python-正则
python-re(正则)
正则表达式中常用的字符含义
字符 | 普通字符和11个元字符 |
---|---|
普通字符 | 匹配自身 |
. | 匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符 |
\ | 转义字符,使后一个字符改变原来的意思 |
- | 匹配前一个字符0或多次
- | 匹配前一个字符1次或无限次 ? | 匹配一个字符0次或1次 ^ | 匹配字符串开头。在多行模式中匹配每一行的开头 $ | 匹配字符串末尾,在多行模式中匹配每一行的末尾 {} | {m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次 [] | 字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,如[abc]或[a-c]。
[^abc]
表示取反,即非abc。 () | 被括起来的表达式将作为分组,从表达式左边开始没遇到一个分组的左括号“(”,编号+1. 所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。 分组表达式作为一个整体,可以后接数量词。表达式中的|仅在该组中有效。| 或。匹配|左右表达式任意一个,从左到右匹配,如果|没有包括在()中,则它的范围是整个正则表达式
这里需要强调一下反斜杠\
的作用:
- 反斜杠后边跟元字符去除特殊功能;(即将特殊字符转义成普通字符)
- 反斜杠后边跟普通字符实现特殊功能;(即预定义字符)
- 引用序号对应的字组所匹配的字符串。
a=re.search(r'(tina)(fei)haha\2','tinafeihahafei tinafeihahatina').group()
print(a)
结果: tinafeihahafei
2、预定义字符集(可以写在字符集[...]中)
字符 | 正则表达式中常用的字符含义 |
---|---|
\d | 数字:[0-9] |
\D | 非数字:[^\d] |
\s | 匹配任何空白字符:[<空格>\t\r\n\f\v] |
\S | 非空白字符:[^\s] |
\w | 匹配包括下划线在内的任何字字符:[A-Za-z0-9_] |
\W | 匹配非字母字符,即匹配特殊字符 |
\A | 仅匹配字符串开头,同^ \Aabc |
\Z | 仅匹配字符串结尾, |
\b | 匹配\w和\W之间,即匹配单词边界匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er\b' 可以匹配"r" 中的 'er',但不能匹配 "verb" 中的 'er'。 |
\B | [^\b] |
re模块中常用功能函数
1、compile() 编译正则表达式模式,返回一个对象的模式。(可以把那些常用的正则表达式编译成正则表达式对象,这样可以提高一点效率。) 格式: re.compile(pattern,flags=0)
pattern:
编译时用的表达式字符串。
flags
编译标志位,用于修改正则表达式的匹配方式,如:是否区分大小写,多行匹配等。 常用的 flags
有:
标志 | 含义 |
---|---|
re.S(DOTALL) | 使.匹配包括换行在内的所有字符 |
re.I(IGNORECASE) | 使匹配对大小写不敏感 |
re.L(LOCALE) | 做本地化识别(locale-aware)匹配,法语等 |
re.M(MULTILINE) | 多行匹配,影响^和$ |
re.X(VERBOSE) | 该标志通过给予更灵活的格式以便将正则表达式写得更易于理解 |
re.U | 根据Unicode字符集解析字符,这个标志影响\w,\W,\b,\B |
import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt)) #查找所有包含'oo'的单词
执行结果如下:
['good', 'cool']
2、match()
决定RE是否在字符串刚开始的位置匹配。//注:这个方法并不是完全匹配。当pattern结束时若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符'$'
格式:
# re.match(pattern, string, flags=0)
print(re.match('com','comwww.runcomoob').group())
print(re.match('com','Comwww.runcomoob',re.I).group())
# 执行结果如下:
com
com
3、search() 格式: re.search(pattern, string, flags=0)
re.search
函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回None
。 print(re.search('\dcom','www.4comrunoob.5com').group())
执行结果如下: 4com
*注:match
和search
一旦匹配成功,就是一个match object
对象,而match object
对象有以下方法:
- group() 返回被 RE 匹配的字符串
- start() 返回匹配开始的位置
- end() 返回匹配结束的位置
- span() 返回一个元组包含匹配 (开始,结束) 的位置
- group() 返回re整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串。
- a. group()返回re整体匹配的字符串,
- b. group (n,m) 返回组号为n,m所匹配的字符串,如果组号不存在,则返回indexError异常
- c.groups()groups() 方法返回一个包含正则表达式中所有小组字符串的元组,从 1 到所含的小组号,通常groups()不需要参数,返回一个元组,元组中的元就是正则表达式中定义的组。
import re
a = "123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整体
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456
###group(1) 列出第一个括号匹配部分,group(2) 列出第二个括号匹配部分,group(3) 列出第三个括号匹配部分。###
4、findall() re.findall
遍历匹配,可以获取字符串中所有匹配的字符串,返回一个列表。 格式: re.findall(pattern, string, flags=0)
p = re.compile(r'\d+')
print(p.findall('o1n2m3k4'))
执行结果如下:
['1', '2', '3', '4']
import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r'\w*oo\w*')
print(rr.findall(tt))
print(re.findall(r'(\w)*oo(\w)',tt))#()表示子表达式
# 执行结果如下:
['good', 'cool']
[('g', 'd'), ('c', 'l')]
5、finditer()
搜索string
,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。找到 RE
匹配的所有子串,并把它们作为一个迭代器返回。 格式: re.finditer(pattern, string, flags=0)
iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...')
