正则表达式

Posted 2020-08-09 gege4105

就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

字符匹配（普通字符，元字符）：

1 普通字符：大多数字符和字母都会和自身匹配
              >>> re.findall(‘alvin‘,‘yuanaleSxalexwupeiqi‘)
                      [‘alvin‘] 

2 元字符：. ^ $ * + ? { } [ ] | ( ) \

元字符之. ^ $ * + ? { }

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

import re   ret=re.findall(‘a..in‘,‘helloalvin‘) print(ret)#[‘alvin‘]     ret=re.findall(‘^a...n‘,‘alvinhelloawwwn‘) print(ret)#[‘alvin‘]     ret=re.findall(‘a...n$‘,‘alvinhelloawwwn‘) print(ret)#[‘awwwn‘]     ret=re.findall(‘a...n$‘,‘alvinhelloawwwn‘) print(ret)#[‘awwwn‘]     ret=re.findall(‘abc*‘,‘abcccc‘)#贪婪匹配[0,+oo]   print(ret)#[‘abcccc‘]   ret=re.findall(‘abc+‘,‘abccc‘)#[1,+oo] print(ret)#[‘abccc‘]   ret=re.findall(‘abc?‘,‘abccc‘)#[0,1] print(ret)#[‘abc‘]     ret=re.findall(‘abc{1,4}‘,‘abccc‘) print(ret)#[‘abccc‘] 贪婪匹配

注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

1 2	ret=re.findall(‘abc*?‘,‘abcccccc‘) print(ret)#[‘ab‘]

元字符之字符集［］：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

#--------------------------------------------字符集[] ret=re.findall(‘a[bc]d‘,‘acd‘) print(ret)#[‘acd‘]   ret=re.findall(‘[a-z]‘,‘acd‘) print(ret)#[‘a‘, ‘c‘, ‘d‘]   ret=re.findall(‘[.*+]‘,‘a.cd+‘) print(ret)#[‘.‘, ‘+‘]   #在字符集里有功能的符号: - ^ \   ret=re.findall(‘[1-9]‘,‘45dha3‘) print(ret)#[‘4‘, ‘5‘, ‘3‘]   ret=re.findall(‘[^ab]‘,‘45bdha3‘) print(ret)#[‘4‘, ‘5‘, ‘d‘, ‘h‘, ‘3‘]   ret=re.findall(‘[\d]‘,‘45bdha3‘) print(ret)#[‘4‘, ‘5‘, ‘3‘]

元字符之转义符\

反斜杠后边跟元字符去除特殊功能,比如\.
反斜杠后边跟普通字符实现特殊功能,比如\d

\d  匹配任何十进制数；它相当于类 [0-9]。
\D 匹配任何非数字字符；它相当于类 [^0-9]。
\s  匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
\b  匹配一个特殊字符边界，比如空格 ，&，＃等

1 2 3 4

ret=re.findall(‘I\b‘,‘I am LIST‘) print(ret)#[] ret=re.findall(r‘I\b‘,‘I am LIST‘) print(ret)#[‘I‘]

现在我们聊一聊\,先看下面两个匹配：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

#-----------------------------eg1: import re ret=re.findall(‘c\l‘,‘abc\le‘) print(ret)#[] ret=re.findall(‘c\\l‘,‘abc\le‘) print(ret)#[] ret=re.findall(‘c\\\\l‘,‘abc\le‘) print(ret)#[‘c\\l‘] ret=re.findall(r‘c\\l‘,‘abc\le‘) print(ret)#[‘c\\l‘]   #-----------------------------eg2: #之所以选择\b是因为\b在ASCII表中是有意义的 m = re.findall(‘\bblow‘, ‘blow‘) print(m) m = re.findall(r‘\bblow‘, ‘blow‘) print(m)

                     　　

元字符之分组()

1 2 3 4 5 6

m = re.findall(r‘(ad)+‘, ‘add‘) print(m)   ret=re.search(‘(?P<id>\d{2})/(?P<name>\w{3})‘,‘23/com‘) print(ret.group())#23/com print(ret.group(‘id‘))#23

元字符之｜

1 2	ret=re.search(‘(ab)|\d‘,‘rabhdg8sd‘) print(ret.group())#ab

re模块下的常用方法

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

import re #1 re.findall(‘a‘,‘alvin yuan‘)    #返回所有满足匹配条件的结果,放在列表里 #2 re.search(‘a‘,‘alvin yuan‘).group()  #函数会在字符串内查找模式匹配,只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。   #3 re.match(‘a‘,‘abc‘).group()     #同search,不过尽在字符串开始处进行匹配   #4 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‘]   #5 ret=re.sub(‘\d‘,‘abc‘,‘alvin5yuan6‘,1) print(ret)#alvinabcyuan6 ret=re.subn(‘\d‘,‘abc‘,‘alvin5yuan6‘) print(ret)#(‘alvinabcyuanabc‘, 2)   #6 obj=re.compile(‘\d{3}‘) ret=obj.search(‘abc123eeee‘) print(ret.group())#123

1 2 3 4 5 6

import re ret=re.finditer(‘\d‘,‘ds3sy4784a‘) print(ret)        #<callable_iterator object at 0x10195f940>   print(next(ret).group()) print(next(ret).group())

注意：

1 2 3 4 5 6 7

import re   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‘) print(ret)#[‘www.oldboy.com‘]