Python--re模块

2018-12-02 06:17:59来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

正则表达式

正则表达式:一种字符串匹配的规则

字符组

字符组 : [字符组]
在同一个位置可能出现的各种字符组成了一个字符组,在正则表达式中用[]表示
字符分为很多类,比如数字、字母、标点等等。
假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。
正则 待匹配字符 匹配结果 说明
[0123456789] 6 True 在一个字符组里枚举合法的所有字符,字符组的任意一个字符和"待匹配字符"相同都视为可匹配
[0123456789] a False 由于字符组中没有“a”,所以不能匹配
[0-9] 7 True 匹配0-9中的任意数字;等于[0123456789]
[a-z] s True 匹配a-z中任意小写字母。
[A-Z] B True 匹配A-Z中任意大写字母。
[0-9a-zA-Z] e True 匹配任意数字、大小写字母。

字符

元字符 匹配内容
. 匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线
\s 匹配任意的空白符:空格、tab、换行;等于[\f\n\r\t]
\d 匹配数字;等于[0-9]
\W 匹配非字母或数字或下划线,也就是说除了字母、数字、下划线以外的
\S 匹配非任意的空白符,也就是说除了空格、tab、换行以外的;等于[^ \f\n\r\t]
\D 匹配非数字,也就是说除了数字以外的
\t 匹配一个制表符,tab
\n 匹配一个换行符
^ 匹配字符串以什么开头的
$ 匹配字符串以什么结尾的
a|b 匹配字符a或者字符b,| 或者的关系
() 匹配括号内的表达式,也表示一个组
[...] 匹配字符组中的字符
[^...] 匹配非字符组中的所有字符
\b 匹配一个单词的边界

注意这三种的结果都表示匹配所有:[\d\D]、[\s\S]、[\w\W]

量词

量词 用法说明
* 重复零次或者多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+ 重复一次或者多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。
? 重复零次或者一次。例如,"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
{n} 重复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,} 重复n次或多次。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} 重复n次到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。

贪婪匹配

贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配

正则 待匹配字符 匹配结果 说明
<.*> <abcdefg>2<hijklmn> <abcdefg>2<hijklmn> 默认为贪婪模式,会匹配尽量长的字符串
<.*?> <abcdefg>2<hijklmn> <abcdefg> 加上? 为了将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串
几个常用的非贪婪匹配Pattern
*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复 

. *?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在:
.*?x

就是取前面任意长度的字符,直到一个x出现

re模块

在python中用来提供正则表达式匹配的模块就是re模块

在re模块中的匹配语法有以下几种

  • re.match:从头开始匹配,匹配成功返回正则匹配成功的对象,匹配失败返回None
  • re.search:匹配包含的所有,匹配成功返回正则匹配成功的对象,匹配失败返回None
  • re.findall:将所有匹配到的字符以一个列表的形式返回,匹配失败返回一个空列表
  • re.finditer:和findall类似,将匹配到的所有字符作为一个迭代器返回
  • re.split:按照能够匹配的子串将字符串分割后返回列表
  • re.sub:匹配字符并替换
  • re.compile:编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。

re.findall函数 *****

  • 格式:re.findall(pattern, string, flags=0)
  • 参数:
    pattern:匹配的正则表达式
    string:要匹配的字符串
    flags:标志位,用于控制正则表达式的匹配方式,可有可无
    标志位常见取值如下:
    re.I    忽略大小写
    re.L    作本地户识别
    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
  • 示例:
    ret = re.findall(r'\d+', 'Today454 is1 a 00 day3')   # 匹配一位到多位的数字
    print(ret)
    # 结果>>> ['45', '1', '00', '3']
    ret = re.findall(r'[a-z]{3}', 'Today is a Good day, Day')   # 匹配任意连续三个小写字母
    print(ret)
    # 结果>>> ['oda', 'ood', 'day']
    ret = re.findall(r'[a-z]{3}', 'Today is a Good day, Day', flags=re.I)   # 匹配任意连续三个字母,不区分大小写;flags=re.I表示不区分大小写
    print(ret)
    # 结果>>> ['Tod', 'Goo', 'day', 'Day'] 
  • findall的优先级查询:
    import re
    
