Python正则表达式

正则表达式是处理字符串的强大的工具，它有自己特定的语法结构，有了它，实现字符串的检索、替换、匹配验证都不在话下。

 

• • .
  • *
  • ?
  • .*的使用举例
  • .*？的使用举例
  • (.*？)使用括号与不使用括号的差别
  • re.S的作用使.的作用包括了\n
  • $
  • \d
  • \转义字符
  • a|b
  • {n}
  • {n, m}
  • sub的使用举例
  • findall，search和match的区别
    • • • match
        • search
        • findall
  • re.escape(string)
  • 模式描述
    • • 次数/个数
      • 范围

 

.

匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符

import re
a = 'xz123'
b = re.findall('x....',a)
print(b)
运行结果：
['xz123']

*

匹配0个或多个的表达式

import re
a = 'xyxy123'
b = re.findall('x*',a)
print(b)
运行结果：
['x', '', 'x', '', '', '', '', '']

?

匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式

import re
a = 'xy123'
b = re.findall('x?',b)
print(b)
运行结果：
['x', '', '', '', '', '']

---

.*的使用举例

import re
secrect_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
b = re.findall('xx.*xx',secrect_code)
print(b)
运行结果：
['xxIxxfasdjifja134xxlovexx23345sdfxxyouxx']

---

.*？的使用举例

secrect_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
b = re.findall('xx.*?xx',secrect_code)
print(b)
运行结果：
['xxIxx', 'xxlovexx', 'xxyouxx']

---

(.*？)使用括号与不使用括号的差别

( )匹配括号内的表达式，也表示一个组

import re
secrect_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
d = re.findall('xx(.*?)xx',secrect_code)
print(d)
for each in d:
    print(each)
运行结果：
['I', 'love', 'you']
I
love
you

---

re.S的作用使.的作用包括了\n

import re
s = '''sdfxxhelloxxfsdf
xxworldxxasdf'''
d = re.findall('xx(.*?)xx',s,re.S)
print(d)
运行结果：
['hello', 'world']

---

$

匹配字符串的末尾

import re
s= 'detail.html?key=TISSUE INJURY'
f = re.findall('key=(.*?)',s)
print(f)
运行结果：
['']

import re
s= 'detail.html?key=TISSUE INJURY'
f = re.findall('key=(.*?)$',s)
print(f)
运行结果：
['TISSUE INJURY']

---

\d

匹配任意数字，等价于 [0-9]

import re
s = 'asdfasf1234567fasd555fas'
b = re.findall('(\d+)',s)
print(b)
运行结果：
['1234567', '555']

import re
s = 'asdfasf1234.567fasd55.5fas'
b = re.findall('(\d+\.\d+)',s)
print(b)
运行结果：
['1234.567', '55.5']

---

\转义字符

import re
s = 'sda123sdaslda.s/'
b = re.search('\.',s)
print(b)
print(b.span())
print(b.group())
运行结果：
<_sre.SRE_Match object; span=(13, 14), match='.'>
(13, 14)
.

---

a|b

匹配a或b

import re
s = 'fishdafishc'
b= re.search(r'fish(c|d)',s)
print(b)
运行结果：
<_sre.SRE_Match object; span=(0, 5), match='fishd'>

---

{n}

精确匹配n个前面表达式**

import re
s ='i fishhhfish.a'
b = re.search(r'fish{3}',s)
print(b.group())
运行结果：
fishhh


s  = 'i fishhhfishfishfish.a'
b = re.search(r'(fish){3}',s )
print(b.group())
运行结果：
fishfishfish

---

{n, m}

匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式**

import re
s = 'i fishhhfishfishfish.a'
b = re.search(r'(fish){2,5}',s)
print(b.group())
运行结果：
fishfishfish

sub的使用举例

import re
s = '123rrrrr123'
output = re.sub('123(.*?)123','123%d123'%789,s)
print(output)
运行结果：
123789123

#把一串文本中的所有数字都去掉
content = '54aK54yr5oiR54ix5L2g'
content = re.sub('\d+', '', content)
print(content)
运行结果：
aKyroiRixLg

---

findall，search和match的区别

match

从首字母开始开始匹配，string如果包含pattern子串，则匹配成功，返回Match对象

search

若string中包含pattern子串，则返回Match对象，否则返回None，注意，如果string中存在多个pattern子串，只返回第一个

findall

返回string中所有与pattern相匹配的全部字串，返回形式为数组

>>> import re
>>> s = '123.gifgdfkgj.jpg1673.gifgdfk66.jpg'
>>> m = re.match(r'(\d*)(\.gif|\.jpg)',s)
>>> m.group()
'123.gif'
>>> m.group(0)
'123.gif'
>>> m.group(1)
'123'
>>> m.group(2)
'.gif'
>>> m.groups()
('123', '.gif')
------------------------------------------------------------
>>> m = re.findall(r'(\d*)(\.gif|\.jpg)',s)
>>> m
[('123', '.gif'), ('', '.jpg'), ('1673', '.gif'), ('66', '.jpg')]
------------------------------------------------------------
>>> s = 'gdfkg1.jpg1673.gifgdfk66.jpg'
>>> m = re.search(r'.(\d*)(\.gif|\.jpg)',s)
>>> m
<_sre.SRE_Match object; span=(4, 10), match='g1.jpg'>
>>> m.group()
'g1.jpg'
>>> m.group(0)
'g1.jpg'
>>> m.group(1)
'1'
>>> m.group(2)
'.jpg'
>>> m.group(3)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: no such group
>>> m.groups()
('1', '.jpg')

re.escape(string)

对字符串中的非字母数字进行转义
import re
delimiter =  ',.'
a = re.escape(delimiter)
print(a)
print(re.findall(re.escape('w.py'),"jw.pyji w.py.f"))

\,\.
['w.py', 'w.py']

模式描述

次数/个数

*匹配0个或多个的表达式。
+匹配1个或多个的表达式。
?匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n}精确匹配n个前面表达式
{n，} 至少有n次
{n, m}匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式

范围

[amk]-----字符集合
 匹配 'a'，'m'或'k'。三者中的任何一个
[^abc]------负值字符集合
匹配除了a,b,c之外的字符
[0-9]------数字范围
[a-z]------字符范围
[^a-z]------负值字符范围

\w匹配字母数字及下划线
\W匹配非字母数字及下划线
\s匹配任意空白字符，等价于 [\t\n\r\f].
\S匹配任意非空字符
\d匹配任意数字，等价于 [0-9]
\D匹配任意非数字
\A匹配字符串开始
\Z匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z匹配字符串结束
\G匹配最后匹配完成的位置
\n匹配一个换行符
\t匹配一个制表符
^匹配字符串的开头
$匹配字符串的末尾。
.匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
a|b匹配a或b
( )匹配括号内的表达式，也表示一个组