正则表达式的元字符
Posted pencil2001
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了正则表达式的元字符相关的知识，希望对你有一定的参考价值。
import re
print("---------------匹配单个字符---------------------")
r‘‘‘
. 匹配除换行符以外的任意字符
[0123456789] []是字符集和，表示匹配方括号中所包含的任意一个字符
[abcd] 匹配‘a‘, ‘b‘, ‘c‘, ‘d‘中任意一个字符
[a-z] 匹配任意小写字母
[A-Z] 匹配任意大写字母
[0-9] 匹配任意数字，类似[0123456789]
[0-9a-zA-Z] 匹配任意的数字和字母
[0-9a-zA-Z_] 匹配任意的数字、字母和下划线
[^abcd] 匹配除了‘a‘, ‘b‘, ‘c‘, ‘d‘这几个字母以外的所有字符，
中括号里的^称为脱字符，表示不匹配集合中的字符
[^0-9] 匹配所有的非数字字符
d 匹配所有的数字，效果同[0-9]
D 匹配非数字字符，效果同[^0-9]
w 匹配数字、字母和下划线，效果同[0-9a-zA-Z_]
W 匹配非数字、字母和下划线，效果同[^0-9a-zA-Z_]
s 匹配任意的空白符(空格，换行，回车，换页，制表)，效果同[ f ]
S 匹配任意的非空白符，效果同[^ f ]
‘‘‘
print(re.findall("w", "_asda sdasd aswre rtre tgrt 7"))
print("---------------锚字符(边界字符)---------------------")
‘‘‘
^ 行首匹配，和在[]里的^不是一个意思
$ 行尾匹配
A 匹配字符串开始，它和^的区别是：A只匹配整个字符串的开头，
即使在re.M模式下也不会匹配它行的行首
匹配字符串结束，它和$的区别是：A只匹配整个字符串的行尾，
即使在re.M模式下也不会匹配它行的行尾
匹配一个单词的边界，也就是指单词和空格间的位置
B 匹配非单词的边界，也就是指单词和空格间的位置
‘‘‘
print(re.search("^To", "To be or not to be。That is a question!"))
print(re.search("ATo", "To be or not to be。That is a question!"))
print(re.findall("^To", "To be or not to be。That is a question! "
"To be or not to be。That is a question!", re.M))
print(re.findall("ToA", "To be or not to be。That is a question! "
"To be or not to be。That is a question!", re.M))
print(re.search(r"on", "To be or not to be。That is a question!"))
print("---------------匹配多个字符---------------------")
‘‘‘
说明：下方的x、y、z、均为假设的普通字符，n、m(非负整数)，不是正则表达式的元字符
(xyz) 匹配小括号内的xyz(作为一个整体)
x? 匹配0个或者1个x
x* 匹配0个或者任意多个x(.*表示匹配0个或者任意多个字符(换行符除外))
x+ 匹配至少一个x
x{n} 匹配确定的n个x(n是一个非负整数)
x{n,} 匹配至少n个x
x{n,m} 匹配至少n个最多m个x。注意：n <= m
x|y |表示或，匹配的是x或y
‘‘‘
print(re.findall(".*?", "To be or not to be。That is a question!"))# 非贪婪匹配(尽可能少的匹配)
print(re.findall("e*", "To be or not to be。That is a question!"))# 贪婪匹配(尽可能多的匹配)
print(re.findall("e+", "To be or not to be。That is a question!"))# 贪婪匹配(尽可能多的匹配)
print(re.findall("a{3}", "aaaaa"))
print(re.findall("a{3,}", "aaaaaa"))# 贪婪匹配(尽可能多的匹配)
print(re.findall("a{3,6}", "aaaaaaa"))
print(re.findall("b|B", "To be or not to Be。That is a question!"))
print("---------------特殊---------------------")
‘‘‘
*? +? x? 最小匹配 通常都是尽可能多的匹配，可以使用这种方式解决贪婪匹配
(?:x) 类似(xyz)，但不表示一个组
‘‘‘
str1 = "<img src="test.jpg" width="60px" height="80px"/>"
ru = "src=".*?""
