Python3之正则re
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python3之正则re相关的知识,希望对你有一定的参考价值。
一、正则re
1.正则表达式定义
正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法。或者说:正则就是用来描述一类事物的规则。(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。
2.常用的正则表达式
3.贪婪模式与非贪婪模式
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式"ab*"如果用于查找"abbbc",将找到"abbb"。而如果使用非贪婪的数量词"ab*?",将找到"a"。
4.反斜杠
与大多数编程语言相同,正则表达式里使用"\\"作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\\",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\\\\\":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题,这个例子中的正则表达式可以使用r"\\\\"表示。同样,匹配一个数字的"\\\\d"可以写成r"\\d"。有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。
5.re模块
Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例,然后使用Pattern实例处理文本并获得匹配结果(一个Match实例),最后使用Match实例获得信息,进行其他的操作。
Match
Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读属性或方法来获取这些信息。
属性:
- string: 匹配时使用的文本。
- re: 匹配时使用的Pattern对象。
- pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
- lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
- lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组,将为None。
方法:
- group([group1, …]):
获得一个或多个分组截获的字符串;指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名;编号0代表整个匹配的子串;不填写参数时,返回group(0);没有截获字符串的组返回None;截获了多次的组返回最后一次截获的子串。
- groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代,默认为None。
- groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典,没有别名的组不包含在内。default含义同上。
- start([group]):
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。group默认值为0。
- end([group]):
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。group默认值为0。
- span([group]):
返回(start(group), end(group))。
- expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\\id或\\g<id>、\\g<name>引用分组,但不能使用编号0。\\id与\\g<id>是等价的;但\\10将被认为是第10个分组,如果你想表达\\1之后是字符‘0‘,只能使用\\g<1>0。
例:
import re m = re.match(r‘(\\w+) (\\w+)(?P<sign>.*)‘, ‘hello world!‘) print("m.string:", m.string) print("m.re:", m.re) print("m.pos:", m.pos) print("m.endpos:", m.endpos) print("m.lastindex:", m.lastindex) print("m.lastgroup:", m.lastgroup) print("m.group(1,2):", m.group(1, 2)) print("m.groups():", m.groups()) print("m.groupdict():", m.groupdict()) print("m.start(2):", m.start(2)) print("m.end(2):", m.end(2)) print("m.span(2):", m.span(2)) print(r"m.expand(r‘\\2 \\1\\3‘):", m.expand(r‘\\2 \\1\\3‘))
输出
m.string: hello world! m.re: re.compile(‘(\\\\w+) (\\\\w+)(?P<sign>.*)‘) m.pos: 0 m.endpos: 12 m.lastindex: 3 m.lastgroup: sign m.group(1,2): (‘hello‘, ‘world‘) m.groups(): (‘hello‘, ‘world‘, ‘!‘) m.groupdict(): {‘sign‘: ‘!‘} m.start(2): 6 m.end(2): 11 m.span(2): (6, 11) m.expand(r‘\\2 \\1\\3‘): world hello!
Pattern
Pattern对象是一个编译好的正则表达式,通过Pattern提供的一系列方法可以对文本进行匹配查找。
Pattern不能直接实例化,必须使用re.compile()进行构造。
Pattern提供了几个可读属性用于获取表达式的相关信息:
- pattern: 编译时用的表达式字符串。
