正则表达

import re
m = re.match('.+t5','dfgt5ab')
print (m)#dfgt5ab匹配成功
m = re.match('t5','t5abcd')
print (m)#t5abcd匹配成功，从开头就要匹配上
m = re.search('[0-9]','ab45cf')
print(m.group(0))#4匹配成功.不一定从开头就匹配上


strr = re.sub('[0-9]', 'f', 'df34gg')
print (strr)#dfffgg
m = re.findall('[0-9]','54dgg5t')
print (m)
m = re.split('[0-9]','dgg55t')
print (m)

运行结果:

<_sre.SRE_Match object; span=(0, 5), match='dfgt5'>

<_sre.SRE_Match object; span=(0, 2), match='t5'>

4

dfffgg

['5', '4', '5']

['dgg', '', 't']

 

 

注意match,search返回的是，匹配成功返回一个正则对象，不成功返回none. 我们可以调用group方法查看匹配到的字符串

m=re.match(r'\d+', '102300hhhj')

print (m.group(0))#102300

 

 

 

下面说下group

下面一个正则表达式：

 

output_(\d{4})

 

该正则表达式用括号()包围了一个小的正则表达式，\d{4}。 这个小的正则表达式被用于从结果中筛选想要的信息（在这里是四位数字）。这样被括号圈起来的正则表达式的一部分，称为群(group)。

我们可以m.group(number)的方法来查询群。group(0)是整个正则表达的搜索结果，group(1)是第一个群……

 

import re
m = re.search("output_(\d{4})", "output_1986.txt")
print (m.group(0))#output_1986
print(m.group(1))#1986

我们还可以将群命名，以便更好地使用m.group查询:

 

import re
m = re.search("output_(?P<year>\d{4})", "output_1986.txt")   #(?P<name>...) 为group命名
print(m.group("year"))

    

 

 

 

关于反斜杠:

由于正则表达式使用反斜杠来转义特殊字符，而python自身处理字符串时，反斜杠也是用于转义字符，这样就产生了一个双重转换的问题。

 

1.比如说普通字符串里的\n是换行符，那么正则表达式如何去表达字符串里的这个\？答案是是用两个反斜杠，第一个反斜杠起到去掉后面那个反斜杠转义的作用，单纯的表示字符串里的\

m=re.match("\\n","\n")

print (m)#匹配成功

 

2.字符串里一个\在正则表达式里需要用两个\表示，那么字符串里两个\在正则表达式里则需要四个\表示

m=re.match("\\\\n","\\n")

print (m)#匹配成功

m=re.match("\\\\n",r"\n")

print (m)#与上一个同理，匹配成功

 

3.在正则表达式前置r表示兼容模式，可以理解为:兼容了正则表达式的规则的字符串，先说明一点，在字符串中，\只有在有限的几个字符前面才表示转义，比如后面的这个字符是n，那这个\是转义，或者后面的这个字符就是\，那前面的第一个\也是转义。但如果不是那几个字符，比如9,d，那么\就不是转义了，就是单纯的反斜杠

print ("x\n")#\是转义

print ("\\s")#第一个\是转义，打印\s

print ("\9")#不是转义，打印\9

print ("\d")#不是转义，打印\d

所以,在python中字符串'\\d'和'\d'表示相同的字符 '\\d' is '\d'

 

但是\d在正则表达式里确是整数的意思，在正则表达式前面加r，可以理解为，先把这个正则表达式看成字符串，并且这个字符串的规则里加入正则表达式的规则，而后形成的字符串，再去匹配后面的字符串

m=re.match(r"\d","5")

print (m)#匹配成功，字符串\d表示数字

m=re.match(r"\\d","\\d")

print (m)#匹配成功，把正则表达式视为加入了正则表达式转义规则的字符串，则\\d为字符串\\d

 

m=re.match(r"\n","\n")

print (m)#匹配长虹

m=re.match(r"\\n","\\n")

print (m)#匹配成功

ret = re.findall(r'[1\-9]',r'\qq')

print (ret)#[]

ret = re.findall('[1\-9]',r'\qq')

print (ret)#正则表达式不加r前缀，此处还是返回空列表，想象为什么

除了\d，正则表达式里还有\-，\d表示数字，\-则表示-

m=re.match(r'^\d{3}\-\d{3,8}$', '010-12345')

print (m)#匹配成功