python之re模块
Posted mjc69213
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之re模块相关的知识，希望对你有一定的参考价值。
一. 简介
正则表达式本身是一种小型的,高度专业的编程语言,二在Python中,通过内嵌集成re 模块,我们可以直接调用来实现正则匹配.正的表达式模式被编译成一些列的字节码,然后有C编写的匹配引擎执行.
正则表达式是一种字符串搜索和匹配的工具.
友情链接:鬼斧神工之正表达式
二. 正则表达式中常用的字符串
1. 普通字符和11个元字符:
| 普通字串 | 匹配自身 | abc | abc |
|---|---|---|---|
| . | 匹配任意除换行符" "外的字符(在DOTALL模式中也能匹配换行符 | a.b | abc |
| 转义字符,使有一个字符改变原来的意思 | a.c;a\c | a.c;ac | |
| * | 匹配前一个字符0或多次 | abc* | ab;abccc |
| + | 匹配前一个字符1次或无线次 | abc+ | abc;abccc |
| ? | 匹配一个字符0次或1次 | abc? | ab;abc |
| ^ | 匹配字符串开头.在多行匹配每一行的开头 | ^abc | abc |
| $ | 匹配字符末尾,在多行匹配模式中匹配每一行的末尾 | abc$ | abc |
| | | 或. 匹配|左右表达式任意一个,从左到右匹配,如果|没有包括在()中,则它的范围是整个正则表达式 | abc|def | abc def |
| {} | {m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次 | ab{1,2}c | abc abbc |
| [] | 字符集.对应的位置可以是字符集中任意字符.字符集中的字符的字符可以逐个列出,也可以给出范围,如[abc]或[a-c],[^abc]表示取反,即非abc,所有特殊字符在字符集中都失去其原有的特殊含义.用反斜杠转义恢复特殊字符的特殊含义 | a[bcd]e | abe ace ade |
| () | 被括起来的表达式将作为分组,从表达式左边开始没没遇到一个分组的左括号"(",编号+1.分组表达式作为一个整体,可以后接数量词.表达式中的|仅在该组中有效. | (abc){2}/a(123|456)c | abcabc/a456c |
这里需要强调一下反斜杠的作用
- 反斜杠后边根元字符去除特殊功能;(即将特殊字符转移成普通字符)
- 反斜杠后边跟普通字符实现特殊功能;(即预定义字符)
- 引用序号对应的字组所匹配的字符串.
import re a = re.search(r‘(tina)(fei)haha2‘,‘tinafeihahafei tinafihahatina‘).group() print("结果:",a) ================ 结果: tinafeihahafei
2. 预定义字符集(可以写在字符集[...]中)
| 字符集 | 含义 | 示例 | 结果 |
|---|---|---|---|
| d | 数字:[0-9] | adc | a1c |
| D | 非数字:[^d] | aDc | abc |
| s | 匹配任何空白字符:[<空格> fv] | asc | a c |
| S | 非空白字符:[^s] | aSc | abc |
| w | 匹配包括下划线在内的任何字符(数字,字母,下划线):[A-Za-z0-9_] | awc | abc |
| W | 匹配非字符字母字符,即匹配特殊字符 | aWc | a c |
| A | 仅匹配字符串开头,同^ | Aabc | abc |
| 仅匹配字符串结尾,同$ | abc | abc | |
| 匹配w和W之间,即匹配一个单词边界,也就是指单词和空格间的位置.例如,‘er‘可以匹配"never"中的‘er‘,但不能匹配"verb"中的‘er‘. | abc a!bc | 空格abc空格 a!bc | |
| B | [^] | aBbc | abc |
# 这里强调一下的单词边界的理解: import re w = re.findall(‘tina‘,‘tian tinaaaa‘) print("结果是:",w) s = re.findall(r‘tina‘,‘tian tinaaaa‘) print("结果是:",s) v = re.findall(r‘tina‘,‘tian#tianaaaa‘) print("结果是:",v) a = re.findall(r‘tina‘,‘tian#[email protected]‘) print("结果是:",a) ================== 结果是: [] 结果是: [‘tina‘] 结果是: [‘tina‘] 结果是: [‘tina‘]
3. 特殊分组用法:
| 特殊分组 | 含义 | 用法示例 | 结果 |
|---|---|---|---|
| (?P<name>) | 分组,除了原有的编号外再指定一个额外的别名 | (?P<id>abc){2} | abcabc |
| (?P=name) | 引用别名为<name>的分组匹配到字符串 | (?P<id>d)abc(?P=id) | 1abc1 5abc5 |
| <number> | 引用编号为<number>的分组匹配到字符串 | (d)abc1 | 1abc1 5abc5 |
三. re模块中常用的功能函数
1. compile()
编译正则表达式模式,返回一个对象的模式.(可以吧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.匹配包括换行符在内的所有字符 |
| re.I (IGNOTECASE) | 使匹配对大小写不敏感 |
| re.L (LOCALE) | 做本地化识别(local-aware匹配,语法等) |
| 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 |
import re tt = "Tom is a good boy, he is cool,clever,and so on ..." rr = re.compile(r‘w*oow*‘) print("执行结果是:",rr.findall(tt)) # 查找所有包含‘oo‘的单词 ================ 执行结果是: [‘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,仍然是为成功.想要完全匹配,可以在表达式末尾加上边界匹配字符‘$‘
- 格式"
re.match(pattern,stting,flags=0)
import re a = re.match(‘com‘,‘comwww.runcomoob‘).group() print("a的结果是:",a) b = re.match(‘com‘,‘Comwww.baidu‘,re.I) print("b的结果是:",b) # re.I 对大小写不敏感 ======================== a的结果是: com b的结果是: Com
3. search()
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,如果没有找到匹配,则返回None.
