Python之re模块
本文内容纲要:
-一、正则表达式
-(一)常用正则
-(二)正则表达式的使用
-二、re模块
-(一)常量、属性
-(二)常用方法
一、正则表达式
re模块是python独有的匹配字符串的模块,该模块中提供的很多功能是基于正则表达式实现的,而正则表达式是对字符串进行模糊匹配,提取自己需要的字符串部分,他对所有的语言都通用。注意:
- re模块是python独有的
- 正则表达式所有编程语言都可以使用
- re模块、正则表达式是对字符串进行操作
因为,re模块中的方法大都借助于正则表达式,故先学习正则表达式。
(一)常用正则
1、字符组
在同一个位置可能出现的各种字符组成了一个字符组,在正则表达式中用[]表示
正则
待匹配字符
匹配
结果
说明
[0123456789]
8
True
在一个字符组里枚举合法的所有字符,字符组里的任意一个字符
和"待匹配字符"相同都视为可以匹配
[0123456789]
a
False
由于字符组中没有"a"字符,所以不能匹配
[0-9]
7
True
也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]
s
True
同样的如果要匹配所有的小写字母,直接用[a-z]就可以表示
[A-Z]
B
True
[A-Z]就表示所有的大写字母
[0-9a-fA-F]
e
True
可以匹配数字,大小写形式的a~f,用来验证十六进制字符
2、字符
元字符
匹配内容
匹配非字母或数字或下划线
匹配非数字
匹配非空白符
匹配字符a或字符b
匹配括号内的表达式,也表示一个组
匹配字符组中的字符
匹配除了字符组中字符的所有字符
3、量词
量词
用法说明
(二)正则表达式的使用
1、.^$
2、*+?{}
ac
ad
?表示重复零次或一次,即只匹配"a"后面一个任意字符。
acg
ad
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
a
a
a
3、字符集[][^]
abef
acg
ad
表示匹配"a"后面[befcgd]的字符任意次
abe
acgad
表示匹配一个不是"f"的字符任意次
4
1
2
3
表示匹配任意一个数字,匹配到4个结果
412
3
表示匹配任意个数字,匹配到2个结果
4、分组()与或|[^]
身份证号码是一个长度为15或18个字符的字符串,如果是15位则全部由数字组成,首位不能为0;如果是18位,则前17位全部是数字,末位可能是数字或x,下面我们尝试用正则来表示:
110101198001017032
1101011980010170
表示也可以匹配这串数字,但这并不是一个正确的身份证号码,它是一个16位的数字
False
现在不会匹配错误的身份证号了
()表示分组,将\d{2}[0-9x]分成一组,就可以整体约束他们出现的次数为0-1次
110105199812067023
表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
5、转义符\
在正则表达式中,有很多有特殊意义的是元字符,比如\n和\s等,如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义,变成'\\'。
在python中,无论是正则表达式,还是待匹配的内容,都是以字符串的形式出现的,在字符串中\也有特殊的含义,本身还需要转义。所以如果匹配一次"\n",字符串中要写成'\\n',那么正则里就要写成"\\\\n",这样就太麻烦了。这个时候我们就用到了r'\n'这个概念,此时的正则是r'\\n'就可以了。
结果
因为在正则表达式中\是有特殊意义的字符,所以要匹配\n本身,用表达式\n无法匹配
转义\之后变成\\,即可匹配
如果在python中,字符串中的'\'也需要转义,所以每一个字符串'\'又需要转义一次
在字符串之前加r,让整个字符串不转义
6、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
<script>...
<script>
<script>...
<script>
默认为贪婪匹配模式,会匹配尽量长的字符串
<script>...
<script>
<script>
<script>
加上?为将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串
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:
.*?x
就是取前面任意长度的字符,直到一个x出现
二、re模块
(一)常量、属性
1、re.A(re.ASCII)
让\w,\W,\b,\B,\d,\D,\s和\S执行ASCII-只匹配完整的Unicode匹配代替。这仅对Unicode模式有意义,而对于字节模式则忽略。
2、re.I(re.IGNORECASE)
执行不区分大小写的匹配;类似的表达式也[A-Z]将匹配小写字母。
3、re.L(re.LOCALE)
让\w,\W,\b,\B和区分大小写的匹配取决于当前的语言环境。该标志只能与字节模式一起使用。不建议使用此标志,因为语言环境机制非常不可靠,它一次只能处理一种“区域性”,并且仅适用于8位语言环境。默认情况下,Python3中已为Unicode(str)模式启用了Unicode匹配,并且能够处理不同的语言环境/语言。
4、re.M(re.MULTILINE)
指定时,模式字符'^'在字符串的开头和每行的开头(紧随每个换行符之后)匹配;模式字符'$'在字符串的末尾和每行的末尾(紧接在每个换行符之前)匹配。默认情况下,'^'仅在字符串的开头,字符串'$'的末尾和字符串末尾的换行符(如果有)之前立即匹配。
5、re.S(re.DOTALL)
使'.'特殊字符与任何字符都匹配,包括换行符;没有此标志,'.'将匹配除换行符以外的任何内容。
(二)常用方法
1、re.compile(pattern,flags=0)
将正则表达式模式编译为正则表达式对象,可使用match(),search()以及下面所述的其他方法将其用于匹配
>>>prog=re.compile('\d{2}')#正则对象
>>>prog.search('12abc')
<_sre.SRE_Matchobject;span=(0,2),match='12'>
>>>prog.search('12abc').group()#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。
'12'
>>>prog.match('123abc')
<_sre.SRE_Matchobject;span=(0,2),match='12'>
>>>prog.match('123abc').group()
'12'
>>>
2、re.search(pattern,string,flags=0)
扫描字符串以查找正则表达式模式产生匹配项的第一个位置,然后返回相应的match对象。None
如果字符串中没有位置与模式匹配,则返回;否则返回false。请注意,这与在字符串中的某个点找到零长度匹配不同。
#在这个字符串进行匹配,只会匹配一个对象
>>>re.search('\w+','abcde').group()