    ret = re.findall('www.(baidu|souhu).com', 'www.baidu.com')
    print(ret)
    # 结果>>> ['baidu']   这是因为findall会优先把匹配到的结果,组里的内容返回;如果想要匹配结果,取消权限即可
    
    ret = re.findall('www.(?:baidu|souhu).com', 'www.baidu.com')
    print(ret)
    # 结果>>> ['www.baidu.com']

re.search函数 *****

  • 格式:re.search(pattern, string, flags=0)
  • 参数:
    pattern:匹配的正则表达式
    string:要匹配的字符串
    flags:标志位,用于控制正则表达式的匹配方式
  • 示例:
    ret = re.search(r'd', 'Today is a Good day, Day')
    print(ret)
    # 结果>>> <_sre.SRE_Match object; span=(2, 3), match='d'>
    print(ret.group())
    # 结果>>> d
    ret = re.search(r'j', 'Today is a Good day, Day')
    print(ret)
    # 结果>>> None

re.match函数 ***

  • 格式:re.match(pattern, string, flags=0)
  • 参数:
    pattern:匹配的正则表达式
    string:要匹配的字符串
    flags:标志位,用于控制正则表达式的匹配方式
  • 示例:
    ret = re.match(r'www', 'www.baidu.com')
    print(ret)
    # 结果>>> <_sre.SRE_Match object; span=(0, 3), match='www'>
    print(ret.group())
    # 结果>>> www
    ret = re.match(r'www', 'ww.baidu.com')
    print(ret)
    # 结果>>> None

re.sub函数 ***

  • 格式:re.sub(pattern, repl, string, count=0)
  • 参数:
    pattern:    正则表达式(规则)
    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,如果不指定,默认全部替换
  • 示例:
    ret = re.sub(r'\d', 'H', 'sjkd42jk234523jln5aex8439')
    print(ret)
    # 结果>>> sjkdHHjkHHHHHHjlnHaexHHHH
    ret = re.sub(r'\d', 'H', 'sjkd42jk234523jln5aex8439',count=2)
    print(ret)
    # 结果>>> sjkdHHjk234523jln5aex8439
    
    # subn函数:其实和sub一样,只是返回替换了多少次
    ret = re.subn(r'\d', 'H', 'sjkd42jk234523jln5aex8439')
    print(ret)
    # 结果>>> ('sjkdHHjkHHHHHHjlnHaexHHHH', 13)
    ret = re.subn(r'\d', 'H', 'sjkd42jk234523jln5aex8439',count=2)
    print(ret)
    # 结果>>> ('sjkdHHjk234523jln5aex8439', 2)

re.split函数 ***

  • 格式:re.split(pattern, string, maxsplit=0, flags=0)
  • 参数:
    pattern:匹配的正则表达式
    string:要匹配的字符串
    maxsplit : 指定分隔的次数;默认为0,不限制次数
    flags:标志位,用于控制正则表达式的匹配方式
  • 示例:
    ret = re.split(r'\d+', 'www232abcdw3jafe32ad')
    print(ret)
    # 结果>>> ['www', 'abcdw', 'jafe', 'ad']
    ret = re.split(r'\d+', 'www232abcdw3jafe32ad', maxsplit=2)
    print(ret)
    # 结果>>> ['www', 'abcdw', 'jafe32ad']
  • split的优先级查询
    ret = re.split('\d+', 'sdjkfl3sdjl5jskd2dsf')
    print(ret)
    # 结果>>> ['sdjkfl', 'sdjl', 'jskd', 'dsf']
    ret = re.split('(\d+)', 'sdjkfl3sdjl5jskd2dsf')
    print(ret)
    # 结果>>> ['sdjkfl', '3', 'sdjl', '5', 'jskd', '2', 'dsf']
    