- 格式:
re.search(pattern,strint,flags=0)
import re a = re.search(‘dcom‘,‘www.4comrnuoob.5com‘).group() print("a的结果是:",a) b = re.search(‘com‘,‘python.org‘) print("b的结果是:",b) =================== a的结果是: 4com b的结果是: None
- 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,如果不存在,则返回indexError异常
c.group() group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group()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" r = re.search(‘([0-9]*)([a-z]*)([0-9]*)‘,a) print("r.group(0)的结果",r.group(0)) print("r.group(1)的结果",r.group(1)) print("r.group(2)的结果",r.group(2)) print("r.group(3)的结果",r.group(3)) #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。 ======================= r.group(0)的结果 123abc456 r.group(1)的结果 123 r.group(2)的结果 abc r.group(3)的结果 456
4 . finfall()
re.findall 遍历匹配,可以获取字符串中所有的字符串,返回一个列表.
- 格式:
re.findall(pattern,string,flags=0)
import re p = re.compile(r‘d+‘) r = p.findall(‘o1n2m3k4‘) print("匹配的结果是:",r) ============ 匹配的结果是: [‘1‘, ‘2‘, ‘3‘, ‘4‘] import re tt = "Jack is a good boy, he is cool,clever,and so on .... " rr = re.compile(r‘w*oow*‘) print("rr.findall(tt)匹配的结果是:",rr.findall(tt)) print("re.findall(r‘(w)*oo(w)‘)匹配的结果是:",re.findall(r‘(w)*oo(w)‘,tt)) ================== rr.findall(tt)匹配的结果是: [‘good‘, ‘cool‘] re.findall(r‘(w)*oo(w)‘)匹配的结果是: [(‘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匹配的所有字符串,并把他们作为一个迭代器返回.
- 格式:
re.finditer(pattern,strint,flags=0)
import re iter = re.finditer(r‘d+‘,‘12 drumm44ers drumming,11 ... 10 ... ‘) for i in iter: print("匹配结果是:",i) print("i.group()匹配结果是:",i.group()) print("i.span()匹配结果是:",i.span()) ========================================== 匹配结果是: <_sre.SRE_Match object; span=(0, 2), match=‘12‘> i.group()匹配结果是: 12 i.span()匹配结果是: (0, 2) 匹配结果是: <_sre.SRE_Match object; span=(8, 10), match=‘44‘> i.group()匹配结果是: 44 i.span()匹配结果是: (8, 10) 匹配结果是: <_sre.SRE_Match object; span=(23, 25), match=‘11‘> i.group()匹配结果是: 11 i.span()匹配结果是: (23, 25) 匹配结果是: <_sre.SRE_Match object; span=(30, 32), match=‘10‘> i.group()匹配结果是: 10 i.span()匹配结果是: (30, 32)
6. split()
按照能够匹配的字符串将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.
import re rr = re.split(‘d+‘,‘one1two2three3four4five5‘) print("rr匹配的结果是:",rr) wrr = re.split(‘[a-z]+‘,‘one1two2three3four4five5‘) print("wrr匹配的结果是:",wrr) ================================ rr匹配的结果是: [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘five‘, ‘‘] wrr匹配的结果是: [‘‘, ‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘]
7. sub()
使用re替换string中每一个匹配的字符串后返回替换后的字符串.
- 格式:
re.sub(pattern,repl,string,count)
repl:是用什么字符串替换(替换后的字符串)
count:指的是替换的个数,默认为0,表示每个都替换.
import re text = "JGood is a handsome boy, he is cool, clever, and so on..." rr = re.sub(r‘s+‘,‘-‘,text) print("替换后的结果是:",rr) ======================== 替换后的结果是: JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...