- flags: 编译时用的匹配模式。数字形式。
- groups: 表达式中分组的数量。
- groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典,没有别名的组不包含在内。
例:
import re p = re.compile(r‘(\\w+) (\\w+)(?P<sign>.*)‘, re.DOTALL) print("p.pattern:", p.pattern) print("p.flags:", p.flags) print("p.groups:", p.groups) print("p.groupindex:", p.groupindex)
输出
p.pattern: (\\w+) (\\w+)(?P<sign>.*) p.flags: 48 p.groups: 3 p.groupindex: {‘sign‘: 3}
实例方法[ | re模块方法]:
- match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):
这个方法将从string的pos下标处起尝试匹配pattern;如果pattern结束时仍可匹配,则返回一个Match对象;如果匹配过程中pattern无法匹配,或者匹配未结束就已到达endpos,则返回None。
pos和endpos的默认值分别为0和len(string);re.match()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
注意: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‘$‘。
示例参见2.1小节。
- search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):
这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern,如果pattern结束时仍可匹配,则返回一个Match对象;若无法匹配,则将pos加1后重新尝试匹配;直到pos=endpos时仍无法匹配则返回None。
pos和endpos的默认值分别为0和len(string));re.search()无法指定这两个参数,参数flags用于编译pattern时指定匹配模式。
import re # 将正则表达式编译成Pattern对象 pattern = re.compile(r‘world‘) # 使用search()查找匹配的子串,不存在能匹配的子串时将返回None # 这个例子中使用match()无法成功匹配 match = pattern.search(‘hello world!‘) if match: # 使用Match获得分组信息 print(match.group())
输出
world
- split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。
import re p = re.compile(r‘\\d+‘) print(p.split(‘one1two2three3four4‘))
输出
[‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘‘]
- findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
搜索string,以列表形式返回全部能匹配的子串。
import re p = re.compile(r‘\\d+‘) print(p.findall(‘one1two2three3four4‘))
输出
[‘1‘, ‘2‘, ‘3‘, ‘4‘]
- finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
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。
import re p = re.compile(r‘\\d+‘) for m in p.finditer(‘one1two2three3four4‘): print(m.group(),)
输出
1 2 3 4
- sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
使用repl替换string中每一个匹配的子串后返回替换后的字符串。
当repl是一个字符串时,可以使用\\id或\\g<id>、\\g<name>引用分组,但不能使用编号0。
当repl是一个方法时,这个方法应当只接受一个参数(Match对象),并返回一个字符串用于替换(返回的字符串中不能再引用分组)。
count用于指定最多替换次数,不指定时全部替换。
import re p = re.compile(r‘(\\w+) (\\w+)‘) s = ‘i say, hello world!‘ print(p.sub(r‘\\2 \\1‘, s)) def func(m): return m.group(1).title() + ‘ ‘ + m.group(2).title() print(p.sub(func, s))
输出
say i, world hello! I Say, Hello World!
- subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替换次数)。
import re p = re.compile(r‘(\\w+) (\\w+)‘) s = ‘i say, hello world!‘ print(p.subn(r‘\\2 \\1‘, s)) def func(m): return m.group(1).title() + ‘ ‘ + m.group(2).title() print(p.subn(func, s))
(‘say i, world hello!‘, 2) (‘I Say, Hello World!‘, 2)
- re.compile(strPattern[, flag]):
这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式,取值可以使用按位或运算符‘|‘表示同时生效,比如re.I | re.M。另外,你也可以在regex字符串中指定模式,比如re.compile(‘pattern‘, re.I | re.M)与re.compile(‘(?im)pattern‘)是等价的。
