Python学习之==>正则表达式

正则表达式(或 RE)是一种小型的、高度专业化的编程语言,它内嵌在Python中,并通过 re 模块实现。正则表达式模式被编译成一系列的字节码,然后由用 C 编写的匹配引擎执行。

一、普通字符

二、元字符

1、元字符之. ^ $ * + ? { }

 1 # 引入正则:进入模糊匹配
 2 import re
 3 
 4 # '.'     默认匹配除\n(换行符)之外的任意一个字符,若指定flags=re.DOTALL,则匹配任意字符,包括换行
 5 res = re.findall('W..l','Hello World!!')  # ['Worl']
 6 ret = re.findall('W..l','Hello W\nrld!!',flags=re.DOTALL)  # ['W\nrl']
 7 
 8 # '^'     匹配字符开头,若指定flags=re.MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
 9 res = re.findall('^h...o','hjaookhello')  # ['hjaoo']
10 ret = re.findall(r'^a','\nabc\neee',flags=re.MULTILINE)    # ['a']
11 
12 # '$'     匹配字符结尾,若指定flags=re.MULTILINE,这种也可以匹配上("foo$","bfoo\nsdfsf",flags=re.MULTILINE)
13 res = re.findall('a..x$','aaaalexauex')   # ['auex']
14 ret = re.findall('foo$','bfoo\nsdfsf',flags=re.MULTILINE)  # ['foo']
15 
16 # '*'     匹配*号前的字符0次或多次
17 res = re.findall("ab*","cabb3abcbbac")   # ['abb','ab','a']
18 
19 # '+'     匹配前一个字符1次或多次
20 res = re.findall("ab+","cabb3abcbbac")   # ['abb','ab']
21 
22 # '?'     匹配前一个字符1次或0次
23 res = re.findall("ab?","cabb3abcbbac")   # ['ab','ab','a']
24 
25 # '{m}'   匹配前一个字符m次,{m,n}则代表匹配次数的范围
26 res = re.findall("a{1,3}b","caaabb3abcbbaabc") # ['aaab','ab','aab']
27 res = re.findall("a{1,3}b","aaaab")      # ['aaab']
28 
29 #结论:*等于{0,+∞},+等于{0,+∞},?等于{0,1},推荐使用*、+、?

注意:前面的'*'和'+'都是贪婪匹配(尽可能的多匹配),后面加'?'使其成为惰性匹配(尽可能的少匹配)

1 import re
2 res = re.findall("ab+","abbbbb")   # ['abbbbb']
3 res = re.findall("ab*","abbbbb")   # ['abbbbb']
4 res = re.findall("ab+?","abbbbb")  # ['ab']
5 res = re.findall("ab*?","abbbbb")  # ['a']

2、元字符之字符集[]

 1 # []中有多个字符代表是或的关系
 2 res = re.findall('c[on]m','comaxcnm')  # ['com','cnm']
 3 res = re.findall('[a-z]','comaxcn')    # ['c','o','m','a','x','c','n']
 4 
 5 # 元字符放在[]里,取消元字符的特殊功能(\、^、-例外)
 6 res = re.findall('[w*+,$]','co,ma+wc$n*')  # [',','+','w','$','*']
 7 
 8 # ^放在[]里,意味着取反
 9 res = re.findall('[^t]','atxmetu')  # ['a','x','m','e','u']
10 res = re.findall('[^tx]','atxmetu') # ['a','m','e','u']
11 
12 # -放在[]里,代表范围
13 res = re.findall('[1-9a-z]','13mawcCB')    # ['1','3','m','a','w','c']
14 res = re.findall('[1-9a-zA-Z]','13mawcCB') # ['1','3','m','a','w','c','C','B']
15 
16 # 反斜杠后面跟普通字符实现特殊功能
17 res = re.findall('[\w\d]','13mawcCB') # ['1','3','m','a','w','c','C','B']

3、元字符之转译字符 \

 1 # \d 匹配任何十进制数字,相当于[0-9]
 2 # \D 匹配任何非数字字符,相当于[^0-9]
 3 # \s 匹配任何空白字符,相当于[ \t\n\r\f\v]
 4 # \S 匹配任何非空白字符,相当于[^ \t\n\r\f\v]
 5 # \w 匹配任何字母数字字符,相当于[a-zA-Z0-9]
 6 # \W 匹配任何非字母数字字符,相当于[^a-zA-Z0-9]
 7 # \b 匹配一个特殊字符的边界
 8 
 9 # '\' 反斜杠后面跟普通字符实现特殊功能
10 print(re.findall('\d{5}','ae12345cw67890')) # ['12345','67890']
11 print(re.findall('\sasd','fak asd'))  # [' asd']
12 print(re.findall('\w','fak asd'))     # ['f','a','k','a','s','d']
13 print(re.findall(r'I\b','I am a LI$T')) # ['I', 'I']
14 
15 # 反斜杠后面跟元字符去除特殊功能
16 print(re.findall('a\.','a.jk'))  # ['a.']
17 print(re.findall('a\+','a+jk'))  # ['a+']