'abcde'
>>>re.search('a','abcde').group()
'a'
>>>
3、re.match(pattern,string,flags=0)
如果字符串开头的零个或多个字符与正则表达式模式匹配,则返回相应的匹配对象。None如果字符串与模式不匹配,则返回;否则返回false。请注意,这与零长度匹配不同。
#同search,不过在字符串开始处进行匹配,只会匹配一个对象
>>>re.match('a','abcade').group()
'a'
>>>re.match('\w+','abc123de').group()
'abc123de'
>>>re.match('\D+','abc123de').group()#非数字
'abc'
>>>
4、re.fullmatch(pattern,string,flags=0)
如果整个字符串与正则表达式模式匹配,则返回相应的match对象。None如果字符串与模式不匹配,则返回;否则返回false。请注意,这与零长度匹配不同。
>>>re.fullmatch('\w+','abcade').group()
'abcade'
>>>re.fullmatch('abcade','abcade').group()
'abcade'
>>>
5、re.split(pattern,string,maxsplit=0,flags=0)
通过出现模式来拆分字符串。如果在pattern中使用了捕获括号,那么模式中所有组的文本也将作为结果列表的一部分返回。如果maxsplit不为零,则最多会发生maxsplit分割,并将字符串的其余部分作为列表的最后一个元素返回。
>>>re.split('[ab]','abcd')#先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
['','','cd']
>>>re.split(r'\W+','Words,words,words.')
['Words','words','words','']
>>>re.split(r'(\W+)','Words,words,words.')
['Words',',','words',',','words','.','']
>>>re.split(r'\W+','Words,words,words.',1)
['Words','words,words.']
>>>re.split('[a-f]+','0a3B9',flags=re.IGNORECASE)
['0','3','9']
如果分隔符中有捕获组,并且该匹配组在字符串的开头匹配,则结果将从空字符串开始。字符串的末尾也是如此:
>>>re.split(r'(\W+)','...words,words...')
['','...','words',',','words','...','']
6、re.findall(pattern,string,flags=0)
以string列表形式返回string中pattern的所有非重叠匹配项。从左到右扫描该字符串,并以找到的顺序返回匹配项。如果该模式中存在一个或多个组,则返回一个组列表;否则,返回一个列表。如果模式包含多个组,则这将是一个元组列表。空匹配项包含在结果中。
>>>re.findall('a','Thisisabeautifulplace!')
['a','a','a']
>>>
7、re.finditer(pattern,string,flags=0)
返回一个迭代器,该迭代器在string类型的RE模式的所有非重叠匹配中产生匹配对象。从左到右扫描该字符串,并以找到的顺序返回匹配项。空匹配项包含在结果中。
>>>re.finditer('[ab]','Thisisabeautifulplace!')
<callable_iteratorobjectat0x0000000000DCDA90>#迭代器对象
>>>ret=re.finditer('[ab]','Thisisabeautifulplace!')
>>>next(ret).group()#查看下一个匹配值
'a'
>>>[i.group()foriinret]#查看剩下所有匹配的值
['b','a','a']
>>>
8、re.sub(pattern,repl,string,count=0,flags=0)
返回通过用替换repl替换字符串中最左边的不重叠模式所获得的字符串。如果找不到该模式,则返回的字符串不变。repl可以是字符串或函数;如果是字符串,则处理其中的任何反斜杠转义。即,将其转换为单个换行符,将其转换为回车,依此类推。count参数表示将匹配到的内容进行替换的次数
>>>re.sub('\d','S','abc12jh45li78',2)#将匹配到的数字替换成S,替换2个
'abcSSjh45li78'
>>>re.sub('\d','S','abc12jh45li78')#将匹配到所有的数字替换成S
'abcSSjhSSliSS'
>>>
9、re.subn(pattern,repl,string,count=0,flags=0)
执行与相同的操作sub(),但返回一个元组。(new_string,number_of_subs_made)
>>>re.subn('\d','S','abc12jh45li78',3)
('abcSSjhS5li78',3)
>>>
10、re.escape(pattern)
escape中的所有字符图案,除了ASCII字母,数字和'_'
。如果要匹配可能包含正则表达式元字符的任意文字字符串,这将很有用。
>>>re.escape('python.exe\n')
'python\\.exe\\\n'
>>>
11、search()与match()方法
Python提供了两种基于正则表达式的原始操作:re.match()仅在字符串的开头匹配,re.search()检查匹配项,在字符串中的任何位置检查匹配项(这是Perl的默认设置)。
>>>re.match("c","abcdef")#Notmatch
>>>re.search("c","abcdef")#match
<_sre.SRE_Matchobject;span=(2,3),match='c'>
>>>
以开头的正则表达式'^'可用于search()限制字符串开头的匹配项:
>>>re.match("c","abcdef")#Notmatch
>>>re.search("^c","abcdef")#Notmatch
>>>re.search("^a","abcdef")#match
<_sre.SRE_Matchobject;span=(0,1),match='a'>
>>>
参考:
https://docs.python.org/3.6/library/re.html
https://www.cnblogs.com/Eva-J/articles/7228075.html#_label7
本文内容总结:一、正则表达式,(一)常用正则,(二)正则表达式的使用,二、re模块,(一)常量、属性,(二)常用方法,
原文链接:https://www.cnblogs.com/shenjianping/p/11647473.html