首页 > 代码库 > python与正则表达式
python与正则表达式
1.正则表达式
正则，只跟字符串相关，就是匹配字符串内容的一种规则。
正则主要有两部分组成，要查找字符的类型，以及要查找字符的数量。（自己的理解）
字符的类型：（相当于你要找的部分内容）
元字符 |
匹配内容 |
| . | 匹配除换行符以外的任意字符 |
| \w | 匹配字母或数字或下划线 |
| \s | 匹配任意的空白符 |
| \d | 匹配数字 |
| \n | 匹配一个换行符 |
| \t | 匹配一个制表符 |
| \b | 匹配一个单词的结尾 |
| ^ | 匹配字符串的开始 |
| $ | 匹配字符串的结尾 |
| \W |
匹配非字母或数字或下划线 |
| \D |
匹配非数字
|
| \S |
匹配非空白符
|
| a|b |
匹配字符a或字符b |
| () |
匹配括号内的表达式，也表示一个组 |
| [...] |
匹配字符组中的字符 |
| [^...] |
匹配除了字符组中字符的所有字符 |
代表数量的量词：（相当于你要找的部分内容对应的个数）
量词 |
用法说明 |
| * | 重复零次或更多次 |
| + | 重复一次或更多次 |
| ? | 重复零次或一次 |
| {n} | 重复n次 |
| {n,} | 重复n次或更多次 |
| {n,m} | 重复n到m次 |
示例：
‘d\d+\w{3,6}p‘ 这个正则表达式代表的是：以d开头，后边是数字，数量是1个或者多个，后边是字母、数字、下划线，数量是3-6个，然后以一个p结尾。
备注：这里都是默认为贪婪模式，数量能找到满足条件的多个，就找多个，非贪婪模式的是在表达数字的后边加‘？’号。如右：‘d\d+？\w{3,6}？p‘
代表要查找字符位置的符号：
^ 和 $ ： ^代表在字符串的开头出现，$ 代表在字符串的末尾出现。
示例
string = ‘海燕海东海西‘
^海. 会匹配到 开头的‘海燕’ ，全部的意思是：匹配开头是海这一个字，后边跟一个除换行符之外的一个字符。
海.$ 会匹配到结尾的‘海西’ ，全部的意思是 ：匹配结尾的海+一个除换行符之外的一个字符。
字符集［］［^］
[ ] 表示这一个位置可能出现的字符，注意是一个位置，表示多个位置的话，可以是 [ ]*,或者 [ ]+ 等[ ]后边跟量词
[ ^ ] 表示取非，即这一个位置可能出现的字符除了括号内的，
分组 ()与 或 ｜
示例：
（） 表示把一些字符看成一个整体， | 是或的意思。
([1-9]\d{16}[0-9x]|[1-9]\d{14}) 表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
2.Python 下的正则表达式—— re 模块
re模块常用方法：findall、search、 match、 split、 sub、
re.findall(pattern，)
查找满足条件的字符串，返回一个列表，元素是每一个找到的子字符串，
1 示例： 2 str = ‘fhsjdhal66478636666guy66666hhfieyhf‘ 3 ret5 = re.findall(‘\d{4,6}?‘,str) 4 print(ret5)
结果：
[[‘6647‘, ‘8636‘, ‘6666‘]] # 此处是非贪婪模式
findall中有个分组优先的原则：
# 如果没有分组，是这样子的： str = ‘11512319890965443xhfauh630289768776545678ucufy‘ ret5 = re.findall(‘[0-9]\d{5}\d{8}\d{3}[0-9x]‘,str) # ret5 = re.findall(r‘[1-9]\d{16}[0-9x]‘,str) print(ret5) 结果是： >>> [‘11512319890965443x‘, ‘630289768776545678‘] 假如我分组了，就会返回组里边的信息， str = ‘62012319890965443xhfauh630289768776545678ucufy‘ ret5 = re.findall(‘[0-9]\d{5}(\d{8})\d{3}[0-9x]‘,str) # ret5 = re.findall(r‘[1-9]\d{16}[0-9x]‘,str) print(ret5) 结果是： >>> [‘19890965‘, ‘76877654‘] 其实其他位置的也匹配到了，只是没有显示出来而已。
re.resarch()
在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,通过.group()方法调用。
1 ret = re.search(‘a‘, ‘eva egon yuan‘).group() 2 print(ret) 3 #结果 : ‘a‘
re.math()
在字符串开始处进行匹配，如果不在开头，则会报错，如找到，返回的跟search一样。
1 ret = re.match(‘a‘, ‘abc‘).group() 2 print(ret) 3 4 #结果 : ‘a‘
re.finditer()
返回一个存放匹配结果的迭代器
1 import re 2 ret = re.finditer(‘\d‘, ‘ds3sy4784a‘) #finditer返回一个存放匹配结果的迭代器 3 print(ret) # <callable_iterator object at 0x10195f940> 4 print(next(ret).group()) #查看第一个结果 5 print(next(ret).group()) #查看第二个结果 6 print([i.group() for i in ret]) #查看剩余的左右结果
re.split 返回一个切割之后的列表。
ret = re.split(‘[ab]‘, ‘abcd‘)
# 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割 print(ret) # [‘‘, ‘‘, ‘cd‘] 注意这里
split的优先级查询
ret=re.split("\d+","eva3egon4yuan") print(ret) #结果 ： [‘eva‘, ‘egon‘, ‘yuan‘] ret=re.split("(\d+)","eva3egon4yuan") print(ret) #结果 ： [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘] #在匹配部分加上（）之后所切出的结果是不同的， #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项， #这个在某些需要保留匹配部分的使用过程是非常重要的。
re模块其他的方法：
sub 替换 、compile()编译成一个对象
ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)
#将数字替换成‘H‘，参数1表示只替换1个
print(ret) #evaHegon4yuan4
ret = re.subn(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘)
#将数字替换成‘H‘，返回元组(替换的结果,替换了多少次)
print(ret)
obj = re.compile(‘\d{3}‘) #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
ret = obj.search(‘abc123eeee‘) #正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())
#结果 ： 123
python与正则表达式