首页 > 代码库 > Python开发基础-Day14正则表达式和re模块

Python开发基础-Day14正则表达式和re模块

正则表达式

就其本质而言,正则表达式(或 re)是一种小型的、高度专业化的编程语言,(在Python中)它内嵌在Python中,并通过 re 模块实现。正则表达式模式被编译成一系列的字节码,然后由用 C 编写的匹配引擎执行。

字符匹配(普通字符,元字符):

1 普通字符(完全匹配):大多数字符和字母都会和自身匹配

1 >>> import re
2 >>> res=hello world good morning
3 >>> re.findall(hello,res)
4 [hello]

2 元字符(模糊匹配):. ^ $ * + ? { } [ ] | ( ) \

 

元字符

.  通配符,匹配一个除了换行符的任意字符,中间如果有换行符也不会跳过换行符,只是无法匹配

 1 >>> import re
 2 >>> str1="hello\n,张三"
 3 #re.findall()方法,第一个元素为匹配规则,第二个元素为字符串,返回的是所有匹配项的列表,re下的方法后面详细说明
 4 >>> re.findall("l",str1)    #遍历匹配l,如果匹配到,则输出为列表的一个元素
 5 [l, l]
 6 >>> re.findall("h.",str1)   #匹配h开头,后面包含任意字符除换行符的两个字符
 7 [he]
 8 >>> re.findall("hello.",str1)  #因为hello后的字符是换行符,所以匹配不到
 9 []
10 >>> re.findall("张.",str1)    #包含的字符串在哪个位置匹配都可以
11 [张三]

^  开始匹配,只匹配字符串的开头,开头如果没有,后边不会再进行匹配

1 >>> re.findall("^hello",str1)  #开头有hello所以匹配成功
2 [hello]
3 >>> re.findall("^llo",str1)    #开头没有llo,匹配失败
4 []

$  结尾匹配,只匹配结尾

1 >>> re.findall("llo$",str1)    #该字符串以三结尾
2 []
3 >>> re.findall("三$",str1)
4 []
5 >>> re.findall("张三$",str1)    #可匹配多个字符
6 [张三]
7 >>> re.findall("张.$",str1)    #不同的元字符联用
8 [张三]

重复功能元字符

?  表示?前一个字符或组可有可无,范围即0次或1次

1 >>> re.findall("ho?el",str1)  #o可有可无,匹配hel
2 [hel]
3 >>> re.findall("he?l",str1)  #e可有可无,有的时候匹配hel
4 [hel]
5 >>> re.findall("he?el",str1)  #第一个e可有可无,没有的时候匹配hel
6 [hel]

*  表示*前面一个字符或组的重复范围,范围从0开始到正无穷,[0,+∞]

1 >>> str2="111111133111188211111111111134234"
2 >>> re.findall("1*",str2)  #1*表示字符1出现0次或多次,从字符串依次匹配,如果不是1就用空补全
3 [1111111, ‘‘, ‘‘, 1111, ‘‘, ‘‘, ‘‘, 111111111111, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘]
4 >>> re.findall("11*",str2)  #11*表示第二个字符1出现0次或多次,第一个字符1已经固定
5 [1111111, 1111, 111111111111]

+  类似与*,表示+前面一个字符或组的重复范围,范围从1开始到正无穷,[1,+∞]

1 >>> re.findall("11+",str2)  #11+表示第二个1必须是出现1次或多次
2 [1111111, 1111, 111111111111]
3 >>> re.findall("1+",str2)  #1+表示必须出现一次1及以上
4 [1111111, 1111, 111111111111]

{}  {n,m},指定范围,不指定m表示从n到无穷,只有一个n是只能是这么多次

1 >>> str2="111111133111188211111111111134234"  
2 >>> re.findall("1{4}",str2)  #按照字符1重复4次匹配,共匹配成功5次
3 [1111, 1111, 1111, 1111, 1111]
4 >>> re.findall("3{2}",str2)  #匹配出现2次3的字符串
5 [33]
6 >>> re.findall("3{1,3}",str2)  #匹配出现1到3次3的情况
7 [33, 3, 3]
8 >>> re.findall("1{1,}",str2)  #匹配出现1至少一次的情况 
9 [1111111, 1111, 111111111111]

