正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具,拥有自己独特的语法以及一个独立的处理引擎,效率上可能不如str自带的方法,但功能十分强大。得益于这一点,在提供了正则表达式的语言里,正则表达式的语法都是一样的,区别只在于不同的编程语言实现支持的语法数量不同;但不用担心,不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式,只需要简单看一看就可以上手了。
正则表达式概念
-
使用单个字符串来描述匹配一系列符合某个句法规则的字符串
-
是对字符串操作的一种逻辑公式
-
应用场景:处理文本和数据
-
正则表示是过程:依次拿出表达式和文本中的字符比较,如果每一个字符都能匹配,则匹配成功;否则匹配失败
字符匹配
字符 | 描述 |
---|---|
. | 匹配任意一个字符(除了\n) |
\d \D | 数字/非数字 |
\s \S | 空白/非空白字符 |
\w \W | 单词字符[a-zA-Z0-9]/非单词字符 |
\b \B | 单词边界,一个\w与\W之间的范围,顺序可逆/非单词边界 |
-
匹配任意一个字符
1
2
3
4
|
# 匹配字符串abc,.代表b
>>>import re
>>> re.match(
'a.c'
,
'abc'
).group()
'abc'
|
-
数字与非数字
1
2
3
4
5
6
|
# 匹配任意一数字
>>> re.match(
'\d'
,
'1'
).group()
'1'
# 匹配任意一个非数字
>>> re.match(
'\D'
,
'a'
).group()
'a'
|
-
空白与非空白字符
1
2
3
4
5
6
7
8
|
# 匹配任意一个空白字符
>>> re.match(
"\s"
,
" "
).group()
' '
# 匹配任意一个非空白字符
>>> re.match(
"\S"
,
"1"
).group()
'1'
>>> re.match(
"\S"
,
"a"
).group()
'a'
|
-
单词字符与非单词字符
单词字符即代表[a-zA-Z0-9]
1
2
3
4
5
6
7
8
|
# 匹配任意一个单词字符
>>> re.match(
"\w"
,
"a"
).group()
'a'
>>> re.match(
"\w"
,
"1"
).group()
'1'
# 匹配任意一个非单词字符
>>> re.match(
"\W"
,
" "
).group()
' '
|
次数匹配
字符 | 匹配 |
---|---|
* | 匹配前一个字符0次或者无限次 |
+ | 匹配前一个字符1次或者无限次 |
? | 匹配前一个字符0次或者1次 |
{m}/{m,n} | 匹配前一个字符m次或者N次 |
*?/+?/?? | 匹配模式变为贪婪模式(尽可能少匹配字符) |
-
介绍
字符 | 匹配 |
---|---|
prev? | 0个或1个prev |
prev* | 0个或多个prev,尽可能多地匹配 |
prev*? | 0个或多个prev,尽可能少地匹配 |
prev+ | 1个或多个prev,尽可能多地匹配 |
prev+? | 1个或多个prev,尽可能少地匹配 |
prev{m} | m个连续的prev |
prev{m,n} | m到n个连续的prev,尽可能多地匹配 |
prev{m,n}? | m到n个连续的prev,尽可能少地匹配 |
[abc] | a或b或c |
[^abc] | 非(a或b或c) |
-
匹配前一个字符0次或者无限次
1
2
3
4
5
6
|
>>> re.match(
'[A-Z][a-z]*'
,
'Aaa'
).group()
'Aaa'
>>> re.match(
'[A-Z][a-z]*'
,
'Aa'
).group()
'Aa'
>>> re.match(
'[A-Z][a-z]*'
,
'A'
).group()
'A'
|
-
匹配前一个字符1次或者无限次
1
2
3
4
5
|
# 匹配前一个字符至少一次,如果一次都没有就会报错
>>> re.match(
'[A-Z][a-z]+'
,
'A'
).group()
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
AttributeError:
'NoneType'
object
has no attribute
'group'
|
1
2
3
4
|
>>> re.match(
'[A-Z][a-z]+'
,
'Aa'
).group()
'Aa'
>>> re.match(
'[A-Z][a-z]+'
,
'Aaaaaaa'
).group()
'Aaaaaaa'
|
-
匹配前一个字符0次或者1次
1
2
3
4
5
|
>>> re.match(
'[A-Z][a-z]?'
,
'A'
).group()
'A'
# 只匹配出一个a
>>> re.match(
'[A-Z][a-z]?'
,
'Aaaa'
).group()
'Aa'
|
-
匹配前一个字符m次或者N次
1
2
3
4
5
6
7
8
9
|
#匹配前一个字符至少5次
>>> re.match(
'\w{5}'
,
'asd234'
).group()
'asd23'
# 匹配前面的字符6-10次
>>> re.match(
'\w{6,10}'
,
'asd234'
).group()
'asd234'
# 超过的字符就匹配不出来
>>> re.match(
'\w{6,10}'
,
'asd2313qeadsd4'
).group()
'asd2313qea'
|
-
匹配模式变为贪婪模式
1
2
3
4
5
6
7
8
9
10
11
|
>>> re.match(r
'[0-9][a-z]*'
,
'1bc'
).group()
'1bc'
# *?匹配0次或者多次
>>> re.match(r
'[0-9][a-z]*?'