print(re.findall(ru, str1))
‘‘‘
正则表达式的语法
1、正则表达式语法由字符和操作符构成
正则表达式时的常用操作符：
操作符 说明 实例
. 表示任何单个字符
[] 字符集，对单个字符给出取值范围 [abc]表示a、b、c，[a-z]表示a到z单个字符
[^] 非字符集，对单个字符给出排除范围 [^abc]表示非a或b或c的单个字符
* 前一个字符0次或无限次扩展 abc* 表示ab、abc、abcc、abccc等
+ 前一个字符1次或无限次扩展 abc+ 表示abc、abcc、abccc等
? 前一个字符0次或1次扩展 abc? 表示ab、abc
| 左右表达式任意一个 abc|def 表示abc或def
{m} 扩展前一个字符m次 ab{2}c表示abbc
{m,n} 扩展前一个字符m至n次(含n) ab{1,2}c表示abc、abbc
^ 匹配字符串开头 ^abc表示abc且在一个字符串的开头
$ 匹配字符串结尾 abc$表示abc且在一个字符串的结尾
() 分组标记，内部只能使用|操作符 (abc)表示abc，(abc|def)表示abc或def
d 数字，等价于[0-9]
w 单词字符，等价于[A-Za-z0-9_]
经典正则表达式实例
^[A-Za-z]+$ 由26个字母组成的字符串
^[A-Za-z0-9]+$ 由26个字母和数字组成的字符串
^-?d+$ 整数形式的字符串
^[0-9]*[1-9][0-9]*$ 正整数形式的字符串
[1-9]d{5} 中国境内邮政编码，6位
[u4e00-u9fa5] 匹配中文字符
d{3}-d{8}|d{4}-d{7} 国内电话号码 010-68913635
匹配IP地址的正则表达式
IP地址字符串形式的正则表达式
（IP地址分4段，每段0-255）
d+.d+.d+.d+
d{1,3}.d{1,3}.d{1,3}.d{1,3}
精确写法：
0-99：[1-9]?d 100-199: 1d{2}
200-249: 2[0-4]d 250-255: 25[0-5]
(([1-9]?d|1d{2}|2[0-4]d|25[0-5]).){3}([1-9]?d|1d{2}|2[0-4]d|25[0-5])
‘‘‘
‘‘‘
Re库介绍
import re
re库采用raw string类型表示正则表达式，表示为：r‘text‘
例如： r‘[1-9]d{5}‘
r‘d{3}-d{8}|d{4}-d{7}‘
raw string是不包含转义符的字符串
Re库主要功能函数
函数 说明
re.search() 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
re.match() 从一个字符串的开始位置起匹配正则表达式，返回match对象
re.findall() 搜索字符串，以列表类型返回全部能匹配的子串
re.split() 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
re.finditer() 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
re.sub() 在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
‘‘‘
‘‘‘
re.search(pattern, string, flag=0)
功能：
在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
参数：
pattern：正则表达式的字符串或原生字符串表示
string：待匹配字符串
flags：正则表达式使用时的控制标记
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
‘‘‘
match = re.search(r‘[1-9]d{5}‘, ‘BIT 100081‘)
if match:
print(match.group(0))
# 100081
‘‘‘
re.match(pattern, string, flag=0)
功能：
从一个字符串的开始位置起匹配正则表达式，返回match对象
参数：
pattern：正则表达式的字符串或原生字符串表示
string：待匹配字符串
flags：正则表达式使用时的控制标记
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
‘‘‘
match = re.match(r‘[1-9]d{5}‘,‘100081 BIT‘)
if match:
print(match.group(0))
# ‘100081‘
‘‘‘
re.findall(pattern, string, flag=0)
功能：
搜索字符串，以列表类型返回全部能匹配的子串
参数：
pattern：正则表达式的字符串或原生字符串表示
string：待匹配字符串
