正则表达式
1.正则表达式的基本使用
import re
re.match(r’xxx’, 匹配的字符串) 尝试从字符串的起始位置匹配一个模式匹配成功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,groups()返回的是一个元组。
2.使用正则表达式匹配单个字符
. 匹配任意1个字符(除了\n) re.S则可以匹配换行
re.I 表示大小写不敏感
[1-9] 匹配[ ]中列举的任意一个字符
\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,换行
\S 匹配非空白
\w 匹配单词字符,即a-z、A-Z、0-9、_。默认是re.U,即Unicode编码,可以匹配中文,加上re.A即可指定ASCII编码,等价于[a-zA-Z0-9_]
\W 匹配非单词字符
3.使用正则表达式匹配多个字符
* 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,并且m小于n,逗号两侧不能有空格。
{m,}匹配前一个字符出现m到无限次
4.匹配开头结尾边界的使用
^ 匹配字符串开头 [^a]表示的是只要不是a
$ 匹配字符串结尾
- 匹配分组的使用
| 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 \1 \2
(?P<name>) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串.
5.re高级函数 search、findall、sub等的使用
re.search 扫描整个字符串并返回第一个成功的匹配。匹配成功re.search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。
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。不需要通过group()取值
re.sub用于替换字符串中的匹配项
re.split 根据匹配进行切割字符串,并返回一个列表
6.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。
贪婪和非贪婪的特点以及使用方式
Python里正则匹配默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪则相反,总是尝试匹配尽可能少的字符。在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪
>>> re.match(r"aa(\d+)","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)","aa2343ddd").group(1) '2' >>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1) '2343' >>>
字符串前加r的作用
Python中字符串前面加上 r 表示原生字符串
>>> mm = "c:\\a\\b\\c" >>> mm 'c:\\a\\b\\c' >>> print(mm) c:\a\b\c >>> re.match("c:\\\\",mm).group() 'c:\\' >>> ret = re.match("c:\\\\",mm).group() >>> print(ret) c:\ >>> ret = re.match("c:\\\\a",mm).group() >>> print(ret) c:\a >>> ret = re.match(r"c:\\a",mm).group() >>> print(ret) c:\a >>> ret = re.match(r"c:\a",mm).group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>>