目录
正则表达式
正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。
Python 使用 re 模块提供正则表达式功能,它提供 Perl 风格的正则表达式模式。
re.match()函数
re.match 尝试从字符串的 起始位置 匹配一个模式,匹配成功的话返回一个匹配的对象,否则返回None。
函数语法:
re.match( pattern , string [,flags=0] )
参数:
- pattern:匹配的正则表达式
- string:要匹配的字符串
- flags:可选参数,标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等
>>import re
>>print(re.match('www','www.baidu.com'))
>>print(re.match('baidu','www.baidu.com'))
>>print(re.match('www','www.baidu.com').span()) #返回匹配对象在字符串中的索引,返回元组类型的数据
<re.Match object; span=(0, 3), match='www'>
None
(0, 3)
re.search()函数
re.search 扫描整个字符串并返回第一个成功的匹配。匹配成功 re.search 方法返回一个匹配的对象,否则返回None。
函数语法:
re.search( pattern , string [,flags=0] )
参数:
- pattern:匹配的正则表达式
- string:要匹配的字符串
- flags:可选参数,标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等
>>import re
>>print(re.search('www','www.baidu.com').span())
>>print(re.search('com','www.baidu.com').span())
(0, 3)
(10, 13)
re.match()和re.search()的联系和区别
re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。
不管是re.match() 还是 re.search() , 我们都可以使用 group(num) 或 groups() 匹配对象函数来获取匹配表达式。
匹配对象方法 | 描述 |
---|---|
group(num=0) | 匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。 |
groups() | 返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。 |
import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
或 matchObj = re.searcch( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
print ("matchObj.group() : ", matchObj.group())
print ("matchObj.group(1) : ", matchObj.group(1))
print ("matchObj.group(2) : ", matchObj.group(2))
else:
print ("No match!!")
################################################################
matchObj.group() : Cats are smarter than dogs
matchObj.group(1) : Cats
matchObj.group(2) : smarter
检索和替换(re.sub)
Python 的 re 模块提供了 re.sub 用于替换字符串中的匹配项
re.sub(pattern , repl , string [, count=0] )
参数:
- pattern:正则中的模式字符串
- repl:替换成的字符串,也可以是一个函数
- string:要被替换的字符串
- count:模式匹配后替换的最大次数,默认0表示替换所有的匹配
import re
a="hello,word!hello,word!"
ret=re.sub("ll","dd",a) #将a中所有的ll替换成dd
ret2=re.sub("ll","dd",a,count=1) #将a中第一个ll替换成dd
print(ret)
print(ret2)
########################################
heddo,word!heddo,word!
heddo,word!hello,word!
#将./之间的任何数字替换成0
import re
ip="192.168.1.3/24"
ip=re.sub(r".([0-9]+)/",".0/",a)
print(ip)
#####################################
192.168.1.0/24
re.compile()函数
compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。
re.compile( pattern [, flags] )
参数
- pattern:一个字符串形式的正则表达式
- flags:可选参数,表示匹配模式,比如忽略大小写,多行模式
import re
pattern=re.compile(r'^h') #匹配开头是h的
m=pattern.match('hello')
print(m)
###################################
<re.Match object; span=(0, 1), match='h'>
re.findall()函数
在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。
注意: match 和 search 是匹配一次, findall 是匹配所有。
findall ( pattern , string [, pos ] [, endpos ] )
- pattern:正则中的模式字符串
- string:待匹配的字符串
- pos:可选参数,指定字符串的起始位置,默认为0
- endpos:可选参数,指定字符串的结束位置,默认为字符串的长度
import re
a="hello,word!hello,word!"
m=re.findall("ll",a)
print(m)
################################
['ll', 'll']
import re
pattern=re.compile('ll')
m=pattern.findall("hello,word!hello,word!")
print(m)
###################################
['ll', 'll']
#匹配./之间的所有数字
import re
ip="192.168.1.213/24"
a=re.findall(".([0-9]+)/",ip)
print(a)
#####################
['213']
findall和sub函数正则匹配时的区别
re.finditer()函数
和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。
finditer( pattern , string [, flags] )
参数
- pattern:匹配的正则表达式
- string:要匹配的字符串
- flags:可选参数,标志位,用于控制正则表达式的匹配方法,如:是否区分大小写,多行匹配等等
import re
it=re.finditer("ll","hello,word!hello,word!")