flags：正则表达式使用时的控制标记
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
‘‘‘
ls = re.findall(r‘[1-9]d{5}‘,‘BIT100081 TSU100084‘)
# [‘100008‘, ‘100084‘]
‘‘‘
re.split(pattern, string, maxsplit=0, flag=0)
功能：
将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
参数：
pattern：正则表达式的字符串或原生字符串表示
string：待匹配字符串
maxsplit: 最大分割数，剩余部分作为最后一个元素输出
flags：正则表达式使用时的控制标记
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
‘‘‘
re.split(r‘[1-9]d{5}‘,‘BIT100081 TSU100084‘)
# [‘BIT‘, ‘ TSU‘, ‘‘]
re.split(r‘[1-9]d{5}‘,‘BIT100081 TSU100084‘, maxsplit=1)
# [‘BIT‘, ‘ TSU100084‘]
‘‘‘
re.finditer(pattern, string, flag=0)
功能：
搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
参数：
pattern：正则表达式的字符串或原生字符串表示
string：待匹配字符串
maxsplit: 最大分割数，剩余部分作为最后一个元素输出
flags：正则表达式使用时的控制标记
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
‘‘‘
for m in re.finditer(r‘[1-9]d{5}‘,‘BIT100081 TSU100084‘):
if m:
print(m.group(0))
# 100081
# 100084
‘‘‘
re.sub(pattern, repl, string, count, flag=0)
功能：
在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
参数：
pattern：正则表达式的字符串或原生字符串表示
repl：替换匹配字符串的字符串
string：待匹配字符串
count: 匹配的最大替换次数
flags：正则表达式使用时的控制标记
常用标记 说明
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
‘‘‘
re.sub(r‘[1-9]d{5}‘, ‘:zipcode‘, ‘BIT100081 TSU100084‘)
# ‘BIT:zipcode TSU:zipcode‘
‘‘‘
Match对象：
1、Match对象的属性
属性 说明
.string 待匹配的文本
.re 匹配时使用的pattern对象（正则表达式）
.pos 正则表达式搜索文本的开始位置
.endpos 正则表达式搜索文本的结束位置
2、Match对象的方法
方法 说明
.group(0) 获得匹配后的字符串
.stat() 匹配字符串在原始字符串的开始位置
.end() 匹配字符串在原始字符串的结束位置
.span() 返回（.start(), .end()）
‘‘‘
m = re.search(r‘[1-9]d{5}‘,‘BIT100081 TSU100084‘)
m.string
"‘BIT100081 TSU100084‘"
m.re
"re.compile(‘[1-9]\d{5}‘)"
m.pos
"0"
m.endpos
"19"
m.group(0)
"‘100081‘"
m.start()
"3"
m.end()
"9"
m.span()
"(3, 9)"
‘‘‘
Re库的贪婪匹配和最小匹配
‘‘‘
match = re.search(r‘PY.*N‘, ‘PYANBNCNDN‘)
match.group(0)
‘‘‘
这里有4种匹配项：
PYAN
PYANBN
PYANBNCN
PYANBNCNDN
# 同时匹配长短不同的多项，返回哪一个呢？
Re库默认采用贪婪匹配，即输出匹配最长的子串。
‘‘‘
"‘PYANBNCNDN‘"
‘‘‘
最小匹配
如何输出最短的子串呢？
‘‘‘
match = re.search(r‘PY.*?N‘, ‘PYANBNCNDN‘)
match.group(0)
"‘PYAN‘"
‘‘‘
最小匹配操作符
操作符 说明
*? 前一个字符0次或无限次扩展，最小匹配
+? 前一个字符1次或无限次扩展，最小匹配
?? 前一个字符0次或1次扩展，最小匹配
{m,n}? 扩展前一个字符m至n次（含n），最小匹配
‘‘‘
以上是关于正则表达式的元字符的主要内容，如果未能解决你的问题，请参考以下文章