python正则re模块
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python正则re模块相关的知识，希望对你有一定的参考价值。
欢迎关注本人微信公众号“没有故事的陈师傅”
re正则处理
正则定义
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
常用正则表达式的方法
- re.compile(编译)
- pattern.match(从头匹配)
- pattern.search(匹配一个)
- pattern.findall(匹配所有)
- pattern.sub(替换)
特殊字符集
| 特殊字符 | 解释 |
|---|---|
| . | 匹配除换行符之外的任何字符 |
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的结尾 |
| * | 匹配前面的字符0次或更多次，尽可能多的重复，ab*将匹配‘a‘,‘ab‘或者a后面加任意数量的b |
| + | 匹配前面的字符一次或更多次，ab+将匹配‘ab‘后加任意数量的b |
| ? | 匹配前面的字符0次或一次，ab将匹配‘a‘或‘ab‘ |
| *?,+?,?? | *,+,?都属于贪婪匹配，就是尽可能多的匹配，而有时我们希望以最少的模式匹配，可以在限定符之后加?表示以最少的方式匹配 |
| {m} | 匹配前一个字符至少m次 |
| {m,n} | 匹配前一个字符最少m次，最多n次 |
| {m,n}? | 以非贪婪模式匹配前一个字符，最少m次，最多n次，并以尽可能少的方式匹配 |
| 转义字符，将后面的字符进行转义 | |
| [] | 表示一组字符，字符可以单个列出，也可以给定范围，如[abc]表示a或b或c，[a-z]表示26个小写字母中的任意一个，[^a-z]匹配非小写字母，[0-5][0-9]表示匹配00-59，特殊字符在[]也失去特殊意义，[(+ )]将匹配任何文字字符的‘(‘,‘)‘,‘+‘,‘‘ |
| 丨 | A丨B 匹配A或者B |
| () | 匹配括号内的正则，每个括号都是一个组，从左往右的括号，编号依次加一 |
| A | 匹配字符串的开头 |
| 只用以匹配单词的词首和词尾(退格符) | |
| B | 只在当前位置不在单词边界时匹配。 |
| d | 匹配任何Unicode的十进制数字，与[0-9]相同 |
| D | 匹配任何非十进制的字符，与[^0-9]相同 |
| s | 匹配Unicode的空白字符，匹配ascii字符集中包含空格的字符，相当于[ fv] |
| S | 匹配不是空白字符的字符，相当于[^ fv] |
| w | 匹配字母数字下划线，相当于[a-zA-Z0-9_] |
| W | 匹配非字母数字下划线，相当于[^a-zA-Z0-9] |
| 仅匹配字符串结尾 | |
(?P<name>) |
给分组加一个别名，(?P<a>)给分组取别名为a，每个组名只能在正则表达式中定义一次 |
| (?P=name) | 引用前面别名为name的分组匹配到的任何文本 |
| (?<=) | 前向界定，表示你要匹配的字符串前面是某个字符串的时候才匹配，(‘(?<=abc)def‘,‘abcdef‘)当def前面是abc的时候才匹配 |
| (?=) | 后向界定，表示你要匹配的字符串后面是某个字符串的时候才匹配，(‘abc(?=def)‘,‘abcdef‘) |
| (?<!) | 非前向界定，表示你要匹配的字符串前面不是某个字符串的时候才匹配，(‘(?<=abc)def‘,‘abcdef‘)当def前面不是abc的时候才匹配 |
| (?!) | 非后向界定，表示你要匹配的字符串后面不是某个字符串的时候才匹配，(‘abc(?=def)‘,‘abcdef‘) |
| (?(id/name)yes-pattern | no-pattern) |
正则表达式方法
-
re.compile(pattern,flags=0)
编译一个正则表达式模式为正则表达式对象，其可用于使用他的匹配match(),search()以及其他方法>>> comp=re.compile(r‘d+‘) >>> ret=comp.match(‘123456‘) >>> ret.group() ‘123456‘相当于
ret=re.match(r‘d+‘,‘123456‘) -
re.search(pattern,string,flags = 0)
查找正则表达式匹配到的第一个位置，并返回相应的匹配对象 -
re.match(pattern,string,flags = 0)
从字符串的开头匹配，并返回相应的匹配对象 -
re.fullmatch(pattern,string,flags = 0)
将会对整个字符串进行匹配，并返回相应的匹配对象 - re.split(pattern,string,maxsplit = 0,flags = 0)
