python正则表达式(re模块)

python正则表达式(re模块)

什么是正则表达式

正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a到z之间的字母)和特殊字符(称为”元字符”)。正则表达式使用但个字符串来描述、匹配一系列匹配某个句法规则的字符串。

正则字符简单介绍

普通字符

普通字符包括没有显示指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其它符号

特殊字符

特别字符 描述
$ 匹配输入字符串的结尾位置。如果设置了RegExp对象的Multline属性,则$也匹配’n’或’r’。
() 匹配一个子表达式的开始和结束位置(匹配括号中的全部内容)。子表达式可以获取供以后使用。
* 匹配前面的子表达式零次或多次。
+ 匹配前面的子表达式一次或多次(至少有一次)。
. 匹配除换行符n之外的任何单词。
[ ] 匹配括号中一个字符,范围描述 如[0-9 a-z A-Z]。
? 匹配前面的子表达式零次或一次,或指明一个非贪婪的限定。
转义字符,如*表示匹配*号。
^ 匹配字符串的开始位置(用在[ ]时,可以理解为取反,表示不匹配中括号中的字符串)。
{} 限定匹配的次数,如{n}表示匹配n个字符,{n,}表示至少匹配n个字符,{n,m}表示至少n个,最多m个(m和n均为非负整数)。
| 两项中取一项。

非打印字符

非打印字符也可以是正则表达式的组成部分。

字符 描述
b 匹配一个单词边界,即字与空格间的位置。(”This is Regex匹配单独的单词”is”,正则就要写成”bisb”)。
d 匹配数字。
w 匹配字母,数字,下划线。
s 匹配空格。
B 非单词边界匹配。
D 匹配非数字。
W 匹配非(字母,数字,下划线)。
S 匹配非空格。

量词

量词的三个重要概念

贪婪(贪心)如”*”字符,贪婪量词会首先匹配整个字符串,尝试匹配时,它会选定尽可能多的内容,如果失败则回退一个字符,然后再次尝试,回退的过程就叫做回溯,它会每次回退一个字符,直到找到匹配的内容或者没有字符可以回退。相比下面两种贪婪量词对资源的消耗是最大的。

懒惰(勉强)如”?”,懒惰量词使用另一种方法匹配,它从目标的起始位置开始尝试匹配,每检查一个字符,并寻找它要匹配的内容,如此循环直到字符串结尾处。

占有如”+”,占有量词很像贪心式量词,它会选择尽可能多的内容,然后尝试寻找匹配内容,但它只尝试一次,不会回溯。就好比先抓一把石头,然后从石头中挑出黄金。

re模块中常用功能函数

compile()

编译正则表达式模式,返回一个对象的模式。(可以把一些常用的正则表达式编译成正则表达式对象,这样可以提高效率)。

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,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.匹配包括换行符在内的所有字符。
re.I(IGNORECASE) 是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的更易于理解。
re.U 根据Unicode字符集解析字符,这个标志影响w、W、b、B
import re

# 将正则表达式编译成pattern对象
pattern = re.compile("d+")

pattern对象的常用方法有:match()、search()、finall()、finder()、split()、sub()、subn()。

(1)match()方法

该方法用于查找字符串的头部,它只要找到一个匹配的结果就返回。(这个方法并不是完全匹配。当pattern结束时若string还要剩余字符,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’$’)。

match(pattern, string,pos=0,endpos=-1)

说明:string是待匹配的字符串,pos和endpos指定字符串的起始和终点的位置,当不指定是,默认从头部开始匹配,当匹配成功是,返回Match对象。

import re

pattern = re.compile("d+")
match = pattern.match("aaa123bbb123ccc123")
print(match)	# None(从头部开始匹配)

match = pattern.match("aaa123bbb123ccc123", 3, 6)
print(match) # <_sre.SRE_Match object; span=(3, 6), match='123'>

print(match.group())	# 123,返回匹配的字符串,如果需要获得整个匹配的字符串时,可以使用group()或者group(0)
print(match.start())	# 3,返回匹配的字串在整个字符串的起始位置
print(match.end())	# 6,返回匹配的字串在整个字符串的结束位置
print(match.span())	# (3, 6),返回(start(), end())

(2) serach()方法

search(pattern, string,pos=0,endpos=-1)

