python中正则匹配之re模块
Python中正则表达式
re：re是提供正则表达式匹配操作的模块
一、什么是正则表达式
正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某个模式匹配,Python 自1.5版本起增加了re模块,它提供Perl风格的正则表达式。
二、正则表达式的基本使用
1、re.match()介绍
match() 试图从字符串的起始位置对模式进行匹配,如果匹配成功,就返回一个匹配对象,如果匹配失败,就返回None,匹配对象的group()方法能显示成功匹配的对象。
使用语法：
re.match(pattern,string[, flags])
参数说明
- 匹配的正则表达式,直接传入一个字符串,Python会将字符串作为正则表达式来对待
- 匹配的字符串
- 标志位：用于控制正则表达式的匹配方式,如：是否区分大小写,多行匹配等
import re
ret = re.match("hello","hello word")
print(ret.group()) # 使用group()方式返回对应的分组
注意：
- match() 匹配是从字符串的开始位置匹配,如果开始匹配不到则不在匹配并返回一个None
import re
ret = re.match("hello","ahello word")
print(ret.group()) # 匹配不成功,就返回None
2、re.search()介绍
- re.match() 是从字符串的开始位置匹配,所以基本情况下能够匹配的概率不大。
- re.search() 是从字符串中搜索正则表达式模式,任何位置都可以被匹配,返回的是第一次出现的匹配对象(因为正则字符串中可能会多出匹配),它的参数和re.match()是一样的,返回值也是一个匹配对象
使用语法:
re.search(pattern,string[,flags])
import re
ret = re.search("hello","ahello word") # 搜索成功
print(ret.group()) # hello
3、re.match()和re.search()的区别
- re.match匹配的时候只匹配字符串的开始,如果字符串的开始不符合正则表达式,则匹配失败,函数返回None。
- re.search() 匹配整个字符串,直到匹配到一个。
import re
ret = re.search("^hello","ahello word") # 如果在hello前面加^号,其search的功能和match的功能一样
print(ret.group()) # 匹配不成功，返回None
4、re.fildall()介绍
- re.fildall() 对整个字符串从左到右进行匹配,返回所有匹配对象的列表.
使用语法：
re.fildall(pattern,string[,flags])
ret = re.fildall('\d+','hello123,word456')
print(ret)
结果:
>>>['123','456']
5、re.compile()介绍
- re.compile() 对整个正则表达式进行预编译,生成表达式对象,用于正则匹配
使用语法：
re.compile(pattern,flags)
import re
rule = re.compile('\d+')
ret = rule.findall('hellow word456')
print(ret)
>>>456
6、re.split()介绍
- re.split()方法与字符串的切割方法一样,返回的是一个列表,这了我用正则匹配进行切割
使用语法：
re.split(pattern,string,maxsplit,flags)
import re
strs = 'zhangsan123wangwu345we'
set = re.split('\d+',strs)
print(set)
>>>['zhangsan', 'wangwu', 'we']
7、re.sub()介绍
- re.sub() 批量替换字符串中某个字符,如：将'hello word'替换成'HELLO word'
使用语法：
re.sub(pattern,repl,string,count)
import re
strs = 'hello word'
ret = re.sub('hello','HELLO',strs)
print(ret)
>>>HELLO word
# 使用正则来匹配替换
strs = 'abcd123efg345hi'
ret = re.sub(r'\d+','HELLO',strs)
print(ret)
>>>abcdHELLOefgHELLOhi
8、re.subn()介绍
- re.subn的用法和re.sub是一样的,区别在与返回值,re.sub返回的是字符串,而re.subn返回的是元组
使用语法：
re.subn(pattern,repl,string,count)
import re
strs = 'abcd123efg345hi'
ret = re.subn(r'\d+','HELLO',strs)
print(ret)
>>>('abcdHELLOefgHELLOhi', 2) #('替换后的字符串',替换的次数)
# 指定替换的次数
import re
strs = 'abcd123efg345hi'
ret = re.subn(r'\d+','HELLO',strs,1)