按照正则匹配模式进行拆分字符串,maxsplit为最多拆分次数，并且字符串的其余部分将作为列表的最后一个元素返回，如果分隔符中有捕获组并且它在字符串的开头或者结尾匹配，则结果将以空字符串开头。>>> re.split(r‘W+‘,‘Words words wordS‘) [‘Words‘, ‘words‘, ‘wordS‘] >>> re.split(r‘W+‘,‘Words words wordS‘,1) [‘Words‘, ‘words wordS‘] >>> re.split(r‘d+‘,‘1q2W3e4R‘,flags=re.IGNORECASE) [‘‘, ‘q‘, ‘W‘, ‘e‘, ‘R‘] >>> re.split(r‘(W+)‘, ‘words, words...‘) [‘words‘, ‘, ‘, ‘words‘, ‘...‘, ‘‘] >>> re.split(r‘W+‘, ‘words, words...‘) [‘words‘, ‘words‘, ‘‘] - re.findall(pattern,string,flags=0)
从左往右匹配，返回一个列表，如果模式中存在一个或多个组，则返回组列表; 如果模式有多个组，这将是一个元组列表。结果中包含空匹配。>>> re.findall(r‘d+‘,‘123,456‘) [‘123‘, ‘456‘] >>> re.findall(r‘(d+)(w+)‘,‘123qw,werrc‘) [(‘123‘, ‘qw‘)] >>> re.findall(r‘(d+)|(w+)‘,‘123qw,werrc‘) [(‘123‘, ‘‘), (‘‘, ‘qw‘), (‘‘, ‘werrc‘)] - re.finditer(pattern,string,flags = 0 )
返回一个匹配到每个结果的迭代器>>> for i in re.finditer(r‘d+‘,‘123456‘): print(i.group()) 123456 - re.sub(pattern,repl,string,count = 0,flags = 0 )
将匹配到的字符串替换成repl的值，count表示要替换的模式最多替换次数，repl可以是一个字符串也可以是一个函数，当repl为字符串时，会处理其中的任何反斜杠，，可以使用id或g< id>、g< name>引用分组>>> re.sub(r‘(d+) (w+)‘,r‘2 1‘,‘12345 asdfd‘) ‘asdfd 12345‘当repl是一个函数时，那么这个函数会只接受一个匹配对象参数。例如：
>>> def mat(m):
if m.group(2)==‘1234‘:
return m.group(1)
else:
return ‘1234‘
>>> re.sub(r‘(d+) (d+)‘,mat,‘123 1234qer‘)
‘123qer‘
>>> re.sub(r‘(d+) (d+)‘,mat,‘123 123qer‘)
‘1234qer‘- re.subn(pattern,repl,string,count = 0,flags = 0 )
与sub执行的操作相同，但是返回的是元组，元组最后一个元素为替换次数>>> def mat(m): if m.group(2)==‘1234‘: return m.group(1) else: return ‘1234‘ >>> re.subn(r‘(d+) (d+)‘,mat,‘as123 1234qer‘) (‘as123qer‘, 1)正则表达式对象
使用re.compile可以编译一个正则表达式对象
- regex.search(string[,pos[endpos]])
查找正则表达式匹配到的第一个位置，并返回相应的匹配对象可选参数pos和endpos表示设置正则表达式匹配的字符串开始位置和结束位置>>> pattern=re.compile(r‘d+‘) >>> pattern.search(‘123456‘,2,5).group() ‘345‘ - regex.match(string,posendpos)
如果字符串开头的零个或多个字符与此正则表达式匹配，则返回相应的匹配对象。pos和endpos用法和regex.search()意思相同 - 编译的正则表达式的方法和属性与正则匹配的函数相同，这里不一一说明
编译对象的常用参数
- re.A(re.ASCII)
使w,W,,B,d,D,s和S只匹配ASCII字符，而不匹配Unicode字符 - re.I(re.IGNORECASE)
匹配时不区分大小写 - re.L(re.LOCALE)‘
使w W B s S d D和区分大小写的匹配只取决于当前的环境设定 - re.M(re.MULTILINE)
多行模式下，‘^‘和‘$‘由原来匹配字符串的开头或者结尾变成匹配每行的开头和结尾 - re.S(re.DOTALL)
使‘.‘匹配包含换行符的任何字符 - re.X(re.VERBOSE)
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*")
match对象
- match.group([ group1,... ] )
返回匹配的一个或多个子组，如果只有一个参数，则结果为单个字符串; 如果有多个参数，则结果是一个元组，每个参数有一个项目。如果没有参数，group1默认为零（返回整个匹配）。 如果groupN参数为零，则相应的返回值是整个匹配的字符串>>> s=re.match(r‘(w+) (w+)‘,‘hello world‘) >>> s.group(0) ‘hello world‘ >>> s.group(1) ‘hello‘ >>> s.group(2) ‘world‘ >>> s.group(1,0) (‘hello‘, ‘hello world‘)如果分组太多，我们可以对分组进行命名
