式返回 |
x.groups() | 返回一个包含所有小组字符串的元组 |
x.start(m) | 默认m=0,返回第m个括号的字符串的开始索引 |
x.end(m) | 默认m=0,返回第m个括号字符串的结束索引 |
x.span(m) | 默认m=0,返回第m个括号字符串的开始索引和结束索引 |
实例:
1 import re 2 str = 'abc1def2ghi3jkl4mn' 3 m = re.search(r'(.+)[0-2](.*)', str) 4 print(m.group()) 5 print(m.group(2)) 6 print(m.start()) 7 print(m.end()) 8 print(m.span())
结果:
abc1def2ghi3jkl4mn ghi3jkl4mn 0 18 (0, 18)
什么是贪婪匹配,什么是懒惰匹配
贪婪匹配:Python正则表达式默认的匹配,在匹配成功的前提下,正则表达式趋向于最大长度的匹配方式
非贪婪匹配(懒惰匹配):在整个表达式匹配成功的前提下,尽可能少的匹配
贪婪词 | 惰性词 | 对贪婪的描述 |
? | ?? | 匹配前一个字符重复0次到1次 |
* | *? | 匹配0次或多次 |
+ | +? | 匹配1次或多次 |
{n} | {n}? | 匹配n次 |
{n , m} | {n , m}? | 匹配n~m次,但至多不能超过m次 |
{n, } | {n, }? | 匹配至少出现n次 |
实现:
1 import re 2 str = 'aaaaabbbbb' 3 m = re.findall('.a*', str) # . 代表匹配除换行符的所有字符 4 m1 = re.findall('.a*?', str) 5 m2 = re.findall('.b{2,}', str) 6 m3 = re.findall('.b{2,}?', str) 7 print(m) 8 print(m1) 9 print(m2) 10 print(m3)
结果:
['aaaaa', 'b', 'b', 'b', 'b', 'b'] #一次就匹配完了a ['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'b'] ['abbbbb'] ['abb', 'bbb']
正则表达式的简单匹配例子:
例1,匹配电话号码:
1 import re 2 phone_str = 'my phone number is 18380364920' 3 m = re.search('(1)([34578]\d{9})', phone_str) # (1)表示第一个分组,[34578]表示第二个数字能匹配的数字 ,\d相当于[0-9] 4 5 if m: 6 print(m.group())
结果:
18380364920
例2,简单匹配email:
1 import re 2 email = '2536vera.yin@qq.com' 3 m = re.search(r'[0-9.a-z]{1,26}@[0-9.a-z]{0,20}.[0-9a-z]', email) 4 print(m.group())
结果:
2536vera.yin@qq.com
例3,简单匹配IP V4
1 import re 2 def ai(): 3 str = input('ipv4地址:') 4 m = re.findall('^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$', str) 5 if m: 6 print('ip 有效:', m) 7 else: 8 print('ip 无效:', m) 9 ai() 10 11 ai()
结果:
ipv4地址:192.168.3.22 ip 有效: ['192.168.3.22'] ipv4地址:223.432.44.3 ip 无效: [] ipv4地址:
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
下一篇:数据分析三剑客之一numpy
- python3基础之“术语表(2)” 2019-08-13
- python3 之 字符串编码小结(Unicode、utf-8、gbk、gb2312等 2019-08-13
- Python3安装impala 2019-08-13
- 小白如何入门 Python 爬虫? 2019-08-13
- python_字符串方法 2019-08-13
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash