re模块
1.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 |
示例1: .
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re ret = re.match('.', 'ffy') print(ret.group()) ret = re.match('t.o', 'two') print(ret.group()) ret = re.match('t.o', 'too') print(ret.group()) # 输出结果: f two too
示例2:[ ]
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re # 如果hello的首字符小写,那么正则表达式需要小写的h ret = re.match("h","hello") print(ret.group()) # 如果hello的首字符大写,那么正则表达式需要大写的H ret = re.match("H","Hello") print(ret.group()) # 大小写h都可以的情况 ret = re.match("[hH]","hello") print(ret.group()) ret = re.match("[hH]","Hello") print(ret.group()) ret = re.match("[hH]ello","Hello") print(ret.group()) # 匹配0到9第一种写法 ret = re.match('速度与激情[0123456789]','速度与激情4') print(ret.group()) ret = re.match('速度与激情[0-9]','速度与激情5') print(ret.group()) ret = re.match('速度与激情[1-35-9]','速度与激情6') print(ret.group()) # 下面这个正则不能够匹配到数字4,因此ret为None ret = re.match("速度与激情[0-35-9]","速度与激情4") # print(ret.group()) # 输出结果: h H h H Hello 速度与激情4 速度与激情5 速度与激情6
示例3:\d
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re ret = re.match('速度与激情\d','速度与激情1') print(ret.group()) ret = re.match('速度与激情\d','速度与激情2') print(ret.group()) ret = re.match('速度与激情\d','速度与激情3') print(ret.group()) # 输出结果 速度与激情1 速度与激情2 速度与激情3
示例4:\s
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re re.match(r"速度与激情\s", "速度与激情 ") # 成功 re.match(r"速度与激情\s", "速度与激情\t") # 成功 re.match(r"速度与激情\s", "速度与激情a") # 失败
示例5:\w
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# \w 匹配单词字符,即 a-z,A-Z,0-9,_ ,各国文字 (慎用) ; \W 则相反 re.match(r"速度与激情\w", "速度与激情9") # 成功 re.match(r"速度与激情\w", "速度与激情a") # 成功 re.match(r"速度与激情\w", "速度与激情A") # 成功 re.match(r"速度与激情\w", "速度与激情_") # 成功 re.match(r"速度与激情\w", "速度与激情哈") # 成功 re.match(r"速度与激情\w", "速度与激情!") # 失败
2.匹配多个字符
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 |
{m} | 匹配前一个字符出现m次 |
{m,n} | 匹配前一个字符出现从m到n次 |
示例1:*
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出,一个字符串第一个字母为大小字符,后面都是小写字母并且这些小写字母可有可无 import re ret = re.match('[A-Z][a-z]*','R') print(ret.group()) ret = re.match('[A-Z][a-z]*','Rad') print(ret.group()) # 输出结果 R Rad
示例2:+
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
names = ["name1", "_name", "2_name", "__name__"] for name in names: ret = re.match(r"[a-zA-Z_]+[\w]*", name) if ret: print("%s合法" %name) else: print("%s不合法" %name) # 输出结果 name1合法 _name合法 2_name不合法 __name__合法
示例3:?
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re ret = re.match('[1-9]?[0-9]','9') print(ret.group()) ret = re.match('[1-9]?\d','66') print(ret.group()) ret = re.match('[1-9]?\d','06') print(ret.group()) # 输出结果 9 66 0
示例4:{m}
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出,8到20位的密码,可以是大小写英文字母、数字、下划线 import re ret =re.match('[A-Za-z0-9_]{8}','qwea415qy7') print(ret.group()) ret =re.match('[A-Za-z0-9_]{8,20}','qwea43121weqw5qy7wq123') print(ret.group()) # 输出结果 qwea415q qwea43121weqw5qy7wq1
3.匹配开头结尾
字符 | 功能 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
示例1:$
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出163的邮箱地址,且@符号之前有4到20位,例如hello@163.com import re email_list = ["laoWang@163.com", "laoWang@163.comheihei", ".com.laowang@qq.com"] for email in email_list: ret = re.match('[\w]{4,20}@163\.com',email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email) # 输出结果 laoWang@163.com 是符合规定的邮件地址,匹配后的结果是:laoWang@163.com laoWang@163.comheihei 是符合规定的邮件地址,匹配后的结果是:laoWang@163.com .com.laowang@qq.com 不符合要求
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 完善后 # 匹配出163的邮箱地址,且@符号之前有4到20位,例如hello@163.com import re email_list = ["laoWang@163.com", "laoWang@163.comheihei", ".com.laowang@qq.com"] for email in email_list: ret = re.match('[\w]{4,20}@163\.com$',email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email) # 输出结果 laoWang@163.com 是符合规定的邮件地址,匹配后的结果是:laoWang@163.com laoWang@163.comheihei 不符合要求 .com.laowang@qq.com 不符合要求
4.匹配分组
字符 | 功能 |
---|---|
| | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 |
\num |
引用分组num匹配到的字符串 |
(?P<name>) |
分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
示例1:|
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
匹配出0-100之间的数字 import re ret = re.match("[1-9]?\d","8") print(ret.group()) # 8 ret = re.match("[1-9]?\d","78") print(ret.group()) # 78 # 不正确的情况 ret = re.match("[1-9]?\d","08") print(ret.group()) # 0 # 修正之后的 ret = re.match("[1-9]?\d$","08") if ret: print(ret.group()) else: print("不在0-100之间") # 添加| ret = re.match("[1-9]?\d$|100","8") print(ret.group()) # 8 ret = re.match("[1-9]?\d$|100","78") print(ret.group()) # 78 ret = re.match("[1-9]?\d$|100","08") # print(ret.group()) # 不是0-100之间 ret = re.match("[1-9]?\d$|100","100") print(ret.group()) # 100