>>> m=re.match(r"(?P<first>w+) (?P<second>w+)",‘hello world‘) >>> m.group(‘first‘) ‘hello‘ >>> m.group(‘second‘) ‘world‘如果一个组匹配多次，那么最终将返回的最后一次匹配到的字符串
>>> m=re.match(r‘(d)+‘,‘123456‘) >>> m.group() ‘123456‘ >>> m.group(1) ‘6‘ - match. getitem(g)
与m.group(g)相同，这样使用会更简单>>> m=re.match(r‘(d)+‘,‘123456‘) >>> m[0] ‘123456‘ >>> m[1] ‘6‘ - match.groups(default=None)
以元组的形式返回匹配到的所有子组，没有被匹配到的分组，默认为None,当然可以设置默认参数>>> m=re.match(r‘(d+),(w+)?‘,‘1234,‘) >>> m.groups() (‘1234‘, None) >>> m.groups(‘0‘) (‘1234‘, ‘0‘) -
match.groupdict(default=None)
以字典的形式返回匹配到的值，字典的键为分组名，值为匹配到的字符串，没有匹配到的分组将设置为None>>> m=re.match(r‘(?P<first>d+) (?P<second>d+)‘,‘123 456‘) >>> m.groupdict() {‘first‘: ‘123‘, ‘second‘: ‘456‘} >>> m=re.match(r‘(d+) (d+)‘,‘123 456‘) >>> m.groupdict() {} - match.start([group]) 和match.end([group])
分别返回由分组匹配到的字符串的开始和结束的索引，结束字符串的索引为最后一个子符的索引加一group默认为零，将会表示所有匹配到的字符串>>> m=re.match(r‘(w+) (w+) (w+) (w+)‘,‘my name is wanger‘) >>> m.start(2) 3 >>> m.end(2) 7 >>> m.end() 17 >>> m.start() 0 - match.span[group]
返回一个二元组，元组的元素为分组匹配到的字符串开始的索引和结束的索引，group默认为0，表示匹配到的所有字符串>>> m=re.match(r‘(w+) (w+) (w+) (w+)‘,‘my name is wanger‘) >>> m.span(2) (3, 7) >>> m.span() (0, 17) - match.pos 和match.endpos
分别返回要匹配字符串的开始搜索的索引和结束搜索的索引>>> m=re.match(r‘(w+) (w+) ‘,‘my name is wanger‘) >>> m.pos 0 >>> m.endpos 17 - match.lastindex
最后匹配到的分组的索引>>> m=re.match(r‘(w+) (w+) ‘,‘my name is wanger‘) >>> m.lastindex 2 >>> m=re.match(r‘(w+) (w+) (w+)‘,‘my name is wanger‘) >>> m.lastindex 3 - match.lastgroup
最后匹配到的分组的名称,没有命名组则返回空>>> m=re.match(r‘(w+) (?P<last>w+) ‘,‘my name is wanger‘) >>> m.lastgroup ‘last‘
几个简单的实例
- 匹配前面是数字123的字符
>>> re.search(r‘(?<=123)w+‘,‘123asd,wer‘).group(0) ‘asd‘2.匹配前面是数字后面是下划线的字符
>>> re.search(r‘(?<=123)w+(?=_)‘,‘123asd_123wer‘).group(0) ‘asd‘3.匹配手机号码
>>> re.match(r‘1[3,5,7,8]d{9}|‘,‘13573528479‘).group() ‘13573528479‘4.匹配电话号码
>>> re.match(r‘d{3}-d{8}|d{4}-d{7}‘,‘0531-82866666‘).group() ‘0531-8286666‘5.匹配IP地址
>>> re.match(r‘d+.d+.d+.d+‘,‘192.168.10.25‘).group() ‘192.168.10.25‘6.匹配网易邮箱
>>> re.findall(r‘[email protected].com|[email protected].com‘,‘[email protected] [email protected]‘)
[‘[email protected]‘, ‘[email protected]‘]7.匹配HTML文本
>>> re.match(r‘<(w*)><(w*)>.*</2></1>‘,‘<body><h2>wahaha5354</h2></body>‘).group()
‘<body><h2>wahaha5354</h2></body>‘欢迎各位关注本人微信公众号“没有故事的陈师傅”
以上是关于python正则re模块的主要内容，如果未能解决你的问题，请参考以下文章