转义字符

\  反斜杠后边跟元字符去除特殊功能,反斜杠后边跟普通字符实现特殊功能

\d  匹配任何十进制数;      它相当于类 [0-9]。
\D  匹配任何非数字字符;    它相当于类 [^0-9]。
\s  匹配任何空白字符;      它相当于类 [ \t\n\r\f\v]。
\S  匹配任何非空白字符;    它相当于类 [^ \t\n\r\f\v]。
\w  匹配任何字母数字汉字字符;   它相当于类 [a-zA-Z0-9_]。
\W  匹配任何非字母数字汉字字符; 它相当于类 [^a-zA-Z0-9_]
\b  匹配一个特殊字符边界,比如空格 ,&,#等

字符串:包含特殊字符、数字、大小写字母及汉字

1 >>> str3=123456  7890@#$abcd  efg!%&*HIJKLMN陈

\d  匹配十进制数

1 >>> re.findall("\d",str3)
2 [1, 2, 3, 4, 5, 6, 7, 8, 9, 0]

\D  匹配非数字字符

1 >>> re.findall("\D",str3)
2 [ ,  , @, #, $, a, b, c, d,  ,  , e, f, g, !, %, &, *, H, I, J, K, L, M, N, ]

\s  匹配任何空白字符

>>> re.findall("\s",str3)
[ ,  ,  ,  ]

\S  匹配任何非空白字符

1 >>> re.findall("\S",str3)
2 [1, 2, 3, 4, 5, 6, 7, 8, 9, 0, @, #, $, a, b, c, d, e, f, g, !, %, &, *, H, I, J, K, L, M, N, ]

\w  匹配任何字母数字汉字字符

1 >>> re.findall("\w",str3)
2 [1, 2, 3, 4, 5, 6, 7, 8, 9, 0, a, b, c, d, e, f, g, H, I, J, K, L, M, N, ]

\W  匹配任何非字母数字汉字字符

1 >>> re.findall("\W",str3)
2 [ ,  , @, #, $,  ,  , !, %, &, *]

\b  匹配一个特殊的字符边界,注意:因为\b和py解释器有冲突,所以需要加上r表示以源生字符方式传送给re模块解释

1 >>> re.findall(r"abcd\b",str3)
2 [abcd]
3 >>> re.findall(r"123456\b",str3)
4 [123456]

源生字符r示例1:匹配“abc\le”中的‘c\l’,\l无特殊含义

 1 >>> import re
 2 >>> str4="abc\le"
 3 >>> re.findall(c\l,abc\le)    #报错,py解释器会解释一次转义字符,一个\无法解释
 4 >>> re.findall(c\\l,abc\le)    #报错,py解释器将两个\解释成一个\传给re模块,re模块
5 >>> re.findall(c\\\l,abc\le)  #py解释器将三个\解释成\\传给re模块,re模块解释\\转义匹配c\l 6 [c\\l]    #因为匹配出来的c\l的\是特殊字符,所以py解释器将\转义一次输出 7 >>> re.findall(c\\\\l,abc\le)  #py解释器将第一个和第二个\解释成一个\,第三个第四个\解释成一个\,共两个\传给re模块 8 [c\\l] 9 >>> re.findall(rc\\l,abc\le)  #py解释器通过r标识,将两个\解释为源生字符直接传给re模块 10 [c\\l]

源生字符r示例2:匹配“abc\be”中的‘c\b’,\b有特殊含义,为ascii表的退格

 1 >>> str5="abc\be"
 2 >>> re.findall(c\b,abc\be)
 3 [c\x08]
 4 >>> re.findall(c\\b,abc\be)
 5 [c]
 6 >>> re.findall(c\\\b,abc\be)
 7 [c\x08]
 8 >>> re.findall(c\\\\b,abc\be)
 9 []
10 >>> re.findall(rc\b,abc\be)
11 [c]
12 >>> re.findall(rc\\b,abc\be)
13 []
14 >>> re.findall(rc\\\b,abc\be)
15 []
16 >>> re.findall(rc\\\\b,abc\be)
17 []
18 >>> re.findall(rc\b,rabc\be)
19 [c]
20 >>> re.findall(rc\\b,rabc\be)  #当字符串内有特殊含义的字符时候,需要加r转义为源生字符
21 [c\\b]
22 >>> re.findall(rc\\\b,rabc\be)
23 [c\\]
24 >>> re.findall(rc\\\\b,rabc\be)
25 []

