re正则表达式

Posted 2020-10-06 东大网管

常用正则表达式符号

 

普通字符	匹配自身	abc	abc
.	匹配任意除换行符"\\n"外的字符(在DOTALL模式中也能匹配换行符	a.c	abc
\\	转义字符，使后一个字符改变原来的意思	a\\.c;a\\\\c	a.c;a\\c
*	匹配前一个字符0或多次	abc*	ab;abccc
+	匹配前一个字符1次或无限次	abc+	abc;abccc
?	匹配一个字符0次或1次	abc?	ab;abc
^	匹配字符串开头。在多行模式中匹配每一行的开头	^abc	abc
$	匹配字符串末尾，在多行模式中匹配每一行的末尾	abc$	abc
|	或。匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式	abc|def	abc def
{}	{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次	ab{1,2}c	abc abbc
[]	字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。 所有特殊字符在字符集中都失去其原有的特殊含义。用\\反斜杠转义恢复特殊字符的特殊含义。	a[bcd]e	abe ace ade
()	被括起来的表达式将作为分组，从表达式左边开始没遇到一个分组的左括号“（”，编号+1. 分组表达式作为一个整体，可以后接数量词。表达式中的|仅在该组中有效。	(abc){2} a(123|456)c	abcabc a456c

\'.\'     默认匹配除\\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
\'^\'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\\nabc\\neee",flags=re.MULTILINE)
\'$\'     匹配字符结尾，或e.search("foo$","bfoo\\nsdfsf",flags=re.MULTILINE).group()也可以
\'*\'     匹配*号前的字符0次或多次，re.findall("ab*","cabb3abcbbac")  结果为[\'abb\', \'ab\', \'a\']
\'+\'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果[\'ab\', \'abb\']
\'?\'     匹配前一个字符1次或0次
\'{m}\'   匹配前一个字符m次
\'{n,m}\' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果\'abb\', \'ab\', \'abb\']
\'|\'     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果\'ABC\'
\'(...)\' 分组匹配，re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
 
 
\'\\A\'    只从字符开头匹配，re.search("\\Aabc","alexabc") 是匹配不到的
\'\\Z\'    匹配字符结尾，同$
\'\\d\'    匹配数字0-9
\'\\D\'    匹配非数字
\'\\w\'    匹配[A-Za-z0-9]
\'\\W\'    匹配非[A-Za-z0-9]
\'s\'     匹配空白字符、\\t、\\n、\\r , re.search("\\s+","ab\\tc1\\n3").group() 结果 \'\\t\'
 
\'(?P<name>...)\' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 结果{\'province\': \'3714\', \'city\': \'81\', \'birthday\': \'1993\'}

最常用的匹配语法

re.match 从头开始匹配
re.search 匹配包含
re.findall 把所有匹配到的字符放到以列表中的元素返回
re.split 以匹配到的字符当做列表分隔符
re.sub      匹配字符并替换

反斜杠的困扰
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。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\\\"表示。同样，匹配一个数字的"\\\\d"可以写成r"\\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

仅需轻轻知道的几个匹配模式

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
re.M(MULTILINE): 多行模式，改变\'^\'和\'$\'的行为（参见上图）
re.S(DOTALL): 点任意匹配模式，改变\'.\'的行为

re.match是从头开始匹配

\\w匹配一个字符，但是只限于数字和字母

\\w+匹配多个字符

.匹配任意一个字符（非\\n），+匹配前一个字符1个或者多个字符（也就是前面的规则，我匹配多次）

^匹配字符开头

*匹配前一个字符0次或者多次，跟+的区别是，+号必须至少匹配到1个。

我们来看下*和+号的区别：

下面的*号，是匹配上了（从头开始找，但是第一个字符是!，匹配为0次，但是不报错），但是返回的是空的字符串

下面用+号的话，就报错了，因为没匹配上，+要求最少能匹配到一个字符

？匹配前一个字符1次或者0次，下面的这个例子发现\\w?和\\w的区别，就是\\w?允许不匹配到，而\\w必须匹配到1次，在可以匹配到的情况下，\\w和\\w?结果是一样的

{m}匹配前一个字符，m次，匹配前面的规则3次

{n,m} 匹配前面的规则n到m次，匹配不满5次，所以报错

在python3的re正则表达式模块里，一个中文相当于一个字符。

 |匹配|左边或|右边的字符，abc|ABC就是匹配abc或者ABC的字符串

(...)分组匹配，下图的意思，匹配abc一共2次，然后中间隔了一个a，然后123或者456匹配1次，最后有一个c

\\d是只取0-9的数字

（）有一个重要的作用，就是把匹配出来的结果，以元祖形式打印出来，后期就可以直接引用了。用方法groups（），见下图：

\\A以后面的字符开头的，进行匹配，效果跟^是一样的

\\Z和$效果一样的，下面我们写个以数字开头以数字结尾的情况:

\\d只匹配数字

\\D匹配非数字

\\w匹配数字和英文字母

\\W只匹配各种特殊字符

s匹配空白字符，\\t，\\n，\\r

(?P<name>...) 分组匹配，见下面的例子：.groupdict()分组成字典

 学了上面的这些，现在我们来把计算机的IP搜索出来：\\.的意思，就是后面的点不转义，就是表示.

re.search搜索当前字符串，但是只返回第一次匹配的值。

下面优化一下

re.findall，把搜索的所有结果，用列表的形式表达出来：

下面把所有的数字搜索出来并放到列表里去

下面把所有的英文字母搜索出来并放到列表里去：

re.split，是可以把搜索出来结果，作为分隔符，返回一个列表.

注意如果最后一个字符是数字的话，下面的写法会多一个空的字符串

re.sub 匹配字符串并替换,后面可以加count表示替换几次

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。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\\\"表示。

如下面的例子，可以有两种写法。

或者，不过显然上面的写法更精简了。

re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）

re.M(MULTILINE): 多行模式，改变\'^\'和\'$\'的行为,re.M其实就让你可以匹配多行，而不是只匹配一行了。

re.S(DOTALL): 点任意匹配模式，包括\\n都匹配到，改变\'.\'的行为