python基础:正则re模块贪婪和非贪婪
Posted AustinJoe
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python基础:正则re模块贪婪和非贪婪相关的知识,希望对你有一定的参考价值。
正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
元字符:在正则表达式中被赋予特殊意义的符号。
. 通配符
匹配除了\\n外所有的字符。
import re str1=\'asdbcnv\' str2=re.findall(\'.\',str1) print(str2) >>>[\'a\', \'s\', \'d\', \'b\', \'c\', \'n\', \'v\']
^匹配字符串开始位置
搜索位置定在字符串开始位置
import re str1=\'asdbcnv\' str2=re.findall(\'^a\',str1) print(str2) >>>[\'a\']
$匹配字符串结束位置
$要写在正则匹配的最后面
import re str1=\'asdbcnv\' str2=re.findall(\'v$\',str1) print(str2) >>>[\'v\']
*匹配前面的正则0到无穷次
当匹配单个字符的时候,会因为匹配0次而出现空字符。
import re str1=\'iii amiiii ssdii i \' str2=re.findall(\'i*\',str1) print(str2) >>>[\'iii\', \'\', \'\', \'\', \'iiii\', \'\', \'\', \'\', \'\', \'ii\', \'\', \'i\', \'\', \'\']
匹配多次的情况
import re str1=\'iii amiiii ssdii i \' str2=re.findall(\'ii*\',str1) print(str2) >>>[\'iii\', \'iiii\', \'ii\', \'i\']
+匹配前面的正则1到无穷次
匹配单个字符
import re str1=\'iii amiiii ssdii i \' str2=re.findall(\'i+\',str1) print(str2) >>>[\'iii\', \'iiii\', \'ii\', \'i\']
匹配多个字符
import re str1=\'iii amiiii ssdii i \' str2=re.findall(\'ii+\',str1) print(str2) >>>[\'iii\', \'iiii\', \'ii\']
?匹配前面正则0到1次
单个字符
import re str1=\'iii amiiii ssdii i \' str2=re.findall(\'i?\',str1) print(str2) >>>[\'i\', \'i\', \'i\', \'\', \'\', \'\', \'i\', \'i\', \'i\', \'i\', \'\', \'\', \'\', \'\', \'i\', \'i\', \'\', \'i\', \'\', \'\']
多个字符
import re str1=\'iii amiiii ssdii i \' str2=re.findall(\'ii?\',str1) print(str2) >>>[\'ii\', \'i\', \'ii\', \'ii\', \'ii\', \'i\']
{}匹配次数
匹配的次数N和M必须为正整数
{N,}匹配前面正则N到无穷次
import re str1=\'iii amiiii ssdii iihjf iiifgfdgi \' str2=re.findall(\'ii{2,}\',str1) print(str2) >>>[\'iii\', \'iiii\', \'iii\']
{,M}匹配前面的正则0到M次
import re str1=\'iii amiiii ssdii iihjf iiifgfdgi \' str2=re.findall(\'ii{,2}\',str1) print(str2) >>>[\'iii\', \'iii\', \'i\', \'ii\', \'ii\', \'iii\', \'i\']
{N,M}匹配前面的正则N到M次
import re str1=\'iii amiiii ssdii iihjf iiifgfdgi \' str2=re.findall(\'ii{1,2}\',str1) print(str2) >>>[\'iii\', \'iii\', \'ii\', \'ii\', \'iii\']
\\正则转义符
在使用时需在字符串外加上 r 来取消转义
\\d 数字
import re str1=\'iii amiiii 123er45vg44 \' str2=re.findall(r\'\\d\',str1) print(str2) >>>[\'1\', \'2\', \'3\', \'4\', \'5\', \'4\', \'4\']
\\w 字母、数字、汉字和下划线
import re str1=\'iii am_你好iiii 123er45vg44 \' str2=re.findall(r\'\\w\',str1) print(str2) >>>[\'i\', \'i\', \'i\', \'a\', \'m\', \'_\', \'你\', \'好\', \'i\', \'i\', \'i\', \'i\', \'1\', \'2\', \'3\', \'e\', \'r\', \'4\', \'5\', \'v\', \'g\', \'4\', \'4\']
\\s 匹配空白符号(\\n,\\t和空格)
import re str1=\'iii am_你好iiii 123\\ner\\t45vg44 \' str2=re.findall(r\'\\s\',str1) print(str2) >>>[\' \', \' \', \'\\n\', \'\\t\', \' \']
\\b 单词边界
字符的位置是非常重要的。如果它位于要匹配的字符串的开始,它在单词的开始处查找匹配项。如果它位于字符串的结尾,它在单词的结尾处查找匹配项。
import re str1=\'i love python \' str2=re.findall(r\'\\bon\',str1) str3=re.findall(r\'on\\b\',str1) print(str2) print(str3) >>>[] [\'on\']
