如果直接给出字符,就是精确匹配。对于特殊字符- ,在正则表达式中要用转义字符\转义。
\d 一个数字,
\w 任意单个字符,空白符除外(例 字母、数字或下划线 . 英文点号)
\s 一个空格(也包括Tab等空白符)
大写的为小写的取反模式
\D 除0到9的数字以外的任何字符
\W 匹配除数字、字母和下划线以外的任何字符
\S 匹配除空格、制表符和换行符以外的任何字符
变长字符:表示匹配字符的次数
* 表示0个或多个字符
+ 表示至少一个字符,
? 表示0个或1个字符,
{n} 表示n个字符
{n,m} 表示n-m个字符,包含n,m个
\d{3}\s+\d{3,8} 表示匹配3个数字和一个或多个空格和3-8个数字
中括号[]可以自定义匹配范围,表示可以是里面的任意一个
[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头,后接任意个数字、字母或下划线组成的字符串,也就是Python合法的变量。
点-星(.*)将匹配除除换行符外的所有字符
A|B可以匹配A或B,所以 (P|p)ython 可以匹配Python 或 python .
^表示行的开头,^\d 表示必须以数字开头。 $表示行的结束,\d$表示必须以数字结束。
在[]中开头加上^,表示不包含此字符集以外的其他字符 。 如 [^ac]表示匹配除a,c以外的所有其他字符
---------------------------------------------------------
(?:pattern) 非获取匹配,匹配pattern但不获取匹配结果,不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern) 非获取匹配,正向肯定预查,在任何匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。
(?!pattern) 非获取匹配,正向否定预查,在任何不匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。
(?<=pattern) 非获取匹配,反向肯定预查,与正向肯定预查类似,只是方向相反。匹配pattern。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern) 非获取匹配,反向否定预查,与正向否定预查类似,只是方向相反。不匹配pattern。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。这个地方不正确,有问题
----------------------------------------------------------
(?!字符串) 表示匹配不包含某个字符串的字符集,需要指明在什么位置不出现该字符串,和该位置会出现什么
如r'<b>(?!2012)[0-9]{4}<b>'表示 匹配 在两个<b>中间 是4位数字,但不是2012
r‘^(?![0-9]{7-8}$)[0-9A-Za-z]{7,9}$’ 表示 匹配 由数字和字母组成的7-9为字符,但不是7-8位纯数字字符,即可以为9位纯数字字符。
r'^(?![0-9]{7-9}$)(?![a-z]{7-9}$)[0-9A-Za-z]{7,9}$' 表示匹配7-9位由数字、大写字母、小写字母组成的字符, 但不能是纯数字,也不能是纯小写字母
>>>mol = re.compile(r'(\((?!config).*\))') 表示 匹配 在 小括号()中不是'config'的任何其他字符串
>>>mol.findall("some(test)else\nname(config)else\nyou(255.255.255)ksd")
>['(test)','(255.255.255)']
在字符串前加上r,表示对里面的字符不转义。
match
是根据匹配模式从给定字符串的第一个字符开始匹配,如果匹配成功,返回一个match对象,否则返回None
import re
a=re.match(r'^(\d{3})\-(\d{3,8})$','010-12345')
a.group() #'010-12345'
a.group(1) #'010'
a.group(2) #'12345'
group(0)永远是原始字符串,group(1)、group(2)……表示第1/2、……个子串
注 :如果第一个字符就不符合,则返回None,match只返回符合的第一个对象,不再查找余下的
经Python3.5测试,只有res2有匹配到值,res1,res3都返回None。
>>> pattern=re.compile(r'hello')
>>> res1=re.match(pattern,'hell')
>>> res2=re.match(pattern,'hellow')
>>> res3=re.match(pattern,'ashello')
>>> res1 None
>>> res2
<_sre.SRE_Match object; span=(0, 5), match='hello'>
>>> res3 None
'''
findall 返回查找全部结果的列表
mo1=re.compile(r'''(\d{3}\w{2}([.A-F]{2,4})[%@F-Z]{3})''',re.VERBOSE)
A = mo1.findall('576dfCD.HIS794SDABC@KM')
>>> A
[('576dfCD.HIS', 'CD.'), ('794SDABC@KM', 'ABC')]
![](https://images2018.cnblogs.com/blog/1421109/201807/1421109-20180711165019550-1642847926.png)
贪婪匹配
默认是贪婪匹配, 在括号内加?表示非贪婪匹配 :
贪婪匹配
re.match(r'^(\d+)(0*)$','102300').groups()
#('102300', '')
非贪婪匹配
re.match(r'^(\d+?)(0*)$','1022300').groups()
#('10223', '00')
re.compile()的第二个参数
re.DOTALL 让句点字符匹配所有字符,包括换行符。
noNewlineRegex=re.compile('.*')
m='Serve the public trust.\nProtect the innocent.\nUphold the law.'