()  分为普通分组和命名分组两种,和的意思,匹配规则的字符串以组的方式划成一个整体,这个整体赋规则匹配字符串

1 >>> str6="faefhuknghellohellohelloafeahelloadf"
2 >>> re.findall("(hello)+",str6)  #将hello组成一个整体进行+规则
3 [hello, hello]  #因为优先级的限制,只能显示分组内的内容
4 >>> re.findall("(?:hello)+",str6)
5 [hellohellohello, hello]  #?:是一个格式,取消优先级限制,将匹配到的所有显示出来

分组一般配合re.search()和re.match()方法调用

re.search()格式和findall相同,但是其返回的是一个对象,通过调用对象的group方法返回具体的值,re.search()只会匹配一次值,匹配到之后将不再向后匹配,即只有一个结果。

1 >>> re.search("(hello)+",str6)
2 <_sre.SRE_Match object; span=(9, 24), match=hellohellohello>
3 >>> ret=re.search("(hello)+",str6)
4 >>> ret.group()
5 hellohellohello

re.match()方法和元字符^的功能类似,匹配字符串开头,返回一个对象,并且也能通过group方法返回具体的值

1 >>> str7="hellohellohellonameafeahelloadf"
2 >>> ret=re.match("(hello)+",str7)  #开头有hello能匹配到
3 >>> ret.group()
4 hellohellohello
5 >>> ret=re.match("(name)+",str7)  #开头没有name,匹配不到
6 >>> ret.group()
7 Traceback (most recent call last):
8   File "<stdin>", line 1, in <module>
9 AttributeError: NoneType object has no attribute group

命名分组:在分组的基础上加上一个名字,通过group方法调用分组名字返回具体的值

1 >>> str8="-blog-aticles-2015-04"
2 >>> ret=re.search(r"-blog-aticles-(?P<year>\d+)-(?P<month>\d+)",str8)  #?P是定义命名的格式,<>内是名字
3 >>> ret.group(year)
4 2015
5 >>> ret.group(month)
6 04

[]  字符集,中括号内的字符集合,关系为或,即匹配括号内任意一个字符即可,字符集内的-^\三个字符具有特殊意义,其他字符丧失原来的特殊意义。

1 >>> str9="adf13415aggae8657dfc" 
2 >>> re.findall("a[dg]+",str9)  #匹配a开头,后面多余一个d或者g结尾的部分
3 [ad, agg]

字符集内的-表示一个范围

1 >>> re.findall("[0-9]+",str9)  #包含0-9数字的字符,匹配+规则
2 [13415, 8657]
3 >>> re.findall("[a-z]+",str9)
4 [adf, aggae, dfc]

字符集内的^表示取反

1 >>> re.findall("[^a-z]+",str9)  #不是包含a-z字母的字符,匹配+规则
2 [13415, 8657]
3 >>> re.findall("[^0-9]+",str9)
4 [adf, aggae, dfc]

字符集内的\表示转义

1 >>> re.findall("[\d]",str9)
2 [1, 3, 4, 1, 5, 8, 6, 5, 7]
3 >>> re.findall("[\w]",str9)
4 [a, d, f, 1, 3, 4, 1, 5, a, g, g, a, e, 8, 6, 5, 7, d, f, c]

|  管道符号,表示或

1 >>> str10="www.oldboy.com;www.oldboy.cn;www.baidu.com;"
2 >>> re.findall("www\.(?:\w+)\.(?:com|cn)",str10)
3 [www.oldboy.com, www.oldboy.cn, www.baidu.com]

 

 

 

 

 

 

 

 

 

 

 

 草稿

贪婪匹配:按照最长的结果匹配

技术分享

 

非贪婪匹配:按照最短的结果匹配

 

re模块

re.findall    匹配到的全部返回,以列表的方式

re.search    返回一个对象,匹配到第一个就不往下匹配了,没匹配到返回一个None

技术分享

具体的内容,需要使用group方法

技术分享

 

re.finditer    返回一个迭代器

也是要group方法

 

 

re.match  只在字符串开始的位置匹配

技术分享

 

re.split()  分割,列表,中间用正则模糊匹配,可以限定次数

技术分享

匹配出空

技术分享

 

 re.sub()    替换,规则-替换内容-字符串-计数限定次数

技术分享

 

re.subn()  类似于sub,但是是元组返回

 

re.compile()    编译规则,用编译对象调用

技术分享

 

Python开发基础-Day14正则表达式和re模块