re模块

Posted fort

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re模块相关的知识，希望对你有一定的参考价值。

1.匹配单个字符

字符功能
. 匹配任意1个字符（除了 ）
[ ] 匹配[ ]中列举的字符
d 匹配数字，即0-9
D 匹配非数字，即不是数字
s 匹配空白，即 空格，tab键
S 匹配非空白
w 匹配单词字符，即a-z、A-Z、0-9、_
W 匹配非单词字符

示例1： .

技术分享图片 
import re

ret = re.match(‘.‘, ‘ffy‘)
print(ret.group())
ret = re.match(‘t.o‘, ‘two‘)
print(ret.group())
ret = re.match(‘t.o‘, ‘too‘)
print(ret.group())
# 输出结果：
f
two
too
View Code

示例2：[ ]

技术分享图片 
import re

# 如果hello的首字符小写，那么正则表达式需要小写的h
ret = re.match("h","hello")
print(ret.group())
# 如果hello的首字符大写，那么正则表达式需要大写的H
ret = re.match("H","Hello")
print(ret.group())
# 大小写h都可以的情况
ret = re.match("[hH]","hello")
print(ret.group())
ret = re.match("[hH]","Hello")
print(ret.group())
ret = re.match("[hH]ello","Hello")
print(ret.group())
# 匹配0到9第一种写法
ret = re.match(‘速度与激情[0123456789]‘,‘速度与激情4‘)
print(ret.group())
ret = re.match(‘速度与激情[0-9]‘,‘速度与激情5‘)
print(ret.group())
ret = re.match(‘速度与激情[1-35-9]‘,‘速度与激情6‘)
print(ret.group())
# 下面这个正则不能够匹配到数字4，因此ret为None
ret = re.match("速度与激情[0-35-9]","速度与激情4")
# print(ret.group())
# 输出结果：
h
H
h
H
Hello
速度与激情4
速度与激情5
速度与激情6
View Code

示例3：d

技术分享图片 
import re

ret = re.match(‘速度与激情d‘,‘速度与激情1‘)
print(ret.group())
ret = re.match(‘速度与激情d‘,‘速度与激情2‘)
print(ret.group())
ret = re.match(‘速度与激情d‘,‘速度与激情3‘)
print(ret.group())

# 输出结果
速度与激情1
速度与激情2
速度与激情3
View Code

示例4：s

技术分享图片 
import re

re.match(r"速度与激情s", "速度与激情 ")    # 成功

re.match(r"速度与激情s", "速度与激情	")    # 成功

re.match(r"速度与激情s", "速度与激情a")    # 失败
View Code

示例5：w

技术分享图片 
# w 匹配单词字符，即 a-z,A-Z,0-9,_ ，各国文字 （慎用） ； W 则相反
re.match(r"速度与激情w", "速度与激情9")    # 成功

re.match(r"速度与激情w", "速度与激情a")    # 成功

re.match(r"速度与激情w", "速度与激情A")    # 成功

re.match(r"速度与激情w", "速度与激情_")    # 成功

re.match(r"速度与激情w", "速度与激情哈")    # 成功

re.match(r"速度与激情w", "速度与激情!")    # 失败
View Code

 

2.匹配多个字符

字符功能
* 匹配前一个字符出现0次或者无限次，即可有可无
+ 匹配前一个字符出现1次或者无限次，即至少有1次
? 匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m} 匹配前一个字符出现m次
{m,n} 匹配前一个字符出现从m到n次

示例1：*

技术分享图片 
# 匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无
import re
ret = re.match(‘[A-Z][a-z]*‘,‘R‘)
print(ret.group())
ret = re.match(‘[A-Z][a-z]*‘,‘Rad‘)
print(ret.group())
# 输出结果
R
Rad
View Code

示例2：+

技术分享图片 
names = ["name1", "_name", "2_name", "__name__"]

for name in names:
    ret = re.match(r"[a-zA-Z_]+[w]*", name)
    if ret:
        print("%s合法" %name)
    else:
        print("%s不合法" %name)
        
# 输出结果
name1合法
_name合法
2_name不合法
__name__合法
View Code

示例3：?

