正则表达式,英文:Regular Expression。它一般用来检索和替换符合某种模式的文本。正则表达式
Python自1.5版本开始增长了re模块,使得Python拥有了所有的正则表达式功能。函数
在使用re模块以前,要先引入,re模块使已经在内置在Python内部的,无需再本身下载安装了。spa
1 import re
1.1 原型:match(pattern, string, flags=0)
1.2 参数:
pattern:匹配的正则表达式
string:要匹配的字符串
flags:标志位,用来控制正则表达式的匹配方式
re.I:忽略大小写
re.L:作本地化识别
re.M:多行匹配,影响^和$
re.S:使.匹配包括换行符在内的全部字符,不然.不匹配换行符
re.U:根据Unicode字符集解析字符,影响'\w \W \b \B'
re.X:使咱们以更灵活的格式理解正则表达式
1.3 功能:尝试从字符串的起始位置匹配一个模式code
1.4 eg:对象
1 # 注释为输出结果
2
3 print(re.match('www', 'www.baidu.com')) 4 # <_sre.SRE_Match object; span=(0, 3), match='www'>
5 # 返回结果的类型、匹配结果的位置、匹配内容
6
7 print(re.match('www', 'www.baidu.com').span()) 8 # (0, 3) 输出匹配的位置
2.1 原型:search(pattern, string, flags=0)
2.2 参数:
pattern:匹配的正则表达式
string:要匹配的字符串
flags:标志位,用来控制正则表达式的匹配方式(与上面内容一致,后面不赘述)
2.3 功能:扫描整个字符串,返回第一个成功的匹配,与match相比,就是没必要从起始位置开始匹配blog
3.1 原型:findall(pattern, string, flags=0)
3.2 参数:
pattern:匹配的正则表达式
string:要匹配的字符串
flags:标志位,用来控制正则表达式的匹配方式
3.3 功能:扫描整个字符串,返回结果列表,其中匹配到全部符合模式的结果索引
.ci |
能够匹配除换行符之外的任意字符字符串 |
[]原型 |
是字符集合,表示匹配方括号中任意所包含的任一字符 |
[asd] |
匹配其中任一字符 |
[a-z] |
匹配任意小写字母 |
[0-9a-zA-Z_] |
匹配任意大小写字母或数字或下划线 |
[^asd] |
匹配除了asd几个字母之外的全部字符,中括号里的^号称为'脱字符',表示不匹配集合中的字符 |
[^0-9] |
匹配全部非数字字符 |
\d |
匹配数字,效果同[0-9] |
[^\d] |
匹配非数字字符,效果同[^0-9] |
\w |
匹配数字,字母和下划线,效果同[0-9a-zA-Z_] (字母不包含空格) |
\W |
匹配非数字,字母和下划线,效果同[^0-9a-zA-Z_] |
\s |
匹配任意的空白符(空格,换行,回车,换页,制表),效果同[ \f\n\r\t] |
\S |
匹配任意的非空白符,效果同[^ \f\n\r\t] |
^ |
行首匹配,和在中括号里的^不是一个意思 |
$ |
行尾匹配 |
\A |
匹配字符串的开始,他和^的区别是,\A只匹配整个字符串的开头,即便在re.M下也不会匹配他行的行首 |
\Z |
匹配字符串的结束,他和$的区别是,\Z只匹配整个字符串的结束,即便在re.M下也不会匹配他行的行尾 |
\b |
匹配一个单词的边界,也就是指单词和空格间的位置 eg:r'er\b',匹配以er为结尾边界的位置 |
\B |
匹配非单词边界,与上面相反,匹配不是边界的 |
(xyz) |
匹配小括号内的xyz,做为一个总体去匹配 |
x? |
匹配0个或者1个x eg:print(re.findall(r"a?","aaabaa")) # 非贪婪匹配,尽量少的匹配 |
x* |
匹配0个或者任意多个x eg:print(re.findall(r"a*","aaabaa")) # 贪婪匹配,尽量多的匹配 |
x+ |
匹配至少一个x(贪婪匹配) |
x{n} |
匹配肯定的n个x(n是一个肯定的非负整数 |
x{n,} |
匹配至少n个x |
x{n,m} |
匹配至少n个,最多m个x,注意n<=m |
x|y |
|表示或,匹配的是x或y |
*? +? x? |
最小匹配,一般都是尽量多的匹配,可使用这种解决贪婪匹配 |
(?:X) |
相似于(xyz),但不表示一个组 |
1 str1 = "hello world hello world hello world "
2 # 普通切割
3 print(str1.split(' ')) # 仅仅以一个空格切割,遇到多个空格时会出现不想要的内容
4 # 正则切割
5 print(re.split(r' +', str1)) # 能够经过正则的切割,其中利用正则的方法,来以任意多个空格来切割
1 str2 = "hello world hello world hello world hello world hello world"
2
3 d = re.finditer(r'hello', str2) 4 while True: 5 # 当使用迭代方法时,为了可使他在找完对象后退出,通常经过捕获的方法
6 try: 7 print(next(d)) 8 except StopIteration as e: 9 break
概念:除了简单的判断是否匹配之外,正则表达式还有提取子串的功能。用()表示的就是提取分组。(这个本身试一下,加深印象)
1 str3 = "010-12312323"
2 m = re.match(r'(?P<first>\d{3})-(\d{8})', str3) 3 # 使用序号获取对应组的信息,group(0)一直表明的原始字符串
4 print(m.group(0)) 5 print(m.group(1)) 6 print(m.group('first')) # 使用本身起的名字索引
7 print(m.group(2)) 8
9 print(m.groups()) # 查看各组的状况
10
11 # 若是在最外层加一个括号,那么group(1)就是打印的最外面的那个,依次向里
12
13 # ?P<first>写在小括号里,表示起名字
(1)编译正则表达式,若是正则表达式自己不合法,会报错
(2)用编译后的正则表达式去匹配对象
提示:通常状况下,比较简单的匹配咱们直接经过上面讲述的那几种基本方法就能够了,可是当模式比较复杂,或者这个正则对象在后面还会用到时,就会先把他编译出来,毕竟后面能够省去再次编译的时间,而且更清晰。
正则对象,习惯上命名为 re_xxxxxx。
1 pat = r"^1(([3578]\d)|(47))\d{8}$" # 模式
2 re_telephone = re.compile(pat) # 编译成正则对象
3 print(re_telephone.match("13612345678")) # 使用其匹配文本,前面提到的基本方法在这里照常使用