正则表达式
概述
- 定义:
文本的高级匹配模式,其本质是由一系列字符和特殊符号构成的字串,这个字串即正则表达式。 - 原理:
通过普通字符和有特定含义的字符,来组成字符串,用以描述一定的字符串规则,比如:重复,位置等,来表达某类特定的字符串,进而匹配。
re模块
re模块常用方法
- re.findall(pattern,string,flags = 0)
功能: 根据正则表达式匹配目标字符串内容
参数:
pattern 正则表达式
string 目标字符串
flags 功能标志位,扩展正则表达式的匹配
返回值: 匹配到的内容列表,如果正则表达式有子组则只能获取到子组对应的内容
- re.split(pattern,string,max,flags = 0)
功能: 使用正则表达式匹配内容,切割目标字符串
参数:
pattern 正则表达式
string 目标字符串
max 最多切割几部分
flags 功能标志位,扩展正则表达式的匹配
返回值: 切割后的内容列表
- re.sub(pattern,replace,string,count,flags = 0)
功能: 使用一个字符串替换正则表达式匹配到的内容
参数:
pattern 正则表达式
replace 替换的字符串
string 目标字符串
count 最多替换几处,默认替换全部
flags 功能标志位,扩展正则表达式的匹配
返回值: 替换后的字符串
生成match对象
- re.finditer(pattern,string,flags = 0)
功能: 根据正则表达式匹配目标字符串内容
参数:
pattern 正则表达式
string 目标字符串
flags 功能标志位,扩展正则表达式的匹配
返回值: 匹配结果的迭代器
- re.match(pattern,string,flags=0)
功能:匹配某个目标字符串开始位置
参数:
pattern 正则表达式
string 目标字符串
返回值:匹配内容match object
- re.search(pattern,string,flags=0)
功能:匹配目标字符串第一个符合内容
参数:
pattern 正则表达式
string 目标字符串
返回值:匹配内容match object
match对象的方法
span()
获取匹配内容的起止位置
groupdict()
获取 捕获组 字典,组名为键,对应内容为值
group(n = 0)
功能:获取match对象匹配内容
参数:默认为0表示获取整个match对象内容,如果是序列号或者组名则表示获取对应子组内容
返回值:匹配字符串
匹配单个字符
字符 | 功能 |
---|---|
. | 匹配任意1个字符(除了\n) |
[ ] | 匹配[ ]中列举的字符 |
\d | 匹配数字,即0-9 |
\D | 匹配非数字,即不是数字 |
\s | 匹配空白,即 空格,tab键 |
\S | 匹配非空白 |
\w | 匹配单词字符,即a-z、A-Z、0-9、_ |
\W | 匹配非单词字符 |
\b | 表示单词边界 |
\B | 表示非单词边界 |
匹配多个
字符 | 功能 |
---|---|
* | 匹配前一个字符出现0次或者无限次,即可有可无 |
+ | 匹配前一个字符出现1次或者无限次,即至少有1次 |
? | 匹配前一个字符出现1次或者0次,即要么有1次,要么没有 |
匹配前一个字符出现m次 | |
匹配前一个字符出现从m到n次 |
匹配开头结尾
字符 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
贪婪和非贪婪模式
- 定义:
贪婪模式: 默认情况下,匹配重复的元字符总是尽可能多的向后匹配内容。比如: * + ? {m,n}
非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。
- 贪婪模式转换为非贪婪模式
在对应的匹配重复的元字符后加 '?' 号即可
* -> *?
+ -> +?
? -> ??
{m,n} -> {m,n}?
正则表达式分组
字符 | 功能 |
---|---|
| | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 |
\num | 引用分组num匹配到的字符串 |
(?P |
分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
flags参数扩展
作用函数:re模块调用的匹配函数。如:re.compile,re.findall,re.search....
功能:扩展丰富正则表达式的匹配功能
常用flag:
A == ASCII 元字符只能匹配ascii码
I == IGNORECASE 匹配忽略字母大小写
S == DOTALL 使 . 可以匹配换行
M == MULTILINE 使 ^ $可以匹配每一行的开头结尾位置
注意:同时使用多个flag,可以用竖线连接 flags = re.I | re.A