    '''
    在匹配部分加上()之后所切出的结果是不同的,
    没有()的没有保留所匹配的项,但是有()的却能够保留了匹配的项,
    这个在某些需要保留匹配部分的使用过程是非常重要的。
    '''

re.compile函数 *****

  • 格式:re.compile(pattern)
  • 参数:
    pattern:要编译的正则表达式
  • 示例:
    my_re = re.compile('\d{3}')
    ret = re.findall(my_re, 'jdla2jd2462jskdf234546')
    print(ret)
    # 结果>>> ['246', '234', '546']
    ret = re.search(my_re, 'jdla2jd2462jskdf234546').group()
    print(ret)
    # 结果>>> 246
    ret = re.match(my_re, '43423sjdkfljaj24234').group()
    print(ret)
    # 结果>>> 434
    
    # 编译后的,都可以使用re模块的其他方法,如:findall、search、match、sub、split等

re.finditer函数 *****

  • 格式:re.finditer(pattern, string, flags=0)
  • 参数:
    pattern:匹配的正则表达式
    string:要匹配的字符串
    flags:标志位,用于控制正则表达式的匹配方式
  • 示例:
    ret = re.finditer(r'\d', 'sjkdfl3jskl9ajkl234jdkf75jdslf')
    for i in ret:
        print(i.group())
    # 结果>>>
    '''
    3
    9
    2
    3
    4
    7
    5
    '''

分组 ***** 

除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组

str3 = "010-52365561"
m = re.match(r"(\d{3})-(\d{8})", str3)
c = re.match(r"(?P<first>\d{3})-(\d{8})", str3)     # ?P<>给组起名
print(m)
# 打印结果:<_sre.SRE_Match object; span=(0, 12), match='010-52365561'>
print(m.group(0))   #使用序号获取对应组的信息,group(0)--代表原始的字符串
# 打印结果:010-52365561
print(m.group(1))
# 打印结果:010
print(m.group(2))
# 打印结果:52365561
print(m.groups())   #查看匹配的各组的情况
# 打印结果:('010', '52365561')
print(c.group("first"))
# 打印结果:010

扩展

匹配标签

ret = re.search(r'<(?P<tag_name>\w+)>.+</(?P=tag_name)>', '<h1>Hello World</h1>')
'''
还可以在分组中利用?<name>的形式给分组起名字
获取的匹配结果可以直接用group('名字')拿到对应的值
'''
print(ret.group())
# 结果>>> <h1>Hello World</h1>
print(ret.group('tag_name'))
# 结果>>> h1

ret = re.search(r'<(\w+)>.+</(\1)>', '<h1>Hello World</h1>')
'''
如果不给组起名字,也可以用\序号来找到对应的组,表示要找的内容和前面的组内容一致
获取的匹配结果可以直接用group(序号)拿到对应的值
'''
print(ret.group())
# 结果>>> <h1>Hello World</h1>
print(ret.group(1))
# 结果>>> h1

匹配整数

ret = re.findall('\d+', "1-2*(60+(-40.35/5)-(-4*3))")
print(ret)
# 结果>>> ['1', '2', '60', '40', '35', '5', '4', '3']
ret = re.findall('-?\d+\.\d+|(-?\d+)', "1-2*(60+(-40.35/5)-(-4*3))")
print(ret)  # 结果>>> ['1', '-2', '60', '', '5', '-4', '3']
ret.remove('')
print(ret)  # 结果>>> ['1', '-2', '60', '5', '-4', '3']

数字匹配

1、 匹配一段文本中的每行的邮箱
      http://blog.csdn.net/make164492212/article/details/51656638

2、 匹配一段文本中的每行的时间字符串,比如:‘1990-07-12’;

   分别取出1年的12个月(^(0?[1-9]|1[0-2])$)、
   一个月的31天:^((0?[1-9])|((1|2)[0-9])|30|31)$

3、 匹配qq号。(腾讯QQ号从10000开始)  [1,9][0,9]{4,}

4、 匹配一个浮点数。       ^(-?\d+)(\.\d+)?$   或者  -?\d+\.?\d*

5、 匹配汉字。             ^[\u4e00-\u9fa5]{0,}$ 

 

 

 

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

上一篇:if语句

下一篇:Django CBV流程及源码分析