可选值有:
- re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
- M(MULTILINE): 多行模式,改变‘^‘和‘$‘的行为(参见上图)
- S(DOTALL): 点任意匹配模式,改变‘.‘的行为
- L(LOCALE): 使预定字符类 \\w \\W \\b \\B \\s \\S 取决于当前区域设定
- U(UNICODE): 使预定字符类 \\w \\W \\b \\B \\s \\S \\d \\D 取决于unicode定义的字符属性
- X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。以下两个正则表达式是等价的:
a = re.compile(r"""\\d + # the integral part \\. # the decimal point \\d * # some fractional digits""", re.X) b = re.compile(r"\\d+\\.\\d*")
re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代,唯一的好处是少写一行re.compile()代码,但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为:
m = re.match(r‘hello‘, ‘hello world!‘) print(m.group())
re模块还提供了一个方法escape(string),用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回,在需要大量匹配元字符时有那么一点用。
6.举例常用的匹配方式
- \\w与\\W
import re print(re.findall(‘\\w‘,‘hello hexin 123‘)) print(re.findall(‘\\W‘,‘hello hexin 123‘))
输出
[‘h‘, ‘e‘, ‘l‘, ‘l‘, ‘o‘, ‘h‘, ‘e‘, ‘x‘, ‘i‘, ‘n‘, ‘1‘, ‘2‘, ‘3‘] [‘ ‘, ‘ ‘]
- \\s与\\S
import re print(re.findall(‘\\s‘,‘hello hexin 123‘)) print(re.findall(‘\\S‘,‘hello hexin 123‘))
输出
[‘ ‘, ‘ ‘, ‘ ‘, ‘ ‘] [‘h‘, ‘e‘, ‘l‘, ‘l‘, ‘o‘, ‘h‘, ‘e‘, ‘x‘, ‘i‘, ‘n‘, ‘1‘, ‘2‘, ‘3‘]
- \\d与\\D
import re print(re.findall(‘\\d‘,‘hello hexin 123‘)) print(re.findall(‘\\D‘,‘hello hexin 123‘))
输出
[‘1‘, ‘2‘, ‘3‘] [‘h‘, ‘e‘, ‘l‘, ‘l‘, ‘o‘, ‘ ‘, ‘h‘, ‘e‘, ‘x‘, ‘i‘, ‘n‘, ‘ ‘]
- \\A与\\Z
import re print(re.findall(‘\\Ahe‘,‘hello hexin 123‘)) print(re.findall(‘123\\Z‘,‘hello hexin 123‘))
输出
[‘he‘] [‘123‘]
- \\n与\\t
import re print(re.findall(r‘\\n‘,‘hello hexin \\n123‘)) print(re.findall(r‘\\t‘,‘hello heixn \\t123‘))
输出
[‘\\n‘] [‘\\t‘]
- ^与$
import re print(re.findall(‘^h‘,‘hello hexin 123‘)) print(re.findall(‘3$‘,‘hello hexin 123‘))
输出
[‘h‘] [‘3‘]
- 重复匹配:| . | * | ? | .* | .*? | + | {n,m} |
print(re.findall(‘a.b‘,‘a1b‘)) print(re.findall(‘a.b‘,‘a\\nb‘)) print(re.findall(‘a.b‘,‘a\\nb‘,re.S)) print(re.findall(‘a.b‘,‘a\\nb‘,re.DOTALL))
输出
[‘a1b‘] [] [‘a\\nb‘] [‘a\\nb‘]
- *
import re print(re.findall(‘ab*‘,‘bbbbbbb‘)) print(re.findall(‘ab*‘,‘a‘))
输出
[] [‘a‘]
- ?
import re print(re.findall(‘ab?‘,‘a‘)) print(re.findall(‘ab?‘,‘abbb‘))
输出
[‘a‘] [‘ab‘]
- 匹配所有包含小数在内的数字
import re print(re.findall(‘\\d+\\.?\\d*‘,"asdfasdf123as1.13dfa12adsf1asdf3"))
输出
[‘123‘, ‘1.13‘, ‘12‘, ‘1‘, ‘3‘]
- .*默认为贪婪匹配
print(re.findall(‘a.*b‘,‘a1b22222222b‘))
输出
[‘a1b22222222b‘]
- .*?为非贪婪匹配
import re print(re.findall(‘a.*?b‘,‘a1b22222222b‘))
输出
[‘a1b‘]
- +
import re print(re.findall(‘ab+‘,‘a‘)) print(re.findall(‘ab+‘,‘abbb‘))
输出
[] [‘abbb‘]
- {n,m}
import re print(re.findall(‘ab{2}‘,‘abbb‘)) print(re.findall(‘ab{2,4}‘,‘abbb‘)) print(re.findall(‘ab{1,}‘,‘abbb‘)) print(re.findall(‘ab{0,}‘,‘abbb‘))
输出
[‘abb‘] [‘abbb‘] [‘abbb‘] [‘abbb‘]
- []