n=noNewlineRegex.search(m).group()
print(n)
#'Serve the public trust.'
newlineRegex=re.compile('.*',re.DOTALL)
print(newlineRegex.search(m).group())
'''
Serve the public trust.
Protect the innocent.
Uphold the law.
'''
re.IGNORECASE或re.I 不区分大小写的匹配
robocop=re.compile(r'robocop',re.I)
robocop.search('Robocop is part man,part machine,all cop.').group()
#'Robocop'
re.VERBOSE 忽略正则表达式字符串中的空白符和注释
phoneRegex=re.compile(r'''(
(\d{3}|\(\d{3}\))? #area code
(\s|-|\.)? #separator
\d{3} #first 3 digits
(\s|-|\.) #separator
\d{4} #last 4 digits
(\s*(ext|x|ext.)s*\d{2,5})? #extension
)''',re.VERBOSE)
组合使用re.IGNORECASE ,re.DOTALL和re.VERBOSE
#如果希望正则表达式不区分大小写,并且句点字符匹配换行,就可以这样构造re.compile()调用:
someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL)
#使用第二个参数的全部3个选项:
someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL|re.VERBOSE)
re.split()
切分字符串
>>> 'a b c'.split(' ')
['a', 'b', '', '', '', 'c']
固定字符切分字符串,无法识别连续的空格
>>> re.split(r'\s+','a b c')
['a', 'b', 'c']
>>> re.split(r'[\s\,\;]+','a,b ;c d')
['a', 'b', 'c', 'd']
sub() 替换字符串
Regex对象的sub()方法,第一个参数 用于替换 源字符串的 需被 替换 的字符 ,第二个参数是 源字符串
mol=re.compile(r'Agent \w+')
mol.sub('CENSORED','Agent Alice gave the secret documents to Agent Bob.')
#'CENSORED gave the secret documents to CENSORED.'
保留被替换字符串 中 的一部分内容,在sub()的第一个参数中,可以输入\1、\2、\3.....表示将re 的表达式模式中 的 分组1 ,分组2 ,分组3 的部分显示出来(即不被替换)
假定想要隐去密探的姓名,只显示他们姓名的第一个字母。要做到这一点,可以使用正则表达式Agent(\w)\w*,传入r'\1****'作为sub()的第一个参数。
#字符串中的\1将由分组1匹配的文本所替代,也就是正则表达式的(\w)分组。
agentNamesRegex=re.compile(r'Agent (\w)\w*')
agentNamesRegex.sub(r'\1****','Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.')
#'A**** told C**** that E**** knew B**** was a double agent.'
#编译
#当我们在python 中使用正则表达式时,re模块内部会干两件事:
#1.编译正则表达式,如果正则表达式的字符串本身不合法,会报错
#2.用编译后的正则表达式去匹配字符串。
#如果一个正则表达式要重复使用几千次,出于效率考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配