正则表达式和re模块
Posted buzaiyicheng
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和re模块相关的知识,希望对你有一定的参考价值。
- 正则表达式
- 定义:
用定义好的字符的组合,组成一个规定字符串,用来表达对字符串的一种过滤规则
- 定义:
- 正则字符:
- \\w(word)匹配字母或数字或下划线;
- \\s(space)匹配任意的空白字符;
- \\d(digit)匹配数字
- \\W 匹配非字母或数字或下划线
- \\D 匹配非数字
- \\S 匹配非空白字符
- \\n 匹配一个换行符
- \\t 匹配一个制表符
- \\b 匹配一个单词的结尾
- a|b 匹配字符a或字符b
- () 括号内的表达式也表示一个组
- [...] 匹配字符组中的字符
- [^...] 匹配字符组中的字符的所有字符
- . 匹配出换行符外的任意字符
- ^匹配一个字符串的开始
- $匹配一个字符串的结尾
- 量词
-
- 正则字符.^*举例
- *+?的举例
- []和[^]的举例
- 分组 (); 或 |; [^]
- 转义:需要取消多少转义,就要加多少 \\。或者在前边直接加r
在正则表达式中,有很多有特殊意义的是元字符,比如\\n和\\s等,?如果要在正则中匹配正常的"\\n"而不是"换行符"就需要对"\\"进行转义,变成‘\\\\‘ - 贪婪匹配
在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
- 取消贪婪
*? 重复任意次,但尽可能少重复 +? 重复1次或更多次,但尽可能少重复 ?? 重复0次或1次,但尽可能少重复 n,m? 重复n到m次,但尽可能少重复 n,? 重复n次以上,但尽可能少重复
- .*?的用法
. 是任意字符 * 是取 0 至 无限长度 ? 是非贪婪模式。 何在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在: .*?x 就是取前面任意长度的字符,直到一个x出现
- re模块
- 三个必须掌握的方法findall、serch、match
import re # 第一个参数是正则表达式,第二个参数是待匹配的文本内容 ret = re.findall(‘a‘, ‘eva egon yuan‘) # 返回所有满足匹配条件的结果,放在列表里 print(ret) ret = re.search(‘a‘, ‘eva egon yuan‘) print(ret) # 结果 : <_sre.SRE_Match object; span=(2, 3), match=‘a‘>? print(ret.group()) # 结果:‘a‘ # 函数会在字符串内查找模式匹配,直到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None,并且需要注意的是如果ret是None,再调用.group()会直接报错。这一易错点可以通过if判断来进行筛选 if ret: print(ret.group()) ret = re.match(‘a‘, ‘abc‘).group() # 同search,不过仅在字符串开始处进行匹配 print(ret) # ‘a‘ # match是从头开始匹配,如果正则规则从头开始可以匹配上,就返回一个对象,需要用group才能显示,如果没匹配上就返回None,调用group()就会报错
- 其他方法
ret = re.split(‘[ab]‘, ‘abcd‘) # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割 print(ret) # [‘‘, ‘‘, ‘cd‘] ret = re.sub(‘\\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1) # 将数字替换成‘H‘,参数1表示只替换1个 print(ret) # evaHegon4yuan4 ret = re.subn(‘\\d‘, ‘H‘, ‘eva3egon4yuan4‘) # 将数字替换成‘H‘,返回元组(替换的结果,替换了多少次) print(ret) # (‘evaHegonHyuanH‘, 3) obj = re.compile(‘\\d3‘) #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字 ret = obj.search(‘abc123456ee‘) #正则表达式对象调用search,参数为待匹配的字符串 print(ret.group()) #结果 : 123 print(ret) # 结果 : <_sre.SRE_Match object; span=(3, 6), match=‘123‘> import re ret = re.finditer(‘\\d‘, ‘ds3sy4784a‘) #finditer返回一个存放匹配结果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一个结果 3 print(next(ret).group()) #查看第二个结果 4 print([i.group() for i in ret]) #查看剩余的左右结果 [‘7‘, ‘8‘, ‘4‘]
- 分组优先机制
import re res = re.search(‘^[1-9]\\d14(\\d2[0-9x])?$‘,110105199812067023) print(res.group()) print(res.group(1)) # 获取正则表达式括号阔起来分组的内容 print(res.group(2)) # search与match均支持获取分组内容的操作 跟正则无关是python机制 # 而针对findall它没有group取值的方法,所以它默认就是分组优先获取的结果 ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘) print(ret) # [‘oldboy‘] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可 ret = re.findall(‘www.(?:baidu|oldboy).com‘, ‘www.oldboy.com‘) # ?:取消分组优先 print(ret) # [‘www.oldboy.com‘]
- 补充
import re ret = re.search("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>") #还可以在分组中利用?<name>的形式给分组起名字 #获取的匹配结果可以直接用group(‘名字‘)拿到对应的值 print(ret.group(‘tag_name‘)) #结果 :h1 print(ret.group()) #结果 :<h1>hello</h1> """ 注意?P=tag_name相当于引用之前正则表达式,并且匹配到的值必须和前面的正则表达式一模一样 """ # 匹配整数 ret=re.findall(r"\\d+","1-2*(60+(-40.35/5)-(-4*3))") print(ret) #[‘1‘, ‘2‘, ‘60‘, ‘40‘, ‘35‘, ‘5‘, ‘4‘, ‘3‘] ret=re.findall(r"\\d+\\.\\d*|(\\d+)","1-2*(60+(-40.35/5)-(-4*3))") print(ret) #[‘1‘, ‘2‘, ‘60‘, ‘‘, ‘5‘, ‘4‘, ‘3‘] ret.remove("") print(ret) #[‘1‘, ‘2‘, ‘60‘, ‘5‘, ‘4‘, ‘3‘]
- 三个必须掌握的方法findall、serch、match
以上是关于正则表达式和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