一.re模块
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
. ^ $
import re ret1=re.findall('李.','李爽 alex 李四 egon alvin 李二') ret2=re.findall('^李.','李爽 alex 李四 egon alvin 李二') ret3=re.findall('李.$','李爽 alex 李四 egon alvin 李二')
* + ? {}
import re ret1=re.findall('李.*','李杰 alex 李莲英 egon alvin 李二棍子') ret2=re.findall('李.+','李杰 alex 李莲英 egon alvin 李二棍子') ret3=re.findall('(李.{1,2}) ','李杰 alex 李莲英 egon alvin 李二棍子') # 设定优先级的原因 # 匹配一个数字包括整型和浮点型 ret4=re.findall('d+.?d*','12.45,34,0.05,109') print(ret4)
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
ret=re.findall('131d+?','1312312312') print(ret) ['1312']
转义符
1、反斜杠后边跟元字符去除特殊功能,比如.
2、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 [ fv]。 S 匹配任何非空白字符； 它相当于类 [^ fv]。 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_] 匹配一个特殊字符边界，比如空格 ，&，＃等
让我们看一下的应用：
ret=re.findall(r'I','I am LIST') print(ret)#['I']
接下来我们试着匹配下“abcle”中的‘cl’:
import re ret=re.findall('cl','abcle') print(ret)#[] ret=re.findall('c\l','abcle') print(ret)#[] ret=re.findall('c\\l','abcle') print(ret)#[] ret=re.findall(r'c\l','abcle') print(ret)#[] # 是特殊符号所以,'abce'前面需要加r ret=re.findall(r'c\b',r'abce') print(ret)#[]
分组 () 优先匹配分组的内容，注意（？：）取消优先级
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 | 或
ret=re.search('(ab)|d','rabhdg8sd') print(ret.group())#ab
字符集 [ ] 或者的关系
#--------------------------------------------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']
贪婪匹配
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
string pattern1 = @"a.*c"; // greedy match Regex regex = new Regex(pattern1); regex.Match("abcabc"); // return "abcabc" 非贪婪匹配：在满足匹配时，匹配尽可能短的字符串，使用?来表示非贪婪匹配 string pattern1 = @"a.*?c"; // non-greedy match Regex regex = new Regex(pattern1); regex.Match("abcabc"); // return "abc"
几个常用的非贪婪匹配Pattern
*? 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： .*?a 就是取前面任意长度的字符，到底一个 a 出现
re模块下的常用方法
import re re.findall('a','alvin yuan') #返回所有满足匹配条件的结果,放在列表里 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。 re.match('a','abc').group() #同search,不过尽在字符串开始处进行匹配 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','abc','alvin5yuan6',1) ret=re.subn('d','abc','alvin5yuan6') obj=re.compile('d{3}') ret=obj.search('abc123eeee') print(ret.group())#123 import re ret=re.finditer('d','ds3sy4784a') print(ret) #<callable_iterator object at 0x10195f940> print(next(ret).group()) print(next(ret).group())
注意：
findall的优先级查询：
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']
split的优先级查询
ret=re.split("d+","yuan2egon56alex") print(ret) ret=re.split("(d+)","yuan2egon56alex") print(ret)