说明:匹配成功时返回Match对象,匹配不成功时返回None。

import re

pattern = re.compile("d+")
match = pattern.search("aaaa1111bbbb1234cccc1243")
print(match)	# <_sre.SRE_Match object; span=(4, 8), match='1111'>

match = pattern.search("aaaa1111bbbb1234cccc1243", 3, 6)
print(match)	# <_sre.SRE_Match object; span=(4, 6), match='11'>

print(match.group())	# 11
print(match.start())	# 4
print(match.end())	# 6
print(match.span())	# (4, 6)

(3)findall()方法

该方法返回所有的匹配结果。

findall(pattern, string, pos, endpos=-1)

说明:匹配成功,返回匹配的列表,匹配不成功,返回空列表。

import re

pattern = re.compile("d+")
match = pattern.findall("aaaa1111bbbb1234cccc1243")
print(match)	# ['1111', '1234', '1243']

(4)finditer()方法

finditer(pattern, string, pos=0, endpos=-1)

​ 说明:匹配所有的字符串,返回所有匹配字符串,但是它返回的是一个迭代器,通过该迭代器我们可以访问匹配的每一个字符串。

import re

pattern = re.compile("d+")
result_iter = pattern.finditer("aaaa1111bbbb1234cccc1243")
for result in result_iter:
    print("找得到字符串{},位置是{}".format(result.group(), result.span()))
# 找得到字符串1111,位置是(4, 8)
# 找得到字符串1234,位置是(12, 16)
# 找得到字符串1243,位置是(20, 24)    

(5)split()方法

split(pattern, string, maxsplit=0)

说明:用来分割字符串,maxsplit表示最大的分割次数,不指定即为全部分割。

import re

print(re.split('d+', 'one1two2three3four4five5'))
# ['one', 'two', 'three', 'four', 'five', '']

(6)sub()方法

sub(pattern, repl, string, count=0, flags=0)

说明:该方法用来替换。rel如果为字符串,会使用rel替换字符串中的每一个匹配的子串,并且返回替换后的字符串;如果为函数,则该函数应该只接收一个Match对象,并且返回一个字符串用于替换。

count用于指定替换次数。

import re

p = re.compile(r'(w+) (w+)')
s = 'test aaa,test bbb'


def func(m):
    return 'hei' + ' ' + m.group(2)


print(p.sub(r'hello world', s))	# hello world,hello world(使用hello world替换)
print(p.sub(r'2 1', s))   # aaa test,bbb test(1 上方第一个括号内的内容。)
print(p.sub(func, s))	# hei aaa,hei bbb(替换全部)
print(p.sub(func, s, 1))	# hei aaa,test bbb(最多只替换一次)

(7)subn()方法

subn(pattern, repl, string, count=0, flags=0)

说明:该方法也是用于替换,返回一个元祖,元祖有两个元素,第一个和使用sub方法返回的结果一样,count表示替换的次数。

import re

p = re.compile(r'(w+) (w+)')
s = 'test aaa,test bbb'


def func(m):
    return 'hei' + ' ' + m.group(2)


print(p.subn(r'hello world', s))	# ('hello world,hello world', 2)
print(p.subn(r'2 1', s))   # ('aaa test,bbb test', 2) (1 上方第一个括号内的内容。)
print(p.subn(func, s))	# ('hei aaa,hei bbb', 2)
print(p.subn(func, s, 1))	# ('hei aaa,test bbb', 1)

一些注意点

1、re.matchre.searchre.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。re.findall返回所有的匹配结果。

import re

p = re.compile(r'[d]')
s = 'abc33'
print(p.search(s).group())	# 3
print(p.match(s))	# None
print(p.findall(s))	# ['3', '3']

2、贪婪匹配与非贪婪匹配

*,+,?等都是贪婪匹配,也就是尽可能多的匹配,后面加上?号使其变成

惰性匹配。

import re

a = re.findall(r'a(d+?)', 'a23b')
print(a)
b = re.findall(r'a(d+)', 'a23b')
print(b)

注意: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。

import re

a = re.findall(r'a(d+)b', 'a3333b')
print(a)
b = re.findall(r'a(d+?)b', 'a3333b')
print(b)
本站资源均源自网络,若涉及您的版权、知识产权或其他利益,请附上版权证明邮件告知。收到您的邮件后,我们将在72小时内删除。
若下载资源地址错误或链接跳转错误请联系站长。站长q:770044133。

» python正则表达式(re模块)

发表评论

免登录下载网,提供全网最优质的资源集合!