\\D 匹配数字以外的字符
import re str1=\'i love python12456\' str2=re.findall(r\'\\D\',str1) print(str2) >>>[\'i\', \' \', \'l\', \'o\', \'v\', \'e\', \' \', \'p\', \'y\', \'t\', \'h\', \'o\', \'n\']
\\S 匹配除了空白字符之外的
import re str1=\'i love python12456\\n\\t\' str2=re.findall(r\'\\S\',str1) print(str2) >>>[\'i\', \'l\', \'o\', \'v\', \'e\', \'p\', \'y\', \'t\', \'h\', \'o\', \'n\', \'1\', \'2\', \'4\', \'5\', \'6\']
\\W 非\\w匹配的字符
import re str1=\'i love ¥%*python12456\\n\\t\' str2=re.findall(r\'\\W\',str1) print(str2) >>>[\' \', \' \', \'¥\', \'%\', \'*\', \'\\n\', \'\\t\']
\\B 匹配非单词边界
对于 \\B 非字边界运算符,位置并不重要,因为匹配不关心究竟是单词的开头还是结尾。
import re str1=\'i love python12456\' str2=re.findall(r\'ov\\B\',str1) print(str2) >>>[\'ov\']
[]字符集,匹配中括号中间的所有字符
. % * + ? () {} 出现在中括号中仅表示字符本身。^字符在中括号中表示取反。
import re str1=\'i love python12456\' str2=re.findall(r\'[a-z]\',str1) print(str2) >>>[\'i\', \'l\', \'o\', \'v\', \'e\', \'p\', \'y\', \'t\', \'h\', \'o\', \'n\']
import re str1=\'i love python12456\' str2=re.findall(r\'[^\\d]\',str1) print(str2) >>>[\'i\', \' \', \'l\', \'o\', \'v\', \'e\', \' \', \'p\', \'y\', \'t\', \'h\', \'o\', \'n\']
| 或
指明两项之间的一个选择。要匹配 |,请使用 \\|。
import re str1=\'i love python12456\\n\\n\' str2=re.findall(r\'[\\d|\\s]\',str1) print(str2) >>>[\' \', \' \', \'1\', \'2\', \'4\', \'5\', \'6\', \'\\n\', \'\\n\']
()分组匹配
标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。只会匹配括号中的内容。
import re str1=\'i love python12456\\n\\n\' str2=re.findall(r\'n(\\d)\',str1) print(str2) >>>[\'1\']
贪婪和非贪婪
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;非贪婪则相反,总是尝试匹配尽可能少的字符。在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。
贪婪模式下字符串查找会直接走到字符串结尾去匹配,如果不相等就向前寻找,这一过程称为回溯。
import re str1=\'<table><td><th>贪婪</th><th>贪婪</th><th>贪婪</th></td></table>贪婪\' str2=re.findall(r\'<.*>\',str1) print(str2) >>>[\'<table><td><th>贪婪</th><th>贪婪</th><th>贪婪</th></td></table>\']
非贪婪模式下会自左向右查找,一个一个匹配不会出现回溯的情况。
import re str1=\'<table><td><th>贪婪</th><th>贪婪</th><th>贪婪</th></td></table>贪婪\' str2=re.findall(r\'<.*?>\',str1) print(str2) >>>[\'<table>\', \'<td>\', \'<th>\', \'</th>\', \'<th>\', \'</th>\', \'<th>\', \'</th>\', \'</td>\', \'</table>\']
re模块
1、compile()
编译正则表达式模式,返回一个对象的模式。(可以把那些常用的正则表达式编译成正则表达式对象,这样可以提高一点效率。)
格式:
re.compile(pattern,flags=0)
pattern: 编译时用的表达式字符串。
flags 编译标志位,用于修改正则表达式的匹配方式,如:是否区分大小写,多行匹配等。常用的flags有:
标志 |
含义
|
re.S(DOTALL)
|
使.匹配包括换行在内的所有字符 |
re.I(IGNORECASE)
|
使匹配对大小写不敏感
|
re.L(LOCALE)
|
做本地化识别(locale-aware)匹配,法语等
|
re.M(MULTILINE)
|
多行匹配,影响^和$
|
re.X(VERBOSE)
|
该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
|
re.U
|
根据Unicode字符集解析字符,这个标志影响\\w,\\W,\\b,\\B
|
import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r\'\\w*oo\\w*\')
print(rr.findall(tt)) #查找所有包含\'oo\'的单词
执行结果如下:
[\'good\', \'cool\']