技术分享图片 
import re
ret = re.match(‘[1-9]?[0-9]‘,‘9‘)
print(ret.group())
ret = re.match(‘[1-9]?d‘,‘66‘)
print(ret.group())
ret = re.match(‘[1-9]?d‘,‘06‘)
print(ret.group())
# 输出结果
9
66
0
View Code

示例4：{m}

技术分享图片 
# 匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线
import re
ret =re.match(‘[A-Za-z0-9_]{8}‘,‘qwea415qy7‘)
print(ret.group())
ret =re.match(‘[A-Za-z0-9_]{8,20}‘,‘qwea43121weqw5qy7wq123‘)
print(ret.group())
# 输出结果
qwea415q
qwea43121weqw5qy7wq1
View Code

 

3.匹配开头结尾

 

字符功能
^ 匹配字符串开头
$ 匹配字符串结尾

示例1：$

技术分享图片 
# 匹配出163的邮箱地址，且@符号之前有4到20位，例如[email protected]
import re
email_list = ["[email protected]", "[email protected]", "[email protected]"]
for email in email_list:
    ret = re.match(‘[w]{4,20}@163.com‘,email)
    if ret:
        print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
    else:
        print("%s 不符合要求" % email)

# 输出结果
[email protected] 是符合规定的邮件地址,匹配后的结果是:[email protected].com
[email protected]163.comheihei 是符合规定的邮件地址,匹配后的结果是:[email protected].com
[email protected] 不符合要求
View Code
技术分享图片 
# 完善后
# 匹配出163的邮箱地址，且@符号之前有4到20位，例如[email protected]
import re
email_list = ["[email protected]", "[email protected]", "[email protected]"]
for email in email_list:
    ret = re.match(‘[w]{4,20}@163.com$‘,email)
    if ret:
        print("%s 是符合规定的邮件地址,匹配后的结果是:%s" % (email, ret.group()))
    else:
        print("%s 不符合要求" % email)

# 输出结果
[email protected] 是符合规定的邮件地址,匹配后的结果是:[email protected].com
[email protected]163.comheihei 不符合要求
[email protected] 不符合要求
View Code

 

4.匹配分组

字符功能
| 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组
um 引用分组num匹配到的字符串
(?P<name>) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串

示例1：|

技术分享图片 
匹配出0-100之间的数字
import re

ret = re.match("[1-9]?d","8")
print(ret.group())  # 8

ret = re.match("[1-9]?d","78")
print(ret.group())  # 78

# 不正确的情况
ret = re.match("[1-9]?d","08")
print(ret.group())  # 0

# 修正之后的
ret = re.match("[1-9]?d$","08")
if ret:
    print(ret.group())
else:
    print("不在0-100之间")

# 添加|
ret = re.match("[1-9]?d$|100","8")
print(ret.group())  # 8

ret = re.match("[1-9]?d$|100","78")
print(ret.group())  # 78

ret = re.match("[1-9]?d$|100","08")
# print(ret.group())  # 不是0-100之间

ret = re.match("[1-9]?d$|100","100")
print(ret.group())  # 100
View Code

示例2：( )

技术分享图片 
# 匹配出163、126、qq邮箱
import re

ret = re.match("w{4,20}@163.com$", "[email protected]")
print(ret.group())  # [email protected]

ret = re.match("w{4,20}@(163|126|qq).com$", "[email protected]")
print(ret.group())  # [email protected]

ret = re.match("w{4,20}@(163|126|qq).com$", "[email protected]")
print(ret.group())  # [email protected]

ret = re.match("w{4,20}@(163|126|qq).com$", "[email protected]")
if ret:
    print(ret.group())
else:
    print("不是163、126、qq邮箱")  # 不是163、126、qq邮箱
View Code

示例3：

技术分享图片 
# 匹配出<html>hh</html>
import re
# 能够完成对正确的字符串的匹配
ret = re.match(‘<[A-Za-z]*>w*</[A-Za-z]*>‘, ‘<html>hh</html>‘)
print(ret.group())
# 如果遇到非正常的html格式字符串，匹配出错
ret = re.match(‘<[A-Za-z]*>w*</[A-Za-z]*>‘, ‘<html>hh</htm>‘)
print(ret.group())
# 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么

# 通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式
ret = re.match(r"<([a-zA-Z]*)>w*</1>", "<html>hh</html>")
print(ret.group())

