Python 正则

正则表达式：用来匹配字符串

要导入re模块

\d 匹配一个数字　　\D匹配任意非数字　　\w匹配一个字母或数字　　. 匹配任意字符

* 任意个字符　　  + 至少一个字符　　? 0个或1个字符　　\n匹配一个换行符

\s 一个空格　　   \S匹配任意非空字符　　{n} n个字符　　{n,m} 表示n~m个字符

[ ] 范围　　 [0-9a-zA-Z\_] 匹配一个数字、字母或者下划线 　　[^abc]匹配除了a,b,c之外的字符

A|a 匹配A或a　　^ 行的开头　　^\d 必须以数字开头　　\t匹配一个制表符

$ 行的结束　　\d$ 必须以数字结束 　　( )( ) 分组　　\G匹配最后匹配完成的位置

反斜杠本身需要使用反斜杠转义，标点符号只有被转义时才匹配自身，否则它们表示特殊的含义

#!/usr/bin/python3

import re

#re.match(正则表达式, 要拿来匹配的字符串)  成功返一个math对象 否则返回Node
m = re.match(r'^(\d{3})-(\d{3,8})$', '666-123456')
print(m)

#re.split(正则表达式, 要拿来匹配的字符串)  以正则表达式作为分隔符
print( re.split(r'[\s\,]+', 'a,b,c,  d') ) #以空格或,分割

#提取字串
print( m.group(0) )  #group(0)永远是原始字符
print( m.group(1) )
print( m.group(2) )

正则匹配默认是贪婪匹配

由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果(0*)分组只能匹配空字串了

要抑制贪婪匹配，+?

如正则表达式重复使用多次，可预编译该正则表达式，提高效率

 

re.compile(pattern[,flags])　　pattern正则表达式，flags可选，表示匹配模式，多个匹配模式通过 | 来分隔

re.I忽略大小写  　　re.X为增加可读性，忽略空格和“#”后面的注释 

re.M多行匹配，影响^和$　　re.S使.匹配包括换行在内的所有字符

#!/usr/bin/python3

import re

#编译正则
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
#直接使用正则
print( re_telephone.match('098-23432').groups() )

 

re.search(pattern,string,flags=0)　　扫描整个字符串并返回第一个成功的匹配

 

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

 

re.sub(pattern,repl,string,count=0)　　repl:替换的字符串，也可为一个函数　　string要被查找替换的原始字符串　　count:替换的最大次数，默认0表示替换所有匹配

import re

phone = '0123-959-555'    #这是一个电话号码
num = re.sub(r'\D',"",phone)    #移除非数字的内容
print("电话号码：",num)    #电话号码： 0123959555

 

findall(string[,start[,end]])　　在字符串中找到正则表达式所匹配的所有子串,成功返所有匹配部分的列表，没有找到会返空列表。start开始，默认0；end结束，默认字符串长度

import re

pattern = re.compile(r'\d+')
result = pattern.findall('asd 154 asdaa 888')
print(result)    #['154', '888']

 

re.finditer(pattern,string,flags=0)　　与findall类似，不过返回的是迭代器　　

import re

it = re.finditer(r'\d+','12adf887fadf28')
for match in it:
    print(match.group(),end=" ")    #12 887 28

 

re.split(pattern,string[,maxsplit=0,flags=0])　　照能够匹配的子串将字符串分割后返回列表，maxsplit分隔次数，默认不限制

import re

L = re.split(',','runoob,225,fqwr3555.')
print(L)    #['runoob', '225', 'fqwr3555.']

 

正则匹配中文

固定形式　　\u4E00-\u9FA5

import re

s = re.search(r'[\u4E00-\u9FA5]+-\d+','南宁市-0771')
print(s.group(0))    #南宁市-0771