for i in iter:
print(i)
print(i.group())
print(i.span())
执行结果如下:
<_sre.SRE_Match object; span=(0, 2), match='12'>
12
(0, 2)
<_sre.SRE_Match object; span=(8, 10), match='44'>
44
(8, 10)
<_sre.SRE_Match object; span=(24, 26), match='11'>
11
(24, 26)
<_sre.SRE_Match object; span=(31, 33), match='10'>
10
(31, 33)
6、split()
按照能够匹配的子串将string
分割后返回列表。 可以使用re.split
来分割字符串,如:re.split(r'\s+', text)
;将字符串按空格分割成一个单词列表。 格式: re.split(pattern, string[, maxsplit])
maxsplit
用于指定最大分割次数,不指定将全部分割。
print(re.split('\d+','one1two2three3four4five5'))
执行结果如下:
['one', 'two', 'three', 'four', 'five', '']
7、sub() 使用re
替换string
中每一个匹配的子串后返回替换后的字符串。 格式:
re.sub(pattern, repl, string, count)
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', '-', text))
执行结果如下:
JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
其中第二个函数是替换后的字符串;本例中为'-'
第四个参数指替换个数。默认为0,表示每个匹配项都替换。 re.sub
还允许使用函数对匹配项的替换进行复杂的处理。 如:re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)
;将字符串中的空格' '
替换为'[ ]'
。
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0))
执行结果如下:
JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
8、 ** subn() ** 返回替换次数 格式:
subn(pattern, repl, string, count=0, flags=0)
print(re.subn('[1-2]','A','123456abcdef'))
print(re.sub("g.t","have",'I get A, I got B ,I gut C'))
print(re.subn("g.t","have",'I get A, I got B ,I gut C'))
执行结果如下:
('AA3456abcdef', 2)
I have A, I have B ,I have C
('I have A, I have B ,I have C', 3)
** 一些注意点 ** 1、re.match
与re.search
与re.findall
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。
a=re.search('[\d]',"abc33").group()
print(a)
p=re.match('[\d]',"abc33")
print(p)
b=re.findall('[\d]',"abc33")
print(b)
执行结果:
3
None
['3', '3']
2、贪婪匹配与非贪婪匹配
*?,+?,??,{m,n}?
前面的*,+,?
等都是贪婪匹配,也就是尽可能匹配,后面加?
号使其变成惰性匹配
a = re.findall(r"a(\d+?)",'a23b')
print(a)
b = re.findall(r"a(\d+)",'a23b')
print(b)
执行结果:
['2']
['23']
a = re.match('<(.*)>','<H1>title<H1>').group()
print(a)
b = re.match('<(.*?)>','<H1>title<H1>').group()
print(b)
执行结果:
<H1>title<H1>
<H1>
a = re.findall(r"a(\d+)b",'a3333b')
print(a)
b = re.findall(r"a(\d+?)b",'a3333b')
print(b)
执行结果如下:
['3333']
['3333']
这里需要注意的是如果前后均有限定条件的时候,就不存在什么贪婪模式了,非匹配模式失效。 复制代码 3、用flags
时遇到的小坑
print(re.split('a','1A1a2A3',re.I))
#输出结果并未能区分大小写 这是因为re.split(pattern,string,maxsplit,flags)
默认是四个参数,当我们传入的三个参数的时候,系统会默认re.I是第三个参数,所以就没起作用。如果想让这里的re.I
起作用,写成flags=re.I
即可。 ** 正则的小实践 ** 1、匹配电话号码
p = re.compile(r'\d{3}-\d{6}')
print(p.findall('010-628888'))
2、匹配IP
re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")