Python re模块

Posted 2020-10-13 项思凯

Python re模块

常用正则表达式符号

\'.\'     默认匹配除\\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
\'^\'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\\nabc\\neee",flags=re.MULTILINE)
\'$\'     匹配字符结尾，或e.search("foo$","bfoo\\nsdfsf",flags=re.MULTILINE).group()也可以
\'*\'     匹配*号前的字符0次或多次，re.findall("ab*","cabb3abcbbac")  结果为[\'abb\', \'ab\', \'a\']
\'+\'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果[\'ab\', \'abb\']
\'?\'     匹配前一个字符1次或0次
\'{m}\'   匹配前一个字符m次
\'{n,m}\' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果\'abb\', \'ab\', \'abb\']
\'|\'     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果\'ABC\'
\'(...)\' 分组匹配，re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
 
 
\'\\A\'    只从字符开头匹配，re.search("\\Aabc","alexabc") 是匹配不到的
\'\\Z\'    匹配字符结尾，同$
\'\\d\'    匹配数字0-9
\'\\b\'    匹配单词的开头与结尾
\'\\D\'    匹配非数字
\'\\w\'    匹配[A-Za-z0-9]
\'\\W\'    匹配非[A-Za-z0-9]
\'s\'     匹配空白字符、\\t、\\n、\\r , re.search("\\s+","ab\\tc1\\n3").group() 结果 \'\\t\'
 
\'(?P<name>...)\' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 结果{\'province\': \'3714\', \'city\': \'81\', \'birthday\': \'1993\'}

 

最常用的匹配语法

re.match 从头开始匹配
re.search 匹配包含
re.findall 把所有匹配到的字符放到以列表中的元素返回
re.splitall 以匹配到的字符当做列表分隔符
re.sub      匹配字符并替换

 

反斜杠的困扰
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。

 

仅需轻轻知道的几个匹配模式

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