python正则表达式

正则表达式

1.导入re模块：import re

import re
 
# 将正则表达式编译成Pattern对象
pattern = re.compile(r'hello')                         #compile(pattern对象，[匹配模式]),pattern即正则表达式，匹配模式下次再扩充
 
# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match = pattern.match('hello world!')                  #match(匹配的文本)，也可以直接re.match('pattern对象'，'匹配的文本')，将前面的pattern上面的句子结合在一起
 
if match:
    # 使用Match获得分组信息
    print match.group()
 
### 输出 ###
# hello

 扩展：

search(),match()，findall()区别

match():判断从开始位置是否匹配，如果匹配成功，则返回Match对象，若果匹配不成功则返回None

search():从整体匹配,返回第一个匹配的字符

findall()：从整体匹配，返回所有匹配的字符，以列表的形式

>>> pattern=re.compile(r'\bhi\b')
>>> match=pattern.match('kkk,hi,history')           #开始位置为kkk，不是所要匹配的字符hi
>>> if match:
	print match.group()                         #match()从开始位置匹配hi，若不匹配，返回None，即为空

	
>>> pattern=re.compile(r'\bhi\b')
>>> match=pattern.search('kkk,hi,history')         #从整体匹配，返回所第一个匹配的字符
>>> if match:
	print match.group()

	
hi
>>> pattern=re.compile('wh')
>>> match=pattern.findall('where,what,which,why,who are you,wheeuuy')
>>> print match
['wh', 'wh', 'wh', 'wh', 'wh', 'wh']               #以列表形式返回所有匹配的字符

2.匹配字符

注意：

（1）特殊字符需要用‘\’转义，例如‘-’，匹配时为：‘\-’

（2）（）：分组匹配；{}：制定长度；[]：范围

（3）？的用法

1. 原文符号：\?
2. 作为数量词：？匹配0或一个字符
3. 非贪婪匹配
   • *? 重复任意次，但尽可能少重复
   • +? 重复1次或更多次，但尽可能少重复
   • ?? 重复0次或1次，但尽可能少重复
   • {n,m}? 重复n到m次，但尽可能少重复
   • {n,}? 重复n次以上，但尽可能少重复

       4.不捕捉模式

语法	说明	实例
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。
(?: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时很有用。	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。	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。 此处用或任意一项都不能超过2位，如“(?<!95|98|NT|20)Windows正确，“(?<!95|980|NT|20)Windows 报错，若是单独使用则无限制，如(?<!2000)Windows 正确匹配	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

表1:预定义字符集,可用在字符集[]中，如[\d]

语法	说明
\d	一个数字
\D	非数字
\w	一个字母或数字
\W	特殊字符
\s	空白字符，换行符，空白符，制表符等
\S	非空白字符

 

表2：数量词，不代表字符和位置，而是制定前边的字符的匹配数量，可用在字符或（....）之后，如（）?

语法	说明
.	任意一个字符，除换行符外
*	任意可变长字符（包括0个）
+	一个字符或多个
？	0或一个字符
{n}	重复n次
{n，}	重复n次或大于n次
{n,m}	重复n-m次

表3：边界匹配

边界：边界指的是一个位置，而不是一个字符

例如：bakhihi a hdkskjdksa - hhdksjdkj-hdkjdkj

如果我们想匹配a，但不想从其他单词中匹配，只想单独匹配，\ba\b即可匹配，若要匹配非单词的-，同样\B-\B

语法	说明
^x	行以x开头，多行时匹配每一行开头
\A	仅字符串开头
y$	行以y结尾，多行匹配每一行的结尾
\Z	仅字符串结尾
\b	单词边界匹配，单词的分界线
\B	非单词匹配

表4：逻辑，分组

语法	说明	实例	结果
A|B	A或B	a|b	a或b皆可匹配
（）	分组	^(\d{3})-(\d{3,8})$	123-456789

分组：

例如： ^(\d{3})-(\d{3,8})$

由两个（）组成，匹配两个组，可以通过group()取值

>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>        #如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来
>>> m.group(0)                        #group(0):指取整个字符串 
'010-12345'
>>> m.group(1)                        #group(1):取第一个分组的内容
'010'
>>> m.group(2)                        #group(2):取第二个分组的内容
'12345'

3.理解贪婪匹配和非贪婪匹配

正则表达式默认是贪婪匹配，即匹配尽可能多的字符。

非贪婪匹配可以使用？，让其尽可能少匹配，见上面？的用法的非贪婪匹配。

例如：正则表达式"ab*"如果用于查找"abbbc"，将找到"abbb"。而如果使用非贪婪的数量词"ab*?"，将找到"a"