for i in it:
print(i.group())
########################################
ll
ll
re.split()函数
split 方法按照能够匹配的子串将字符串分割后返回列表型数据
finditer( pattern , string [,maxsplit] [,flags=0] )
参数
- pattern:匹配的正则表达式
- string:要匹配的字符串
- maxspliit:分隔次数,maxsplit=1分隔一次,默认为0,不限制次数
- flags:标志位,用于控制正则表达式的匹配方法,如:是否区分大小写,多行匹配等等
import re
a=re.split('ll',"hello,hello,hello")
print(a)
######################################
['he', 'o,he', 'o,he', 'o']
正则表达式对象
re.RegexObject
re.compile() 返回 RegexObject 对象。
re.MatchObject
group() 返回被 RE 匹配的字符串。
- start() 返回匹配开始的位置
- end() 返回匹配结束的位置
- span() 返回一个元组包含匹配 (开始,结束) 的位置
正则表达式标志位
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志
正则表达式模式
模式字符串使用特殊的语法来表示一个正则表达式:
字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
多数字母和数字前加一个反斜杠时会拥有不同的含义。
标点符号只有被转义时才匹配自身,否则它们表示特殊的含义。
反斜杠本身需要使用反斜杠转义。
由于正则表达式通常都包含反斜杠,所以你最好使用原始字符串来表示它们。模式元素(如 r' ',等价于 \t )匹配相应的特殊字符。
下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数,某些模式元素的含义会改变
模式 | 描述 |
---|---|
^ | 匹配字符串的开头 |
$ | 匹配字符串的末尾。 |
. | 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符。 |
[...] | 用来表示一组字符,单独列出:[amk] 匹配 'a','m'或'k' |
[^...] | 不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。 |
re* | 匹配0个或多个的表达式。 |
re+ | 匹配1个或多个的表达式。 |
re? | 匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式 |
re{ n} | 匹配n个前面表达式。例如,"o{2}"不能匹配"Bob"中的"o",但是能匹配"food"中的两个o。 |
re{ n,} | 精确匹配n个前面表达式。例如,"o{2,}"不能匹配"Bob"中的"o",但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。 |
re{ n,m} | 匹配 n 到 m 次由前面的正则表达式定义的片段,贪婪方式 |
a| b | 匹配a或b |
(re) | G匹配括号内的表达式,也表示一个组 |
(?imx) | 正则表达式包含三种可选标志:i, m, 或 x 。只影响括号中的区域。 |
(?-imx) | 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 |
(?: re) | 类似 (...), 但是不表示一个组 |
(?imx: re) | 在括号中使用i, m, 或 x 可选标志 |
(?-imx: re) | 在括号中不使用i, m, 或 x 可选标志 |
(?#...) | 注释. |
(?= re) | 前向肯定界定符。如果所含正则表达式,以 ... 表示,在当前位置成功匹配时成功,否则失败。但一旦所含表达式已经尝试,匹配引擎根本没有提高;模式的剩余部分还要尝试界定符的右边。 |
(?! re) | 前向否定界定符。与肯定界定符相反;当所含表达式不能在字符串当前位置匹配时成功。 |
(?> re) | 匹配的独立模式,省去回溯。 |
w | 匹配数字字母下划线 |
W | 匹配非数字字母下划线 |
s | 匹配任意空白字符,等价于 [ f]。 |
S | 匹配任意非空字符 |
d | 匹配任意数字,等价于 [0-9]。 |
D | 匹配任意非数字 |
A | 匹配字符串开始 |
匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。 | |
z | 匹配字符串结束 |
G | 匹配最后匹配完成的位置。 |
匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。 | |
B | 匹配非单词边界。'erB' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。 |
, , 等。 | 匹配一个换行符。匹配一个制表符, 等 |
1...9 | 匹配第n个分组的内容。 |
10 | 匹配第n个分组的内容,如果它经匹配。否则指的是八进制字符码的表达式。 |
正则表达式实例
字符匹配
实例 | 描述 |
---|---|
python | 匹配 "python". |
字符类
实例 | 描述 |
---|---|
[Pp]ython | 匹配 "Python" 或 "python" |
rub[ye] | 匹配 "ruby" 或 "rube" |
[aeiou] | 匹配中括号内的任意一个字母 |
[0-9] | 匹配任何数字。类似于 [0123456789] |
[a-z] | 匹配任何小写字母 |
[A-Z] | 匹配任何大写字母 |
[a-zA-Z0-9] | 匹配任何字母及数字 |
[^aeiou] | 除了aeiou字母以外的所有字符 |
[^0-9] | 匹配除了数字外的字符 |
特殊字符类
实例 | 描述 |
---|---|
. | 匹配除 " " 之外的任何单个字符。要匹配包括 ' ' 在内的任何字符,请使用象 '[. ]' 的模式。 |
d | 匹配一个数字字符。等价于 [0-9]。 |
D | 匹配一个非数字字符。等价于 [^0-9]。 |
s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ f v]。 |
S | 匹配任何非空白字符。等价于 [^ f v]。 |
w | 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 |
W | 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。 |