python之正则表达式
1)
用管道符号(|)匹配多个正则表达式
举例
at | home 匹配 at, home
2)
匹配任意一个单个的字符(.)
举例
f.o 匹配在“f”和"o"中间的任何字符,如fao, f9o, f#o等
3)
从字符穿的开头或结尾或单词边界开始匹配(^/$/\b\B)
\b匹配的模式是一个单词边界,与之对应的模式一定在一个单词的开头;
\B只匹配出现在一个单词中间的模式,即不在单词边界上的字符。
举例
^From 匹配任何以From开始的字符串
/bin/tcsh$ 匹配任何以/bin/tcsh结束的字符串
^subject: hi$ 匹配仅由subject: hi组成的字符串
the 任何包含有“the”的字符串
\bthe 任何以“the”开始的字符串
\bthe\b 仅匹配单词“the”
4)创建字符类([])
使用方括号的正则表达式会匹配方括号里的任何一个字符。
方括号只有逻辑或的功能。
举例:
b[aeiu]t 匹配字符串 bat, bet, bit, but
[cr][23][dp][o2] 匹配字符串有16个组合,先[cr]选一个,接着[23]选一个,......,最后[o2]选一个。
5)指定范围(-)和否定(^)
方括号里一对符号中间的连字符(-)用来表示一个字符的范围。如[0-9],匹配十进制数
左方括号后第一个字符是上箭头符号(^),表示不匹配制定字符集里的任意字符。如[^aeiou],匹配一个非元音字符
6)使用闭包操作符(*, +, ? {})实现多次出现/重复匹配
*: 匹配它左边那个正则表达式出现0次或0次以上的情况;
+: 匹配它左边那个正则表达式至少出现一次的情况;
?: 匹配它左边那个正则表达式模式出现0次或一次的情况。
{}: 如{M}表示匹配M次出现的情况,{M,N}表示匹配M次到N次出现的情况。
[dn]ot? 匹配最多有一个字符“t”,即 do, no, dot, not.
[0-9]{15, 16} 匹配15或者16位数字,例如信用卡号码
</?[^>]+> 匹配所有合法的HTML标签的字符串,即<...>、</...>。
7)特殊字符
一些特殊字符可以用来代表字符集合。
\d: 表示[0-9]
\w: 表示[A-Za-z0-9]
\s: 表示空白字符
\D: 表示非十进制数字的字符,即[^0-9]
举例:
\w+-\d+ 表示一个字母和数字组成的字符串和至少一个数字,例如:ABCD-9
\d{3}-\d{3}-\d{4} 例如 800-555-1212
\w+@\w+\.com 例如xxxx@yyyy.com
8)用圆括号(())组建组
我们不仅想知道是否整个字符串匹配正则表达式,还想在匹配成功时取出某个特定的字符串或子字符串。
()的功能:
对正则表达式进行分组
匹配子组
举例:
m = re.match('(a(b))', 'ab') 两个子组
m.group() 所有匹配部分
m.group(1) 匹配的子组1 输出‘ab’
m.group(2) 匹配的子组2 输出'b'
m.groups() 所有匹配的子组的元组 输出 ('ab', 'b')
re模块:核心函数和方法
complie(pattern, flags=0)
对正则表达式模式pattern进行编译,flags是可选标识符,并返回一个regex对象
re模块的函数和regex对象的方法
match(pattern, string, flags=0)
尝试用正则表达式模式pattern匹配字符串string,flags是可选标识符,如果匹配成功,则返回一个匹配对象;否则返回None
search(pattern, string, flags=0)
在字符串string中搜索正则表达式模式pattern的第一次出现,如果匹配成功,则返回一个匹配对象;否则返回None
findall(pattern, string[,flags])
在字符串中搜索正则表达式模式pattern的所有出现(非重复),返回一个匹配对象的列表
finditer(pattern, string[,flags])
和findall()相同,但返回的不是列表而是迭代器;对于每个匹配,该迭代器返回一个匹配对象
split(pattern, string, max=0)
根据正则表达式pattern中的分隔符把字符string分割为一个列表,返回成功匹配的列表,最多分割max次
sub(pattern, repl, string, max=0)
把字符串string中所有匹配正则表达式pattern的地方替换成字符串repl,如果max的值没有给出,则对所有匹配的地方进行替换
匹配对象的方法
group(num=0) 返回全部匹配对象
groups() 返回一个包含全部匹配的子组的元组
匹配多个字符串( | )
bt = 'bat|bet|bit'
m = re.match(bt, 'bat')
重复、特殊字符和子组
patt = '\w+@(\w+\.)?\w+\.com'
m = re.match(patt, 'nobody@xxx.com').group()
if m is not None: m.group()
输出: 'nobody@xxx.com'
m = re.match('(\w\w\w)-(\d\d\d)', 'abc-123')
m.group() 输出 'abc-123'
m.group(1) 输出'abc'
m.group(2) 输出‘123’
m.groups() 输出(‘abc’, '123')