2、match()
决定RE是否在字符串刚开始的位置匹配。//注: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\'$\'
格式:
re.match(pattern, string, flags=0)
print(re.match(\'com\',\'comwww.runcomoob\').group())
print(re.match(\'com\',\'Comwww.runcomoob\',re.I).group())
执行结果如下:
com
com
3、search()
格式:
re.search(pattern, string, flags=0)
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回None。
print(re.search(\'\\dcom\',\'www.4comrunoob.5com\').group())
执行结果如下:
4com
*注:match和search一旦匹配成功,就是一个match object对象,而match object对象有以下方法:
- group() 返回被 RE 匹配的字符串
- start() 返回匹配开始的位置
- end() 返回匹配结束的位置
- span() 返回一个元组包含匹配 (开始,结束) 的位置
- group() 返回re整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串。
a. group()返回re整体匹配的字符串,
b. group (n,m) 返回组号为n,m所匹配的字符串,如果组号不存在,则返回indexError异常
c.groups()groups() 方法返回一个包含正则表达式中所有小组字符串的元组,从 1 到所含的小组号,通常groups()不需要参数,返回一个元组,元组中的元就是正则表达式中定义的组。
import re
a = "123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整体
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456
###group(1) 列出第一个括号匹配部分,group(2) 列出第二个括号匹配部分,group(3) 列出第三个括号匹配部分。###
4、findall()
re.findall遍历匹配,可以获取字符串中所有匹配的字符串,返回一个列表。
格式:
re.findall(pattern, string, flags=0)
p = re.compile(r\'\\d+\')
print(p.findall(\'o1n2m3k4\'))
执行结果如下:
[\'1\', \'2\', \'3\', \'4\']
import re
tt = "Tina is a good girl, she is cool, clever, and so on..."
rr = re.compile(r\'\\w*oo\\w*\')
print(rr.findall(tt))
print(re.findall(r\'(\\w)*oo(\\w)\',tt))#()表示子表达式
执行结果如下:
[\'good\', \'cool\']
[(\'g\', \'d\'), (\'c\', \'l\')]
5、finditer()
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。找到 RE 匹配的所有子串,并把它们作为一个迭代器返回。
格式:
re.finditer(pattern, string, flags=0)
iter = re.finditer(r\'\\d+\',\'12 drumm44ers drumming, 11 ... 10 ...\')
for i in iter:
print(i)
print(i.group())
print(i.span())
执行结果如下:
<_sre.SRE_Match object; span=(0, 2), match=\'12\'>
12
(0, 2)
<_sre.SRE_Match object; span=(8, 10), match=\'44\'>
44
(8, 10)
<_sre.SRE_Match object; span=(24, 26), match=\'11\'>
11
(24, 26)
<_sre.SRE_Match object; span=(31, 33), match=\'10\'>
10
(31, 33)
6、split()
按照能够匹配的子串将string分割后返回列表。
可以使用re.split来分割字符串,如:re.split(r\'\\s+\', text);将字符串按空格分割成一个单词列表。
格式:
re.split(pattern, string[, maxsplit])
maxsplit用于指定最大分割次数,不指定将全部分割。
print(re.split(\'\\d+\',\'one1two2three3four4five5\'))
执行结果如下:
[\'one\', \'two\', \'three\', \'four\', \'five\', \'\']
7、sub()
使用re替换string中每一个匹配的子串后返回替换后的字符串。
格式:
re.sub(pattern, repl, string, count)
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r\'\\s+\', \'-\', text))
执行结果如下:
JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
其中第二个函数是替换后的字符串;本例中为\'-\'
第四个参数指替换个数。默认为0,表示每个匹配项都替换。
re.sub还允许使用函数对匹配项的替换进行复杂的处理。
如:re.sub(r\'\\s\', lambda m: \'[\' + m.group(0) + \']\', text, 0);将字符串中的空格\' \'替换为\'[ ]\'。
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print(re.sub(rpython基础:re模块匹配时贪婪和非贪婪模式