注意Python的字符串本身也用'\'转义,所以要特别注意,一般我们都建议使用Python的r前缀,就不用考虑转义的问题了
1,行的起始
例子:匹配‘cat’ 开头
patt=re.compile(r'^cat') # re.compile 返回一个正则表达式对象
表示匹配以c作为一行的第一个字符,后面跟着a,后面跟着t
所以'vocative'就不会被匹配到,原因是因为cat在字符的里面
2,行的结尾
import re
sentence='''Hi Jack:\n
Python is a beautiful language\n
BR'''
patt=re.compile(r'(BR|Bestregards)$')
m=re.search(patt,sentence)
if m :
print 'match'
else:
print 'not match'
>>
match
要查找sentence中是否以“BR或Bestregards” 结尾
3 ,单词的边界
正则里面有2个特殊字符\b and \B来匹配单词的边界 :
-
\b 匹配的模式是一个单词的边界(不论这个单词的前面是有字符还是没有字符)
-
\B 匹配出现在一个单词中间的模式
-
例如:
the #匹配包含有'the'的字符串
\bthe #匹配任何以'the'开始的字符串
\bthe\b #仅仅匹配单词'the'
\Bthe #匹配任意包含'the'但不以'the'开头的单词
4,字符组
比如我们需要匹配'grey'或者'gray'的时候,怎么办,可以用正则的[]来表示,gr[ea]y,表示先找到g,然后找到r,然后找到e或者a,最后是一个y
patt=re.compile(r'gr[ea]y')#意思就是grey 或者gray都是可以匹配上的
5,多选结构
我们可以用'|'来匹配任意子表达式,'|'是一个非常简便的元字符,它的意思是"或",通过它我们能把不同的子表达式组合成一个总的表达式,比如'am'|'pm'就是能够同时匹配其中任意一个的正则表达式,回头再看上面的例子'gr[ea]y',其实能写成'grey|gray',或者'gr(e|a)y'
6、可选项元素
'?' 表示可选项,问号跟在什么后面就表示什么是可选的
例如:6月4日,可能写成'June'也可以写成'Jun',而且日期也有可能写作'fourth'或者'4th'或者4,这个时候就可以写成June?(fourth|4(th)?),代表了e是可选的,th是可选的,可有可无都表示4号
7,重复出现
+,表示紧邻元素重复出现一次或者多次,至少出现一次,否则返回失败;
*,表示紧邻元素重复出现0次或者多次,允许出现0次;
例如:
- a*表示0个或者多个a,所以为0的时候,就是空字符
- a+表示1个或者多个a,所以a至少要有1次
8,匹配重复的次数
次数用{}里面的数字来表示
例如:patt=re.compile(r'([1-9]{3})') 就表示匹配1-9之间的数字,且这个数字只能出现3次,str='123str' ,就可以匹配上,而str1='2str1'就不能匹配,如果想匹配上要这么写patt1=re.compile(r'([1-9]{1-3})'),1-9数字出现1次或2次或3次
9、排除型字符组
-
当^在字符组的外面的时候"表示一个行的开头"
-
当^在字符组的内部(而且是必须紧接着字符组的第一个方括号之后),它就是一个元字符,表示排除型
- 例如:找出字母g后面的字母不是u
-
import re words=['gold',' Google
','Sogu','Guess'] patt=re.compile(r'.*g[^u]') #‘.’匹配任意一个字符,'*'匹配0个或多个字符,g后面不是u for w in words: m=re.match(patt,w) if m: print w
>>
gold
Google
实战小例子
1,设计一个正则来过滤一个字符串序列中的10到59
import re
patt=r'[1-5][0-9]'
lis=[10,20,30,40,2,3,59,60,'aa','3aaa']
match=re.findall(patt,str(lis))
if match:
print(match)
结果:
['10', '20', '30', '40', '59']
2,过滤字符串中的只含2个字符的字母,并且第一个字母是大写A或B或C
patt=r'[A-C][A-Z a-z]'
3,过滤一个字符串中的含3个字母的独立字符
例如:比如这样的一个字符串'xy,1,2,?,123@sohu,Ab,w1,Cz,xyh,abc',只想过滤出来xyh,abc 这样的
patt=r'/b[a-z A-Z]{3}/b' #/b 单词的边界
4、过滤一个字符串中的含3个字母的字符,并且最后一个字母是z
patt=r'/b[a-z A-Z][a-z A-Z][Z]/b'
5,过滤正确的24小时时间制
import re time='10:00,99:90,8:00,19:19:14:00pm,5:xm,6,00,8:0923:23pm,29:19pm,23:59' patt = r'\b([01]?[0-9]|2[0-4])(:)([0-5][0-9])' match = re.findall(patt,time) if match: print([''.join(x)for x in match])
执行结果:
['10:00', '8:00', '19:19', '14:00', '8:09', '23:59']