# 因为2对<>中的数据不一致，所以没有匹配出来
test_label = "<html>hh</htmlbalabala>"
ret = re.match(r"<([a-zA-Z]*)>w*</1>", test_label)
if ret:
    print(ret.group())
else:
    print("%s 这是一对不正确的标签" % test_label)

# 输出结果
<html>hh</html>
<html>hh</htm>
<html>hh</html>
<html>hh</htmlbalabala> 这是一对不正确的标签
View Code

示例4： umber

技术分享图片 
# 匹配出<html><h1>hello</h1></html>
import re

labels = ["<html><h1>hello</h1></html>", "<html><h1>hello</h2></html>"]

for label in labels:
    ret = re.match(r"<(w*)><(w*)>.*</2></1>", label)
    if ret:
        print("%s 是符合要求的标签" % ret.group())
    else:
        print("%s 不符合要求" % label)

# 输出结果
<html><h1>hello</h1></html> 是符合要求的标签
<html><h1>hello</h2></html> 不符合要求
View Code

示例5：(?P<name>) (?P=name)

技术分享图片 
# 匹配出<html><h1>hello</h1></html>
import re

ret = re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h1></html>")
print(ret.group())

ret = re.match(r"<(?P<name1>w*)><(?P<name2>w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>hello</h2></html>")
# print(ret.group())

# 注意：(?P<name>)和(?P=name)中的字母p大写
View Code

 

5.re模块的高级用法

技术分享图片 
# 匹配出文章阅读的次数
import re

ret = re.search(r"d+", "阅读次数为 9999")
print(ret.group())  # 9999
View Code

findall

技术分享图片 
# 统计出python、c、c#、c++相应文章阅读的次数
import re

ret = re.findall(r"d+", "python = 9999, c = 7890, c# = 9870 c++ = 12345")
print(ret)  # [‘9999‘, ‘7890‘, ‘9870‘, ‘12345‘]
View Code

sub 将匹配到的数据进行替换

技术分享图片 
# 将匹配到的阅读次数加1
# 方法1：

#coding=utf-8
import re

ret = re.sub(r"d+", ‘998‘, "python = 997")
print(ret)  # python = 998

# 方法2：
import re

def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)

ret = re.sub(r"d+", add, "python = 997")
print(ret)  # python = 998

ret = re.sub(r"d+", add, "python = 99")
print(ret)  # python = 100
View Code

split 根据匹配进行切割字符串，并返回一个列表

技术分享图片 
# 切割字符串“email:[email protected]”
import re
ret = re.split(r‘:|@‘,‘email:[email protected]‘)
print(ret)  # [‘email‘, ‘laowang‘, ‘163.com‘]
View Code

 

6.贪婪和非贪婪

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。

import re
ret = re.match(‘.+(d+-d+-d+-d+)‘,‘127-234-345-456‘)
print(ret.group(1))  # 7-234-345-456
ret = re.match(‘.+?(d+-d+-d+-d+)‘,‘127-234-345-456‘)
print(ret.group(1))  # 27-234-345-456

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“d+”只需一位字符就可以匹配，所以它匹配了数字“7”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

技术分享图片 
import re
print(re.match(r‘a(d+)‘,‘a2323qqq‘).group(1))  # 2323
print(re.match(r‘a(d+?)‘,‘a2323qqq‘).group(1))  # 2
print(re.match(r‘a(d+)qqq‘,‘a2323qqq‘).group(1))  # 2323
print(re.match(r‘a(d+?)qqq‘,‘a2323qqq‘).group(1))  # 2323
View Code

 

7.r的作用

import re
s = ‘c:\a\b\c‘
print(re.match(‘c:\\‘,s).group())  # c:
print(re.match(‘c:\\a‘,s).group())  # c:a
print(re.match(r‘c:\a‘,s).group())  # c:a
print(re.match(r‘c:a‘,s).group())  
# print(re.match(r‘c:a‘,s).group())  
# AttributeError: ‘NoneType‘ object has no attribute ‘group‘

说明

Python中字符串前面加上 r 表示原生字符串，与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。



以上是关于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

python 正则表达式 re模块基础

如何使用模块化代码片段中的LeakCanary检测内存泄漏？

Python基础之re模块

如何有条件地将 C 代码片段编译到我的 Perl 模块？

python re模块findall()详解

Node.js JavaScript 片段中的跳过代码