python第一篇：正则表达式的方法简单归纳

首先先对一些常用的匹配模式进行一下介绍及互相认识一下，当然了可能它认识我，但我绝对还不认识它。。。

********************************************

元字符 【 . ^ $ * + ? {} [] | () 】

********************************************

1、[.] 匹配任意1个字符，除了换行符（ ）。

要匹配包括‘ ‘在内的任何字符，就使用'[. ]'的模式

例：

import re

print(re.findall(r'a.','ab ac afbbbb'))

>> ['ab', 'ac', 'af']

 

2、[|] 或 匹配符号左边或右边的字符

例：

import re

str1='dit dot det,dct dit dot'

print (re.findall('det|dct',str1))

>> ['det', 'dct']

3、[] 字符集合，匹配这个集合里面的任意一个就可以

[ic]表示i或c，'d[ic]t'表示dit和dct两者，和'dit|dct'等价

[^abc ] 代表反取,代表取abc之外的字符串

例：

import re

str1='dit dot det,dct dit dot'

print (re.findall('d[ic]t',str1))

>> ['dit', 'dct', 'dit']

4、^ 表示否定 [^ic]表示 除了i和c

例：

import re

str1='dit dot det,dct dit dot'

print (re.findall('d[^ic]t',str1))

>> ['dot', 'det', 'dot']

4-2 匹配字符串的开头 ^dit 表示子串dit在开头位置

例：

import re

str1='dit dot det,dct dit dot'

print (re.findall('^dit',str1))

>> ['dit']

 

5、$ 匹配字符串的末尾 'dot$' 表示子串dot要在末尾位置

import re

str1='dit dot det,dct dit dot'

print (re.findall('dot$',str1))

>> ['dot']

6、+ ‘di+t’ 表示d与t之间省略了一个或多个i

import re

str1='dit dot det,dct diit dot'

print (re.findall('di+t',str1))

>> ['dit', 'diit']

7、* 匹配*号前的一个字符0次或多次

‘di*t’表示d与t之间省略了零个至多个i

import re

str1='dit dt det,dct diit dot'

print (re.findall('di*t',str1))

>> ['dit', 'dt', 'diit']

扩展 ‘.+’搭配使用，表示省略了一个至多个任意元素

‘.*’ 搭配使用，表示省略了零个至多个任意元素

import re

str1='d dt dit diit dot'

print (re.findall('d.*t',str1))

print (re.findall('d.+t',str1))

>> ['d dt dit diit dot']

>> ['d dt dit diit dot']

 

8、? 匹配？前的一个字符0次或1次 ‘di?t’表示i可有可无，即dt，dit都满足条件

import re

str1='d dt dit diit det'

print(re.findall('di?t',str1))

>> ['dt', 'dit']

8-2 ? 清除贪婪匹配

 

9、{} di{n}t 表示d和t之间有n个i

import re

str1='d dt dit diit det'

print(re.findall('di{2}t',str1))

>> ['diit']

9-2 {} di{n,m}t 表示d和t之间有n到m个i

import re

str1='d dt dit diit diiiit det'

print(re.findall('di{2,4}t',str1))

>> ['diit', 'diiiit']

扩展：n和m都可以省略。{n,}表示n个到任意个；{,m}表示0到m个；{,}表示任意个

import re

str1='d dt dit diit diiit diiiit det'

print(re.findall('di{3,}t',str1))

print(re.findall('di{,3}t',str1))

print(re.findall('di{,}t',str1))

>> ['diiit', 'diiiit']

['dt', 'dit', 'diit', 'diiit']

['dt', 'dit', 'diit', 'diiit', 'diiiit']

10、 取消元字符，变成转义字符

就是说如果你想让特殊字符失去python语言赋予的意义变成普通字符，就在前面加上

例：

import re

print(re.findall(r'?.','ab? ac af?bab?b'))

>> ['? ', '?b', '?b']

10-2、 预定义字符

例：

import re

str1='12 abd 34 def'

print(re.findall('d',str1))

print(re.findall('w',str1))

>> ['1', '2', '3', '4']

['1', '2', 'a', 'b', 'd', '3', '4', 'd', 'e', 'f']

11、（） 在匹配字符串后，只输出匹配字串（）里面的内容

import re

str1='12abcd34'

print(re.findall('12abcd34',str1))

print(re.findall('1(2a)bcd',str1))

print(re.findall('1(2a)bc(d3)4',str1))

>> ['12abcd34']

['2a']

[('2a', 'd3')]

 

***************************************************************

re模块的主要方法

findall() finditer() match() search() compile() aplit() sub() subn()

***************************************************************

1、re.match(1正则表达式，2要匹配的字符串，3标志位“用于控制正则表达式的匹配方式”)

开始位置：从第一个单词中匹配字符串，如果匹配到就返回一个结果，匹配不到就返回None

例:

import re

print (re.match('www','www.baidu.com').span())

print (re.match('baidu','www.baidu.com'))

>> (0, 3)

None

2、re.search(1正则，2原字符串，3标志位)

匹配规则：扫描整个字符串并返回第一个成功匹配的结果，没有就返回None

例：

import re

print (re.search('www','www.baidu.com').span())

print (re.search('baidu','www.baidu.com.baidu').span())

