Python 正则
Python 正则
# 正则表达式 """ re 模块使 Python 语言拥有全部的正则表达式功能 re.match函数 re.match(pattern, string, flags=0) re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。 pattern 匹配的正则表达式 string 要匹配的字符串。 flags 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，多行匹配等等 匹配成功re.match方法返回一个匹配的对象，否则返回None 可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。 group(num=0) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。 groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。 具体使用 # 导入re模块 import re # 使用match方法进行匹配操作 result = re.match(正则表达式,要匹配的字符串) # 如果上一步匹配到数据的话，可以使用group方法来提取数据 result.group() """ # 示例 import re result = re.match("itcast", "itcast.cn") result2 = re.match("itcast", "444.cn.itcast") print(result.group()) print(result2) # 不是从头开始 返回None """ 匹配单个字符 . 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 . ret = re.match("t.o", "two") print(ret.group()) # 示例 [] ret = re.match("[hH]", "hello Python") print(ret.group()) # 匹配0到9第一种写法 ret = re.match("[0123456789]Hello Python", "7Hello Python") print(ret.group()) # 匹配0到9第二种写法 ret = re.match("[0-9]Hello Python", "7Hello Python") print(ret.group()) ret = re.match("[0-35-9]Hello Python", "7Hello Python") print(ret.group()) # 示例 \d ret = re.match("嫦娥\d号","嫦娥2号发射成功") print(ret.group()) # 示例 \s ret = re.match("嫦娥\s号", "嫦娥 号发射成功") print(ret.group()) # 示例 \w ret = re.match('\w', "ath565656") print(ret.group()) # 匹配多个字符 """ * 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：* ret = re.match("[A-Z][a-z]*","MnnM") print(ret.group()) # 示例2：+ names = ["name1", "_name", "2_name", "__name__"] for name in names: ret = re.match("[a-zA-Z_]+[\w]*",name) if ret: print("变量名 %s 符合要求" % ret.group()) else: print("变量名 %s 非法" % name) # 示例3：? ret = re.match("[1-9]?[0-9]", "7") print(ret.group()) # 示例4：{m} {m,n} ret = re.match("[a-zA-Z0-9_]{6}", "12a3g45678") print(ret.group()) ret = re.match("[a-zA-Z0-9_]{8,20}", "1ad12f23s34455ff66") print(ret.group()) # 匹配开头结尾 """ ^ 匹配字符串开头 $ 匹配字符串结尾 """ # 示例1：$ 匹配163.com的邮箱地址 email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"] for email in email_list: ret = re.match("[\w]{4,20}@163\.com$", email) if ret: print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group())) else: print("%s 不符合要求" % email) # 匹配分组 """ | 匹配左右任意一个表达式 (ab) 将括号中字符作为一个分组 \num 引用分组num匹配到的字符串 (?P<name>) 分组起别名 (?P=name) 引用别名为name分组匹配到的字符串 """ # 示例1：| 满足|左右两边任意一个表达式 ret = re.match("[1-9]?\d$|100","100") print(ret.group()) # 100 ret = re.match("[1-9]?\d$|100","78") print(ret.group()) # 78 # 示例2：( ) 满足括号中的枚举 ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com") print(ret.group()) # test@126.com # 示例3：\num ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>") print(ret.group()) labels = ["<html><h1>www.eee.cn</h1></html>", "<html><h1>www.eee.cn</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) # 示例4：(?P<name>) (?P=name) ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.eee.cn</h1></html>") ret.group() ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.eee.cn</h2></html>") ret.group() # 高级语法 """ re.search(pattern,string,flags) 扫描整个字符串并返回第一个成功的匹配 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； re.search匹配整个字符串，直到找到一个匹配。 re.findall(string[, pos[, endpos]]) 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表 string 待匹配的字符串。 pos 可选参数，指定字符串的起始位置，默认为 0。 endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。 re.sub(pattern, repl, string, count=0, flags=0) 替换字符串中的匹配项 pattern : 必填正则中的模式字符串。 repl : 必填替换的字符串，也可为一个函数。 string : 必填要被查找替换的原始字符串。 count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。 flags : 编译时用的匹配模式，数字形式 re.split() 根据匹配进行切割字符串，并返回一个列表 pattern 匹配的正则表达式 string 要匹配的字符串。 maxsplit 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。 flags 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，多行匹配等等 """ # search print(re.search('www', 'www.eee.com').group()) # 在起始位置匹配 print(re.search('com', 'www.eee.com').group()) # 不在起始位置 # sub ret = re.sub(r"\d+", '998', "id = 997") print(ret) # 设定函数调用 依据表达式查找到数据后，调用函数 再返回 def add(temp): strNum = temp.group() num = int(strNum) + 1 return str(num) ret = re.sub(r"\d+", add, "python = 99") print(ret) # findall ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345") print(ret) pattern = re.compile(r'\d+') # 查找数字 创建表达式 result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) # 从0开始到10结束查找 # split ret = re.split(r":| ", "info:xiaoZhang 33 shandong") # 以冒号或空格切割 print(ret) re.split('a*', 'hello world') # 对于一个找不到匹配的字符串而言，split 不会对其作出分割 # r的作用 """ Python中字符串前面加上 r 表示原生字符串 >>> ret = re.match(r"c:\\a",mm).group() >>> print(ret) c:\a """ # 常用正则符号 """ 1、 ? 匹配0次或一次前面的分组（问号在正则表达式中可声明非贪心匹配模式，这两种含义是完全无关的） 2、 * 匹配0次或多次前面的分组 3、 + 匹配1次或多次前面的分组 4、 {n} 匹配n次前面的分组 5、 {n,} 匹配n次或更多次前面的分组 6、 {,m} 匹配0次到m次前面的分组 7、 {n,m} 匹配至少n次，最多m次前面的分组 8、 {n,m}?或*?或+?对前面的分组进行非贪心匹配 9、 ^ABC 匹配以ABC开头的字符串 10、 ABC$ 匹配以ABC结尾的字符串 11、 . 匹配所有字符，换行符除外 12、 \d、\w和\s分别匹配数字、单词和空格 13、 \D、\W和\S分别匹配除数字、单词、和空格外的所有字符 14、 [abc] 匹配方括号内的任意字符（诸如a、b或c） 15、 [^abc] 匹配不在方括号内的任意字符 """