print(ret)
>>>('abcdHELLOefg345hi', 1)
三、正则表达式语法
- 正则表达式的强大之处是因为它提供了很多特殊符号和字符,使用它们正则表达式才可以强大而又灵活。
字符组
| 符号 | 描述 |
|---|---|
| [0-9] | 匹配数字 |
| [a-z] | 匹配小写字母 |
| A-Z | 匹配大写字母 |
| [0-9A-z] | 匹配数字及大小写字母 |
| [3-9] | 匹配小范围的数字值 |
| [a-f] | 匹配小范围的字母值 |
| [^abc] | 不匹配abc任意字符 |
| [^a-z] | 不匹配a-z直接的任意字符 |
| 1[0-9] | 匹配10-19直接的数值 |
| 1[0-9][0-9] | 匹配100-199直接的数值 |
元字符
| 符号 | 描述 |
|---|---|
| \d | 匹配固定：0-9数值 |
| \w | 匹配数字字母及下划线中文:[0-9A-z_"中文"] |
| \s | 匹配空白符:空格,Tab,回车 |
| \t | 匹配Tab |
| \n | 匹配回车 |
| \D | 匹配数字 |
| \W | 匹配非数字字母下划线 |
| \S | 匹配非空白符 |
| . | 匹配除换行符外任意一个字符 |
| ^ | 匹配以某字符开头 |
| $ | 匹配以某字符结尾 |
| [] | 字符组(只要在[]里面的都匹配) |
| [^] | 非字符组(只要在[]里面的都不匹配) |
| | | 或,(如:abcdef|acb) |
| () | 分组,如:^(abcdef|abc)$ |
量词
| 符号 | 描述 |
|---|---|
| 重复n次 | |
| 重复至少n次,n次以上 | |
| 重复n-m次 | |
| ? | 0或1次 |
| + | 1到不限 |
| * | 0到不限 |
贪婪和惰性
| 表达式 | 描述 |
|---|---|
| a.*b | 贪婪 |
| a.*?b,a.+?b | 惰性,在量词后面的?表示惰性匹配,会在符合条件的基础上尽量少的匹配其他内容 |
贪婪匹配模式
- 用到量词的匹配时,默认为贪婪模式
- 贪婪模式的意思就是匹配的时候,尽量多匹配,不行再慢慢的减少匹配
import re
lst = "\d{2,4}"
ret = re.search(lst,"12345abcd")
print(ret.group())
结果：
>>>1234
惰性匹配模式
- 惰性匹配模式正好和贪婪模式相对
- 惰性匹配是尽量少的匹配,不行再慢慢去增加匹配的个数
- 惰性匹配只需要在量词后面添加?即可
import re
lst = "\d{2,4}?"
ret = re.search(lst,"12345abcd")
print(ret.group())
结果：
>>>12
常用正则表达式
| 表达式 | 描述 | 结果 |
|---|---|---|
| 1[3-9]\d | 匹配手机号 | 13888998899 |
| [1-9]\d* | 匹配任意的正整数 | 143 |
| \d+.\d+ | 匹配任意小数 | 12.345 |
| \d+(.\d+) | 匹配整数或小数 | 12或者12.131231 |
常用分组
| 代码 | 描述 |
|---|---|
| (exp) | 匹配exp,并捕获文本到自动命名的组里 |
| (?exp) | 匹配exp,并捕获文本到名称为name的组里,也可以写(?'name'exp) |
| (?:exp) | 匹配exp,不捕获匹配的文本,也不给次分组分配组号 |
| (?=exp) | 匹配exp前面的位置 |
| (?<=exp) | 匹配exp后面的位置 |
| (?!exp) | 匹配后面跟的不是exp的位置 |
| (?<!exp) | 匹配前面不是exp的位置 |
findall，search和分组的关系
案例1：
import re
ret = re.findall('\d(\d)','a1,b22,c345')
print(ret)
>>>[2,4]
案例2：
import re
ret = re.findall('\d(?:\d)','a1,b22,c345')
print(ret)
>>>['22','34']
案例3：
import re
ret = re.search('(?P<num1>\d)(?P<num2>\d)','a14,b22,c3357')
print(ret.group()) # 14
print(ret.group(0)) # 14
print(ret.group(1)) # 1
print(ret.group(2)) # 4
print(ret.group('num1')) # 1
print(ret.group('num2')) # 4
案例4：
import re
ret = re.search('(?P<num1>\d)(?P=num1)','a14,b22,c3357')
print(ret.group()) #匹配10位数，并且分组1=分组2
>>>22
分组的作用
import re
ret = re.search("<(?P<tag_name)>\w)>.*</(?P=tag_name)>","<h1>hello<\h1>")
print(ret)
print(ret.group('tag_name'))
print(ret.group())
>>>h1
>>>h1
>>><h1>hello</h1>
