Python知识点-正则表达式
正则表达式模式
下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变
| 模式 | 描述 |
|---|---|
| ^ | 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。 |
| [...] | 用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k' |
| [^...] | 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。 |
| re* | 匹配0个或多个的表达式。 |
| re+ | 匹配1个或多个的表达式。 |
| re? | 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 |
| re{ n} | 匹配n个前面表达式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。 |
| re{ n,} | 精确匹配n个前面表达式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。 |
| re{ 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 |
| a| b | 匹配a或b |
| (re) | 匹配括号内的表达式，也表示一个组 |
| (?imx) | 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。 |
| (?-imx) | 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 |
| (?: re) | 类似 (...), 但是不表示一个组 |
| (?imx: re) | 在括号中使用i, m, 或 x 可选标志 |
| (?-imx: re) | 在括号中不使用i, m, 或 x 可选标志 |
| (?#...) | 注释. |
| (?= re) |
前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。 但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。 |
| (?! re) | 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。 |
| (?> re) | 匹配的独立模式，省去回溯。 |
| \w | 匹配数字字母下划线 |
| \W | 匹配非数字字母下划线 |
| \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。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B | 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| \n, \t, 等。 | 匹配一个换行符。匹配一个制表符, 等 |
| \1...\9 | 匹配第n个分组的内容。 |
| \10 | 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。 |
re模块，Python提供re模块，包含所有正则表达式的功能。由于Python的字符串本身也用\转义，所以要特别注意，所以最好在字符串前面加r 表示原始字符串
1.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。
import re r1 = re.match(r'^\d{3}\-\d{3,8}$', '022-12345') print(r1) r2 = re.match(r'^\d{3}\-\d{3,8}$', '022-12345').group() #返回匹配到的字符串 print(r1) r3 = re.match(r'^\d{3}\-\d{3,8}$', '022-12345').span() #.span 返回匹配到的开始到结束的索引元祖 print(r1) r4 = re.match(r'^\d{3}\-\d{3,8}$', '022- 12345') #如果没有匹配到返回None print(r2) #结果 <_sre.SRE_Match object; span=(0, 9), match='022-12345'> 022-12345 (0, 9) None
2.re.search ,扫描整个字符串并返回第一个成功的匹配。
print(re.search('www', 'www.runoob.com').span()) print(re.search('com', 'www.runoob.com').span()) 结果 (0, 3) (11, 14)
3.re.findall ,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。
print(re.findall(r'abc','123aabc456cabc')) 结果 ['abc', 'abc']
4.re.sub 用于替换字符串中的匹配项。re.sub(pattern, repl, string, count=0) ，re.subn() 返回替换的次数
import re phone = "2004-959-559 # 这是一个电话号码" # 删除注释 num = re.sub(r'#.*$', "", phone) print ("电话号码 : ", num) # 移除非数字的内容 num = re.sub(r'\D', "", phone) print ("电话号码 : ", num) 结果 电话号码 : 2004-959-559 电话号码 : 2004959559
5.re.split 按照能够匹配的子串将string分割后返回列表 re.split(pattern, string[, maxsplit=0, flags=0])
#分割 print(re.split(r'\s+', 'a b c')) # ['a', 'b', 'c'] print(re.split(r'[\s\,]+', 'a,b, c d')) #以空格 逗号 分割 #['a', 'b', 'c', 'd']
6.分组操作
#普通分组
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345') >>> m <_sre.SRE_Match object at 0x1026fb3e8> >>> m.group(0) '010-12345' >>> m.group(1) '010' >>> m.group(2) '12345' # (?:) 和（）区别 (?:)不代表分组，比如(?:abc) 匹配abc ret1 = re.search(r'nihao(?:abc){0,2}(d)','nihaoabcabcd') print(ret1.group()) #nihaoabcabcd print(ret1.group(1)) #d ret2 = re.search(r'nihao(abc){0,2}(d)','nihaoabcabcd') print(ret2.group()) #nihaoabcabcd print(ret2.group(1)) #abc print(ret2.group(2)) #d
#分组命名 ret = re.match(r'(?P<number>\d+)-(?P<letter>\w+)','120224-abcd') print(ret.group()) #120224-abcd print(ret.groups()) #('120224', 'abcd') print(ret.groupdict()) #{'number': '120224', 'letter': 'abcd'} print(ret.group('number')) #120224 print(ret.group('letter')) #abcd print(ret.group(1)) #120224 print(ret.group(2)) #abcd
7.贪婪匹配
print(re.match(r'^(\d+)(0*)$', '102300').groups()) #('102300', '') #由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。 print(re.match(r'^(\d+?)(0*)$', '102300').groups()) #('1023', '00') #必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配