示例2:( )
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出163、126、qq邮箱 import re ret = re.match("\w{4,20}@163\.com$", "test@163.com") print(ret.group()) # test@163.com ret = re.match("\w{4,20}@(163|126|qq)\.com$", "test@126.com") print(ret.group()) # test@126.com ret = re.match("\w{4,20}@(163|126|qq)\.com$", "test@qq.com") print(ret.group()) # test@qq.com ret = re.match("\w{4,20}@(163|126|qq)\.com$", "test@gmail.com") if ret: print(ret.group()) else: print("不是163、126、qq邮箱") # 不是163、126、qq邮箱
示例3:\
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出<html>hh</html> import re # 能够完成对正确的字符串的匹配 ret = re.match('<[A-Za-z]*>\w*</[A-Za-z]*>', '<html>hh</html>') print(ret.group()) # 如果遇到非正常的html格式字符串,匹配出错 ret = re.match('<[A-Za-z]*>\w*</[A-Za-z]*>', '<html>hh</htm>') print(ret.group()) # 正确的理解思路:如果在第一对<>中是什么,按理说在后面的那对<>中就应该是什么 # 通过引用分组中匹配到的数据即可,但是要注意是元字符串,即类似 r""这种格式 ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>") print(ret.group()) # 因为2对<>中的数据不一致,所以没有匹配出来 test_label = "<html>hh</htmlbalabala>" ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", test_label) if ret: print(ret.group()) else: print("%s 这是一对不正确的标签" % test_label) # 输出结果 <html>hh</html> <html>hh</htm> <html>hh</html> <html>hh</htmlbalabala> 这是一对不正确的标签
示例4:\number
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出<html><h1>hello</h1></html> import re labels = ["<html><h1>hello</h1></html>", "<html><h1>hello</h2></html>"] for label in labels: ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", label) if ret: print("%s 是符合要求的标签" % ret.group()) else: print("%s 不符合要求" % label) # 输出结果 <html><h1>hello</h1></html> 是符合要求的标签 <html><h1>hello</h2></html> 不符合要求
示例5:(?P<name>)
(?P=name)
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出<html><h1>hello</h1></html> import re ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h1></html>") print(ret.group()) ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h2></html>") # print(ret.group()) # 注意:(?P<name>)和(?P=name)中的字母p大写
5.re模块的高级用法
search
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 匹配出文章阅读的次数 import re ret = re.search(r"\d+", "阅读次数为 9999") print(ret.group()) # 9999
findall
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 统计出python、c、c#、c++相应文章阅读的次数 import re ret = re.findall(r"\d+", "python = 9999, c = 7890, c# = 9870 c++ = 12345") print(ret) # ['9999', '7890', '9870', '12345']
sub 将匹配到的数据进行替换
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 将匹配到的阅读次数加1 # 方法1: #coding=utf-8 import re ret = re.sub(r"\d+", '998', "python = 997") print(ret) # python = 998 # 方法2: import re def add(temp): strNum = temp.group() num = int(strNum) + 1 return str(num) ret = re.sub(r"\d+", add, "python = 997") print(ret) # python = 998 ret = re.sub(r"\d+", add, "python = 99") print(ret) # python = 100
split 根据匹配进行切割字符串,并返回一个列表
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 切割字符串“email:laowang@163.com” import re ret = re.split(r':|@','email:laowang@163.com') print(ret) # ['email', 'laowang', '163.com']
6.贪婪和非贪婪
Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;
非贪婪则相反,总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。
import re
ret = re.match('.+(\d+-\d+-\d+-\d+)','127-234-345-456')
print(ret.group(1)) # 7-234-345-456
ret = re.match('.+?(\d+-\d+-\d+-\d+)','127-234-345-456')
print(ret.group(1)) # 27-234-345-456
正则表达式模式中使用到通配字,那它在从左到右的顺序求值时,会尽量“抓取”满足匹配最长字符串,在我们上面的例子里面,“.+”会从字符串的启始处抓取满足模式的最长字符,其中包括我们想得到的第一个整型字段的中的大部分,“\d+”只需一位字符就可以匹配,所以它匹配了数字“7”,而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式:非贪婪操作符“?”,这个操作符可以用在"*","+","?"的后面,要求正则匹配的越少越好。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import re print(re.match(r'a(\d+)','a2323qqq').group(1)) # 2323 print(re.match(r'a(\d+?)','a2323qqq').group(1)) # 2 print(re.match(r'a(\d+)qqq','a2323qqq').group(1)) # 2323 print(re.match(r'a(\d+?)qqq','a2323qqq').group(1)) # 2323
7.r的作用
import re
s = 'c:\\a\\b\\c'
print(re.match('c:\\\\',s).group()) # c:\
print(re.match('c:\\\\a',s).group()) # c:\a
print(re.match(r'c:\\a',s).group()) # c:\a
print(re.match(r'c:\a',s).group())
# print(re.match(r'c:\a',s).group())
# AttributeError: 'NoneType' object has no attribute 'group'
说明
Python中字符串前面加上 r 表示原生字符串,与大多数编程语言相同,正则表达式里使用"\"作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。