python re模块详解

Posted 2020-08-27

匹配数字相关
‘.‘     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‘    效果和^是一样的，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
‘\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‘}
注意：?P为固定语法格式



注意，re的若干方法：
match方法是从字符串开头往后匹配(用的少)
例：

res = re.match(‘^Chen‘, ‘Chenronghua123‘)  语法：pattern，string
print(res)
#输出：<_sre.SRE_Match object; span=(0, 4), match=‘Chen‘>

#res = re.match(‘r.+‘, ‘Chen123ronghua123‘)  #匹配结果为空，match从字符串开头开始匹配
# res = re.search(‘r.+‘, ‘Chen123ronghua123‘)  #search 从整个文本中搜索
# print(res.group())
# 结果：ronghua

常用如下四种：
1.search是从整个文本中搜索,匹配到一个就返回
2.findall是从整个文本中搜索,贪婪匹配，如果匹配到多个全部返回，findall没有group方法
3.split分隔方法
4.sub替换方法

仅需轻轻知道的几个匹配模式
1.re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
2.M(MULTILINE): 多行模式，改变‘^‘和‘$‘的行为（参见上图） [用得很少]
3.S(DOTALL): 点任意匹配模式，改变‘.‘的行为




split方法：
res = re.split(‘[0-9]+‘, ‘abc12de3f45GH‘)
print(res)
输出：[‘abc‘, ‘de‘, ‘f‘, ‘GH‘]

sub方法：
res = re.sub(‘[0-9]+‘, ‘|‘, ‘abc12de3f45GH‘, count=2)
print(res)
输出：abc|de|f45GH


1.re.I(re.IGNORECASE): 忽略大小写
res = re.search(‘[a-z]+‘, ‘abcGH‘, flags=re.I)
print(res.group())
输出：abcGH

2.M(MULTILINE): 多行模式，改变‘^‘和‘$‘的行为
res = re.search(r"^a", "\nabc\neee", flags=re.M)
print(res.group())
输出：a

3.S(DOTALL): 点任意匹配模式，改变‘.‘的行为
res = re.search(".+", "\nabc\neee", flags=re.S)
print(res.group())
输出：a


举例：
‘.‘     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

res = re.match(‘.+‘, ‘Chen123ronghua123‘)
print(res.group())
输出:
Chen123ronghua123




‘$‘     匹配字符结尾，或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以

res = re.match(‘r.+‘, ‘Chen123ronghua123‘)  #匹配结果为空，match从字符串开头开始匹配
res = re.search(‘r.+‘, ‘Chen123ronghua123‘)  #search 从整个文本中搜索
print(res.group())
结果：ronghua



‘+‘     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果[‘ab‘, ‘abb‘]
res = re.search(‘r[a-z]+a‘, ‘Chen123ronghua123‘)  #匹配ronghua
print(res.group())
结果：ronghua

res = re.search(‘#.+#‘, ‘1123#hello#‘)
print(res.group())
结果：#hello#



‘?‘     匹配前一个字符1次或0次
res0 = re.search(‘aal?‘, ‘aalex‘)
res1 = re.search(‘aal?‘, ‘aaex‘)
print(res0.group())
print(res1.group())
输出
aal
aa



‘{m}‘   匹配前一个字符m次
res = re.search(‘[0-9]{3}‘, ‘aa1xe2pp345lex‘)  #匹配前面的数字三次
print(res.group())

‘{n,m}‘ 匹配前一个字符n到m次
res = re.search(‘[0-9]{1,3}‘, ‘aa1xe2pp345lex‘)  #匹配前面的数字1到3次
print(res.group())
输出 1

findall 贪婪匹配
res = re.findall(‘[0-9]{1,3}‘, ‘aa1xe2pp345lex‘)  #findall,贪婪匹配，匹配前面的数字1到3次
print(res)
输出[‘1‘, ‘2‘, ‘345‘]             #以列表的形式返回


‘|‘     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果‘ABC‘

res = re.search(‘abc|ABC‘, ‘ABCBabcCD‘)
print(res.group())
输出 ABC

res = re.findall(‘abc|ABC‘, ‘ABCBabcCD‘)
print(res)
输出 [‘ABC‘, ‘abc‘]




‘(...)‘ 分组匹配，re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c

res = re.search(‘(abc){2}‘, ‘alexabcabc‘)
print(res.group())
输出 abcabc

res = re.search(‘(abc){2}(\|\|=){2}‘, ‘alexabcabc||=||=‘)   匹配||= 两次，注意需要转义
print(res.group())
输出：abcabc||=||=






‘\D‘    匹配非数字
res = re.search(‘\D+‘, ‘123$- a‘)
print(res.group())
输出：$- a



‘\w‘    匹配[A-Za-z0-9]  除了特殊字符都匹配

res = re.search(‘\w+‘, ‘123$- a‘)
print(res.group())
输出：123

‘\W‘    匹配非[A-Za-z0-9]  只匹配特殊字符
res = re.search(‘\W+‘, ‘123$- ...a‘)
print(res.group())
输出：$- ...



‘\s‘     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 ‘\t‘
res = re.findall(‘\s‘, ‘123$- \r\n\t...a‘)
print(res)
输出：[‘ ‘, ‘\r‘, ‘\n‘, ‘\t‘]

>>> re.search(‘\s+‘, ‘123$-     \r\n‘)
<_sre.SRE_Match object; span=(5, 9), match=‘ \t\r\n‘>




‘\A‘    效果和^是一样的，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

例：
res = re.search(‘\A[0-9]+[a-z]\Z‘, ‘123a‘)
print(res.group())
输出:123a


* : 0个至多个
+ ：1个至多个

res = re.match(‘^Chen\d+‘, ‘Chen123ronghua123‘)
print(res)
print(res.group())              #查看匹配到的对象

输出：<_sre.SRE_Match object; span=(0, 7), match=‘Chen123‘>
Chen123




‘(?P<name>...)‘ 分组匹配
res = re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city")
print(res)
结果{‘province‘: ‘3714‘, ‘city‘: ‘81‘, ‘birthday‘: ‘1993‘}