>> (0, 3)

(4, 9)

3、re.findall()

匹配规则：从左往右搜索，结果1以list的形式返回，没有匹配到就返回空列表

例：

import re

print (re.findall('www','www.baidu.com.wwww'))

print (re.findall('www','nishuosdhsds'))

>>['www', 'www']

[]

4、re.finditer()

匹配规则：从左往右搜索，但是结果以迭代器的形式返回

例：

import re

str1='ab cd e'

istr1=re.finditer('w+',str1)

for a in istr1:

print (a.group(),a.span())

扩展：a.group()返回满足匹配调节的子串，a.span()返回子串的起始位置 和末尾位置

>> ('ab', (0, 2))

('cd', (3, 5))

('e', (6, 7))

5、re.compile()

匹配规则：对匹配格式先进行编译，返回一个实例对象。然后再使用它，可以加快匹配速度

例：

import re

str1='abcdeabfg'

pre=re.compile('ab')

print (pre.findall(str1))

>> ['ab', 'ab']

6、re.split()

匹配规则：在string匹配正则表达式时进行分割

例：

import re

str1='abc.d.ea.bfg.rere'

str2='12+34-56*78/90'

print (re.split('.',str1))

print (re.split('[+-*/]',str2))

>> ['abc', 'd', 'ea', 'bfg', 'rere']

['12', '34', '56', '78', '90']

7、re.sub(1正则，2替换的字符串，3原始字符串，4匹配后替换的最大次数)

匹配规则：用于替换字符串中的匹配项

例；

import re

str1='abcdefg'

print (re.sub('b','123',str1))

>> a123cdefg

8、re.subn()

匹配规则：功能与sub相似，但返回结果多了一个数字，代表替换了多少次

例：

import re

str1='abcdebnfgcb'

print (re.subn('b','123',str1))

>> ('a123cde123nfgc123', 3)

 

****************************************************

还有一些关于字母的 A B dD G sS wW z

#####[0-9] [a-z] [A-Z] [a-zA-Z0-9] [^0-9]

****************************************************

1、A 匹配字符串开始，不能进行多行匹配（^）

例：

import re

print(re.findall(r'Ahttp://','http://www.baidu.com is good http://www.sohu.com',re.M))

>> ['http://']

2、 匹配字符串的结尾，不能进行多行匹配($)

例：

import re

print(re.findall(r'.jpge|.png|.gif','touxiang.gif qq.png',re.M))

>> ['.png']

3、d 匹配一个数字

w 匹配一个字母或数字

. 匹配任意字符

例：

'00d' 可以匹配'007',不能匹配'00A'

'ddd'可以匹配'010'

'wwd'可以匹配'py3

'py.'可以匹配'py1''pyc''py!'

 

* 匹配任意个字符（包括0个）

. 匹配1个字符

+ 匹配至少一个字符

？表示0个或1个字符

{n} 表示n个字符

{n,m}表示n-m个字符

 

4、s 匹配任意空白字符

S匹配任意非空字符

例：

d{3}s+d{3,8}

>> d{3} 表示匹配3个数字 如'010'

s 可以匹配一个空格 s+表示至少有一个空格 如' ',' '等

d{3,8} 表示3-8个数字 如'1234567'

5、精确匹配

[0-9a-zA-Z\_] 可以匹配一个数字、字母或下划线

[0-9a-zA-Z\_]+ 可以匹配至少由一个数字、字母或下划线组成的字符串。如'a100','0_z','Py003'

[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母下划线开头，后接任意一个数字、字母下划线组成的字符串

[a-zA-Z\_][0-9a-zA-Z\_]{0,19}限制了变量的长度是1-20个字符（前面一个字符+后面最多19个字符）

^ 表示行的开头，^d 表示必须以数字开头

$ 表示行的结束 d$表示必须以数字结束

 

************************************************

分组

除了简单的判断是否匹配之外，正则表达式还有提取子串的强大功能。用（）表示的就是要提取的分组（group）

************************************************

1、group()或group(0)就是匹配正则表达式整体结果

例：

import re

test='010-12345'

m= re.match(r'^d{3}-d{3,8}$',test)

print (m.span(),m.group())

>> ((0, 9), '010-12345')

2、group(1)列出第一个括号匹配的部分，group(2)列出第二个括号匹配的部分.

如果正则表达式中没有括号，group(1)肯定是不对的了。

例：

import re

a='123abc456'

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group())

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group(1))

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group(2))

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group(3))

>> 123abc456

123

abc

456

3、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

例：

import re

a='123abc456'

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group())

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group(1))

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group(2))

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).group(3))

print (re.search('([0-9]*)([a-z]*)([0-9]*)',a).groups())

>> 123abc456

123

abc

456

('123', 'abc', '456') 重要看这条！！！

**********************************************

贪婪匹配

**********************************************

正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。

例：

import re

print (re.match(r'^(d+)(0*)$','1012300').groups())

>> ('1012300', '')

此处d+采用贪婪匹配，直接把后面的0也给匹配了，导致0*智能匹配空字符串

加个？就可以让d+采用非贪婪匹配

例：

import re

print (re.match(r'^(d+?)(0*)$','1012300').groups())

>> ('10123', '00')