我们再来看一下反斜杠“\”的匹配,如下:

1 # 匹配反斜杠 \
2 print(re.findall('c\l','abc\le'))  # 报错
3 print(re.findall('c\\l','abc\le')) # 报错
4 print(re.findall('c\\\\l','abc\le')) # ['c\\l']
5 print(re.findall(r'c\\l','abc\le'))  # ['c\\l']
6 
7 # 因为\b在ASCII表中是有意义的,所以前面要加个r
8 print(re.findall('\bblow','blow'))   # [],匹配不到
9 print(re.findall(r'\bblow','blow'))  # ['blow']

4、元字符之分组 ()

 1 # ()分组,括号里的字符作为一个整体
 2 print(re.findall('(as)','jdkasas'))  # ['as', 'as']
 3 
 4 res=re.search('(?P<id>\d{3})/(?P<name>\w{3})','weeew34ttt123/ooo')
 5 print(res.group())       # 123/ooo
 6 print(res.group('id'))   # 123
 7 print(res.group('name')) # ooo
 8 
 9 # findall
10 res = re.findall('www.(\w+).com','www.baidu.com')
11 print(res)  # ['baidu'],有分组只取出组当中的内容
12 ret = re.findall('www.(?:\w+).com','www.baidu.com')
13 print(ret)  # ['www.baidu.com'],加上?:取消分组权限
14 
15 # search
16 res = re.search('www.(\w+).com','www.baidu.com')
17 print(res.group())  # www.baidu.com,与findall不同

5、元字符之管道符 |

1 # | 匹配|左或|右的字符
2 print(re.findall('(ab)|\d','rabhdg8sd'))  # ['ab', '']
3 print(re.search('(ab)|\d','rabhdg8sd').group()) # ab

6、re模块下的常用方法

 1 # 正则表达式的方法
 2 # re.findall()  # 所有的结果都返回到一个列表里
 3 # re.search()   # 返回匹配到的第一个对象(object),对象可以调用group方法来拿取返回结果
 4 # re.match()    # 只在字符串开始匹配,也只返回一个对象,对象可以调用group方法来拿取返回结果
 5 # re.split()    # 匹配到的字符当做列表分隔符
 6 # re.sub()      # 匹配字符并替换
 7 # re.subn()     # 效果和sub一样,但是同时还会返回替换了多少次
 8 # re.compile()  # 把匹配规则编译成一个对象供后面多次使用
 9 # re.finditer() # 返回的是一个迭代器
10 
11 # findall:所有的结果都返回到一个列表里
12 print(re.findall('\d','12345'))  # ['1','2','3','4','5']
13 
14 # search:匹配出第一个满足条件的结果
15 res = re.search('sb','adssbeeesb')
16 print(res)        # <_sre.SRE_Match object; span=(3,5), match='sb'>
17 print(res.group())# sb
18 
19 # match:同search,不过尽在字符串开始处进行匹配
20 res = re.match('sb','sbaee')
21 print(res)        # <_sre.SRE_Match object; span=(0,2), match='sb'>,没匹配到则返回None
22 print(res.group())# sb
23 
24 # split:匹配到的字符当做列表分隔符
25 res = re.split('k','djksal')
26 print(res) # ['dj','sal']
27 res = re.split('[j,s]','dsejksal')
28 print(res) # ['d','e','k','al']
29 res = re.split('[j,s]','sejksal')
30 print(res) # ['','e','k','al']
31 
32 # sub:匹配字符并替换
33 res = re.sub('a..x','s..b','eealexbb')
34 print(res)  # ees..bbb
35 res = re.sub('ab','123','ablexbab',1) # 最后一个参数是替换几次
36 print(res)  # 123lexbab
37 
38 # subn:效果和sub一样,返回的是一个元组,除了返回的结果,还有替换了多少次
39 res = re.subn('a..x','s..b','eealexbb')
40 print(res)  # ('ees..bbb',1)
41 res = re.subn('ab','123','ablexbab') # 最后一个参数是替换几次
42 print(res)  # ('123lexb123',2)
43 
44 # compile:把匹配规则编译成一个对象供后面多次使用
45 obj = re.compile('\.com') # 把匹配规则编译成一个对象
46 res = obj.findall('fajs.comeee')
47 ret = obj.findall('aa.comss.com')
48 print(res)  # ['.com']
49 print(ret)  # ['.com','.com']
50 
51 # finditer:返回的是一个迭代器
52 res = re.finditer('\d','12345')
53 print(res) # <callable_iterator object at 0x000001E98FE4D7B8>
54 for i in res:
55     print(i.group())
56 # 1
57 # 2
58 # 3
59 # 4
60 # 5

 

posted on 2019-01-01 22:09  破解孤独  阅读(593)  评论(0编辑  收藏  举报

导航