python3的正则表达式(regex)

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python3的正则表达式(regex)相关的知识,希望对你有一定的参考价值。


    正则表达式提供了一种紧凑的表示法,可用于表示字符串的组合,一个单独的正则表达式可以表示无限数量的字符串。常用的5种用途:分析、搜索、搜索与替代、字符串的分割、验证。


(一)正则表达式语言
python中特殊字符有    \.^$?+*{}[]()|
1、字符类速记
^   如果在字符类中第一个字符则表示否定;
-    表示一个字符范围,如果作为字符类中的第一个字符,就表示一个字面意义上的连字符;
.    可以匹配除换行符之外的任意字符,或带re.DOTALL标记的任意字符,或匹配字符类内部的字面意义的字符;
\d    匹配一个Unicode数字,或带re.ASCII标记的[0-9];
\D  匹配一个Unicode非数字,或带re.ASCII标记的[^0-9];
\s   匹配Unicode空白,或带re.ASCII标记的[\t\n\r\f\v];
\S   匹配Unicode非空白,或带re.ASCII标记的[^\t\n\r\f\v];
\w   匹配一个Unicode单词字符,或带re.ASCII标记的[a-zA-Z0-9_];
\W   匹配一个Unicode非单词字符,或带re.ASCII标记的[^a-zA-Z0-9_]


2、量词
格式{m,n},m与n分别表示使用该量词的表达必须匹配的最少次数与最多次数。如果只给定一个数字则同时表示最小值最大值
量词速记形式:
e{m}      准确匹配表达式e的m次出现
e{m,}     贪婪地匹配表达式e至少m次出现
e{m,}?     非贪婪地匹配表达式e至少m次出现
e{,n}      最多n次出现
e{,n}?      贪婪
e?         e{0,1}
e??       e{0,1}?
e+          e{1,}
e+?       e{1,}?
e*        e{0,}
e*?        e{0,}?
[]         匹配[]内的任意一个内容
()       将()的内容作为一个整体来进行匹配
贪婪表示会尽可以多的匹配符合条件的字符,非贪婪则为尽可以少的匹配。


3、可用air(craft|plane)来匹配 aircraft和airplane。
使用air(?:craft|plane)可以用来限制当处于更多的嵌套中时,aricraft和airplane只有一次捕获。圆括号表示组。


4、\i反向引用,i表示前面的捕获号。捕获号也可以用在左圆括号前加 ?P<name>来用名称代替
如:(?P<key>\w+)=(?P<value>.+)对于捕获进行反向引用(?P=name): (?P<word>\w+)\s+(?P=word) 可以使用名为"word"的捕获来匹配重复的单词。


5、正则表达式断言:
^     在起始处匹配,也可以在带MULTILINE标记的每个换行符后匹配;
$      在结尾处匹配,也可以在带MULTILINE标记的每个换行符前匹配;
\A     在起始处匹配;
\b    在单词边界匹配,受re.ASCII影响,如果在字符内部则是backspace的转义字符;
\B    在非单词边界匹配,受re.ASCII影响;
\Z    在结尾处匹配;
(?=e)    如果表达式e在此断言处匹配,但没有超出此处——称为前瞻或正前瞻,则匹配;
(?!e)    如果表达式e在此断言处不匹配,但没有超出此处——称为负前瞻,则匹配;
(?<=e)    如果表达式e恰在本断言之前匹配——称为正回顾,则匹配;
(?<!e)    如果表达式e恰在本断言之前不匹配——称为负回顾,则匹配;


6、正则表达式的注释
可用(?#the comment)来实现,也可用re.VERBOSE标记。

 


(二)正则表达式模块
正则表达式模块标记:
re.A 或 re.ASCII
re.I 或 re.IGNORECASE    忽略大小写
re.M 或 re.MULTILINE    使^在起始处并在每个换行符后匹配,使$在结尾处但在每个换行符之前匹配
re.S 或 re.DOTALL    使.匹配每个字符,包括换行符
re.X 或 re.VERBOSE    使空白与注释包含在匹配中

正则表达式模块的函数(供查):
re.compile(r,f)    返回编译后的正则表达式r,如果指定,就将其标记设置为f(即上边的re.A等,且可同时有多个标记,用|分隔);(使用re‘regex‘的形式表达字符串可不用转义)
re.escape(s)       返回字符串s,其中所有非字母数字的字符都使用反斜线进行了转义处理,因此,返回的字符串中没有特殊的正则表达式字符;
re.findall(r,s,f)    返回正则表达式r在字符串s中所有非交叠的匹配(如果给定f,就受其制约)。如果正则表达式中有捕获,那么每次匹配都作为一个捕获元组返回;
re.finditer(r,s,f)   对正则表达式r在字符串s中每个非交叠的匹配(如果给定了f,就受其制约),都返回一个匹配对象;
re.match(r,s,f)    如果正则表达式r在字符串s的起始处匹配(如果给定f,就受其制约),就返回一个匹配对象(MatchObject),否则返回None;
re.search(r,s,f)   如果正则表达式r在字符串s的任意位置匹配(如果给定f,就受其制约),就返回一个匹配对象,否则返回None;
re.split(r,s,m)     返回分割字符串s(在正则表达式r每次出现处进行分割)所产生的字符串的列表,至多分割m次(如果没有给定m,就尽可能多的分割),如果正则表达式中包含捕获,就被包含在分割的部分之间;
re.sub(r,x,s,m)    对正则表达式r的每次匹配(如果给定m,那么至多m次),返回字符串s的一个副本,并将其替换为x--这可以是一个字符串,也可以是一个函数;
re.subn(r,x,s,m) 与re.sub()函数相同,区别在于此函数返回一个二元组;

匹配对象属性与方法:
m.end(g)      返回组g(如果给定)在文本匹配的终点索引位置,对组0,则表示整体匹配;如果匹配中不包含该组,就返回-1;
m.endpos      搜索的终点索引位置
m.expands(s)    返回字符串s,并将其中捕获标识用相应的捕获替代;
m.group(g,...)   返回编号的或命名的组g,如果给定的不止一个,就返回相应的捕获组成的元组;
m.groupdict(difault) 返回一个字典,其中存放所有命名的捕获组,组名作为键,捕获作为值;如果给定了default参数,就将其用作那些不参与匹配的捕获组的值;
m.groups(default) 返回包含所有捕获的元组,从1开始;如果给定default,就将其用作那此不参与匹配的捕获组的值;
m.lastgroup       匹配的、编号最高的捕获组的名称,如果不存在或没有使用名称,就返回None;
m.lastindex      匹配的、编号最高的捕获组的编号,如果没有就返回None;
m.pos            搜索的起始索引位置;
m.re             产生这一匹配对象的正则表达式对象;
m.span(g)      如果给定g,就返回组g在文本中匹配的起始索引位置与结尾位置;(对组0,则是整体匹配);如果该组不参与匹配,就返回(-1,-1);
m.start(g)      如果给定g,就返回组g在文本中匹配的起始索引位置(对组0,则是整体匹配);如果该组不参加匹配,就返回-1;
m.string        传递给match()或search()的字符串;

















































































以上是关于python3的正则表达式(regex)的主要内容,如果未能解决你的问题,请参考以下文章

详解 Python3 正则表达式

python3 正则表达式

详解 Python3 正则表达式

详解 Python3 正则表达式

python3网络爬虫学习——正则表达式

[python3 - package] re 正则表达式