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..." rr = re.sub(r‘s‘,lambda m:‘[‘+ m.group(0) +‘]‘,text,0) print("替换后的结果是:",rr) =========================== 替换后的结果是: JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...
8. subn()
返回替换次数
- 格式:
import re tt = ‘123456abcdef‘ rr = re.subn(‘[1-2]‘,‘A‘,tt) rr1 = re.sub("g.t","have",‘I get A,I get B,I get C‘) rr2 = re.subn("g.t","have",‘I get A,I get B,I get C‘) ===================== re.subn()匹配的结果: (‘AA3456abcdef‘, 2) re.sub()匹配的结果: I have A,I have B,I have C re.subn()匹配的结果: (‘I have A,I have B,I have C‘, 3)
四. 一些注意点
1. re.match与re.search与re.findall的区别:
re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,知道找到一个匹配.
import re a = re.search(‘[d]‘,‘abc33‘).group() print("a匹配的结果是:",a) p = re.match(‘[d]‘,‘abc33‘) print("p匹配的结果是:",p) b = re.findall(‘[d]‘,‘abc33‘) print("b匹配的结果是:",b) ============================ a匹配的结果是: 3 p匹配的结果是: None b匹配的结果是: [‘3‘, ‘3‘]
2. 贪婪匹配与非贪婪匹配
?,+?,??,{m,n}? 前面的,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其边城惰性匹配
- 示例一
import re a = re.findall(‘a(d+?)‘,‘a23b‘) print("a惰性匹配的结果:",a) b = re.findall(‘a(d+)‘,‘a23b‘) print("b贪恋匹配的结果:",b) ========================== a惰性匹配的结果: [‘2‘] b贪恋匹配的结果: [‘23‘]
- 示例二
import re a = re.match(‘<(.*)>‘,‘<H1>title</H1>‘).group() print("a是贪婪匹配的结果:",a) b = re.match(‘<(.*?)>‘,‘<H1>title</H1>‘).group() print("b是惰性匹配的结果:",b) ============================== a是贪婪匹配的结果: <H1>title</H1> b是惰性匹配的结果: <H1>
- 示例三
这里需要注意的是如果前后均有限定条件的时候，就不存在什么贪婪模式了，非匹配模式失效。
import re a = re.findall(r‘a(d+)b‘,‘a33333b‘) print("a是贪婪匹配的结果:",a) b = re.findall(r‘a(d+?)b‘,‘a33333b‘) print("b是惰性匹配的结果:",b) ==================== a是贪婪匹配的结果: [‘33333‘] b是惰性匹配的结果: [‘33333‘]
3. 用flags时遇到的小坑
import re rr = re.split(‘a‘,‘1A1a2A3‘,re.I) print("rr输出的结果是:",rr) ================ rr输出的结果是: [‘1A1‘, ‘2A3‘]
输出的结果冰未能区分大小写,这是因为re.split(pattern，string，maxsplit,flags)默认是四个参数，当我们传入的三个参数的时候，系统会默认re.I是第三个参数，所以就没起作用。如果想让这里的re.I起作用，写成flags=re.I即可。
import re rr = re.split(‘a‘,‘1A1a2A3‘,flags=re.I) print("rr输出的结果是:",rr) ================= rr输出的结果是: [‘1‘, ‘1‘, ‘2‘, ‘3‘]
五. 正则匹配的小实践
1. 匹配电话号码
import re # 方法一: phone_pat = re.compile(‘^(13d|14[5|7]|15d|166|17[3|6|7]|18d)d{8}$‘) while True: phone = input(‘请输入你的电话号码:‘) res = re.search(phone_pat,phone) if res: print(‘正常手机号‘) else: print(‘不是手机号‘) # 方法二 tel_pat = re.compile(‘^0d[0-9]{2}|[0-9]{3}-d[0-9]{8}|[0-9]{7}‘) while True: tel = input(‘请输入你的座机号:‘) res = re.search(tel_pat,tel) # res1 = re.search(tel_pat1,tel) if res: print(‘格式正确‘) else: print(‘格式不正确‘)
2. 匹配IP:
import re re.search(r"(([01]?d?d|2[0-4]d|25[0-5]).){3}([01]?d?d|2[0-4]d|25[0-5].)","192.168.1.1")
3. 匹配邮箱:
import re text = input("Please input your Email address： ") if re.match(r‘^[0-9a-zA-Z_]{0,19}@[0-9a-zA-Z]{1,13}.[com,cn,net]{1,3}$‘,text): #if re.match(r‘[0-9a-zA-Z_]{0,19}@163.com‘,text): print(‘Email address is Right!‘) else: print(‘Please reset your right Email address!‘)