re模块
一、正则表达式中常用的字符
1.11个元字符
①.匹配任意字符,‘\n’除外
1 import re 2 print(re.findall(‘a.c‘,‘abcjkhkjfagc‘))
[‘abc‘,‘agc‘]
②*匹配前一个字符0次或多次
1 import re 2 print(re.findall(‘ab*‘,‘abbbdsdsdabbja‘))
[‘abbb‘,‘abb‘,‘a‘]
③+匹配前一个字符至少一次或者多次
1 import re 2 print(re.findall(‘ab+‘,‘abb‘]
发现了没有,一样的例子用+匹配到的结果比用*匹配到的结果少了一个,因为+要求前一个字符至少匹配一次,所以你会发现在使用+匹配的时候那个‘a’是匹配不上的
④?匹配前一个字符0次或者一次
import re print(re.findall(‘ab?‘,‘abbbdsdsdabbja‘))
[‘ab‘,‘ab‘,‘a‘]
⑤^匹配字符串开头。在多行模式中匹配每一行的开头
1 import re 2 print(re.findall(‘^ab‘,‘abbbdsdsdabbja‘))
[‘ab‘]
⑥匹配字符串末尾,在多行模式中匹配每一行的末尾
1 import re 2 print(re.findall(‘ab$‘,‘abbbdsdsdabbjab‘))
[‘ab‘]
⑦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
1 import re 2 print(re.findall(‘ab|bj‘,‘abbbdsdsdabbjab‘))
[‘ab‘,‘bj‘,‘ab‘]
⑧{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
1 import re 2 print(re.findall(‘ab{0}‘,‘abbbbbbbbbbbbdas‘)) 3 print(re.findall(‘ab{5}‘,‘abbbbbbbbbbbbdas‘)) 4 print(re.findall(‘ab{0,2}‘,‘abbbbbbbbbbbbdas‘)) 5 print(re.findall(‘ab{2,3}‘,‘abbbbbbbbbbbbdas‘)) 6 print(re.findall(‘ab{2,}‘,‘abbbbbbbbbbbbdas‘))
[‘a‘,‘a‘] [‘abbbbb‘] [‘abb‘,‘a‘] [‘abbb‘] [‘abbbbbbbbbbbb‘]
⑨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.
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。
1 import re 2 print(re.findall(‘ab(ghj|c)‘,‘abghjdjsadkajsdabc‘))
[‘ghj‘,‘c‘]
⑩转义字符,使后一个字符改变原来的意思
- 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。
十一:[]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。
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。
1 import re 2 print(re.findall(‘a[a-g]{2}‘,‘abghjdjsadkajsdabc‘))
[‘abg‘,‘abc‘]
1 import re 2 print(re.findall(‘a[^a-g]{2}‘,‘a546bghjdjsadkajsdabc‘))
[‘a54‘,‘ajs‘]
import re print(re.findall(‘[\(\)]‘,‘a546bghjda(5+2)dkajsdabc‘))
[‘(‘,‘)‘]
2、预定义字符集
\d
|
数字:[0-9] |
a\bc
|
a1c
|
\D
|
非数字:[^\d] |
a\Dc
|
abc
|
\s
|
匹配任何空白字符:[<空格>\t\r\n\f\v] |
a\sc
|
a c
|
\S | 非空白字符:[^\s] |
a\Sc
|
abc
|
\w
|
匹配包括下划线在内的任何字字符:[A-Za-z0-9_] |
a\wc
|
abc
|
\W
|
匹配非字母字符,即匹配特殊字符 |
a\Wc
|
a c
|
\A
|
仅匹配字符串开头,同^ | \Aabc |
abc
|
\Z
|
仅匹配字符串结尾,同$ |
abc\Z
|
abc
|
\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"never" 中的 ‘er‘,但不能匹配 "verb" 中的 ‘er‘。 | \babc\b a\b!bc |
空格abc空格 a!bc |
\B
|
[^\b] |
****使用正则表达式提取表达式2+5*98+(1+(2*5))最里面的括号里面的值
1 import re 2 print(re.findall(‘\([^()]*\)‘,‘2+5*98+(1+(2*5))‘))
[‘(2*5)‘]
3.特殊的分组用法
(?P<name>)
|
分组,除了原有的编号外再指定一个额外的别名 | (?P<id>abc){2} |
abcabc
|
(?P=name)
|
引用别名为<name>的分组匹配到字符串 | (?P<id>\d)abc(?P=id) |
1abc1
5abc5
|
\<number>
|
引用编号为<number>的分组匹配到字符串 | (\d)abc\1 |
1abc1
5abc5
|
二、正则表达式中常用功能函数
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,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,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,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,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,count)
import re text = "JGood is a handsome boy,he is cool,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,lambda m:‘[‘+m.group(0)+‘]‘,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,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",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 C‘,3)
三、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")
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。