import re print(re.findall(‘a[1*-]b‘,‘a1b a*b a-b‘)) #[]内的都为普通字符了,且如果-没有被转意的话,应该放到[]的开头或结尾 print(re.findall(‘a[^1*-]b‘,‘a1b a*b a-b a=b‘)) #[]内的^代表的意思是取反 print(re.findall(‘a[0-9]b‘,‘a1b a*b a-b a=b‘)) #[]内的^代表的意思是取反 print(re.findall(‘a[a-z]b‘,‘a1b a*b a-b a=b aeb‘)) #[]内的^代表的意思是取反 print(re.findall(‘a[a-zA-Z]b‘,‘a1b a*b a-b a=b aeb aEb‘)) #[]内的^代表的意思是取反
输出
[‘a1b‘, ‘a*b‘, ‘a-b‘] [‘a=b‘] [‘a1b‘] [‘aeb‘] [‘aeb‘, ‘aEb‘]
- ()
import re print(re.findall(‘ab+‘,‘ababab123‘)) print(re.findall(‘(ab)+123‘,‘ababab123‘)) #匹配到末尾的ab123中的ab print(re.findall(‘(?:ab)+123‘,‘ababab123‘)) #findall的结果不是匹配的全部内容,而是组内的内容,?:可以让结果为匹配的全部内容
输出
[‘ab‘, ‘ab‘, ‘ab‘] [‘ab‘] [‘ababab123‘]
- \\
print(re.findall(‘a\\\\c‘,‘a\\c‘)) #对于正则来说a\\\\c确实可以匹配到a\\c,但是在python解释器读取a\\\\c时,会发生转义,然后交给re去执行,所以抛出异常 print(re.findall(r‘a\\\\c‘,‘a\\c‘)) #r代表告诉解释器使用rawstring,即原生字符串,把我们正则内的所有符号都当普通字符处理,不要转义 print(re.findall(‘a\\\\\\\\c‘,‘a\\c‘)) #同上面的意思一样,和上面的结果一样都是[‘a\\\\c‘]
输出
[] [‘a\\\\c‘] [‘a\\\\c‘]
- |
import re
print(re.findall(‘compan(y|ies)‘,‘Too many companies have gone bankrupt, and the next one is my company‘))
print(re.findall(‘compan(?:y|ies)‘,‘Too many companies have gone bankrupt, and the next one is my company‘)) #(?:)匹配完整
输出
[‘ies‘, ‘y‘]
[‘companies‘, ‘company‘]
补充:
数字匹配
import re print(re.findall(r‘-?\\d+\\.?\\d*‘,"1-12*(60+(-40.35/5)-(-4*3))")) #找出所有数字[‘1‘, ‘-12‘, ‘60‘, ‘-40.35‘, ‘5‘, ‘-4‘, ‘3‘] #使用|,先匹配的先生效,|左边是匹配小数,而findall最终结果是查看分组,所有即使匹配成功小数也不会存入结果 #而不是小数时,就去匹配(-?\\d+),匹配到的自然就是,非小数的数,在此处即整数 print(re.findall(r"-?\\d+\\.\\d*|(-?\\d+)","1-2*(60+(-40.35/5)-(-4*3))")) #找出所有整数[‘1‘, ‘-2‘, ‘60‘, ‘‘, ‘5‘, ‘-4‘, ‘3‘]
总结:
尽量使用泛匹配模式.*
尽量使用非贪婪模式:.*?
使用括号得到匹配目标:用group(n)去取得结果
有换行符就用re.S:修改模式
模块简单使用
import re #1 print(re.findall(‘e‘,‘he make love‘) ) #[‘e‘, ‘e‘, ‘e‘],返回所有满足匹配条件的结果,放在列表里 #2 print(re.search(‘e‘,‘he make love‘).group()) #e,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。 #3 print(re.match(‘e‘,‘he make love‘)) #None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match #4 print(re.split(‘[ab]‘,‘abcd‘)) #[‘‘, ‘‘, ‘cd‘],先按‘a‘分割得到‘‘和‘bcd‘,再对‘‘和‘bcd‘分别按‘b‘分割 #5 print(‘===>‘,re.sub(‘a‘,‘A‘,‘he make love‘)) #===> he mAke love,不指定n,默认替换所有 print(‘===>‘,re.sub(‘a‘,‘A‘,‘he make love‘,1)) #===> he mAke love print(‘===>‘,re.sub(‘a‘,‘A‘,‘he make love‘,2)) #===> he mAke love print(‘===>‘,re.sub(‘^(\\w+)(.*?\\s)(\\w+)(.*?\\s)(\\w+)(.*?)$‘,r‘\\5\\2\\3\\4\\1‘,‘he make love‘)) #===> love make he print(‘===>‘,re.subn(‘a‘,‘A‘,‘he make love‘)) #===> (‘he mAke love‘, 2),结果带有总共替换的个数 #6 obj=re.compile(‘\\d{2}‘) print(obj.search(‘abc123eeee‘).group()) #12 print(obj.findall(‘abc123eeee‘)) #[‘12‘],重用了obj
输出
[‘e‘, ‘e‘, ‘e‘] e None [‘‘, ‘‘, ‘cd‘] ===> he mAke love ===> he mAke love ===> he mAke love ===> love make he ===> (‘he mAke love‘, 1) 12 [‘12‘]
以上是关于Python3之正则re的主要内容,如果未能解决你的问题,请参考以下文章
Python3正则匹配re.split,re.finditer及re.findall函数用法详解