,
'1bc'
).group()
'1'
# +?匹配一次或者多次,但是只匹配了一次
>>> re.match(r
'[0-9][a-z]+?'
,
'1bc'
).group()
'1b'
# ??匹配0次或者一次
>>> re.match(r
'[0-9][a-z]??'
,
'1bc'
).group()
'1'
|
贪婪匹配和非贪婪匹配
边界匹配
字符 | 匹配 |
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
\A \Z | 指定的字符串必须出现在开头/结尾 |
-
匹配字符串开头
1
2
3
|
# 必须以指定的字符串开头,结尾必须是@163.com
>>> re.match(
'^[\w]{4,6}@163.com$'
,
'asdasd@163.com'
).group()
'asdasd@163.com'
|
-
匹配字符串结尾
1
2
3
|
# 必须以.me结尾
>>> re.match(
'[\w]{1,20}.me$'
,
'ansheng.me'
).group()
'ansheng.me'
|
-
指定的字符串必须出现在开头/结尾
1
2
|
>>> re.match(r
'\Awww[\w]*\me'
,
'wwwanshengme'
).group()
'wwwanshengme'
|
正则表达式分组匹配
-
| 匹配左右任意一个表达式
1
2
3
4
|
>>> re.match(
"www|me"
,
"www"
).group()
'www'
>>> re.match(
"www|me"
,
"me"
).group()
'me'
|
-
(ab) 括号中表达式作为一个分组
1
2
3
4
5
|
# 匹配163或者126的邮箱
>>> re.match(r
'[\w]{4,6}@(163|126).com'
,
'asdasd@163.com'
).group()
'asdasd@163.com'
>>> re.match(r
'[\w]{4,6}@(163|126).com'
,
'asdasd@126.com'
).group()
'asdasd@126.com'
|
-
(?P) 分组起一个别名
1
2
|
>>> re.search(
"(?P<zimu>abc)(?P<shuzi>123)"
,
"abc123"
).groups()
(
'abc'
,
'123'
)
|
-
引用别名为name的分组匹配字符串
1
2
3
4
|
>>> res.group(
"shuzi"
)
'123'
>>> res.group(
"zimu"
)
'abc
|
re模块常用的方法
-
re.match()
语法格式:
1
|
match(pattern, string, flags
=
0
)
|
释意:
Try to apply the pattern at the start of the string, returning a match object, or None if no match was found.
实例:
1
2
3
4
5
6
7
8
|
# 从头开始匹配,匹配成功则返回匹配的对象
>>> re.match(
"abc"
,
"abc123def"
).group()
'abc'
# 从头开始匹配,如果没有匹配到对应的字符串就报错
>>> re.match(
"\d"
,
"abc123def"
).group()
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
AttributeError:
'NoneType'
object
has no attribute
'group'
|
-
re.search()
语法格式:
1
|
search(pattern, string, flags
=
0
)
|
释意:
Scan through string looking for a match to the pattern, returning a match object, or None if no match was found.
实例:
1
2
3
|
# 匹配整个字符串,匹配到第一个的时候就返回匹配到的对象
>>> re.search(
"\d"
,
"abc1123def"
).group()
'1'
|
-
re.findall()
语法格式:
1
|
findall(pattern, string, flags
=
0
)
|
释意:
Return a list of all non-overlapping matches in the string.
实例:
1
2
3
|
# 匹配字符串所有的内容,把匹配到的字符串以列表的形式返回
>>> re.findall(
"\d"
,
"abc123def456"
)
[
'1'
,
'2'
,
'3'
,
'4'
,
'5'
,
'6'
]
|
-
re.split
语法格式:
1
|
split(pattern, string, maxsplit
=
0
)
|
释意:
Split the source string by the occurrences of the pattern, returning a list containing the resulting substrings.
实例:
1
2
3
4
5
6
|
# 指定以数字进行分割,返回的是一个列表对象
>>> re.split(
"\d+"
,
"abc123def4+-*/56"
)
[
'abc'
,
'def'
,
'+-*/'
, '']
# 以多个字符进行分割
>>> re.split(
"[\d,]"
,
"a,b1c"
)
[
'a'
,
'b'
,
'c'
]
|
-
re.sub()
语法格式:
1
|
sub(pattern, repl, string, count
=
0
)
|
释意:
Return the string obtained by replacing the leftmost non-overlapping occurrences of the pattern in string by the replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. If it is a callable, it’s passed the match object and must return a replacement string to be used.
实例:
1
2
3
4
5
6
|
# 把abc替换成def
>>> re.sub(
"abc"
,
"def"
,
"abc123abc"
)
'def123def'
# 只替换查找到的第一个字符串
>>> re.sub(
"abc"
,
"def"
,
"abc123abc"
,count
=
1
)
'def123abc'
|
实例
string方法包含了一百个可打印的ASCII字符,大小写字母、数字、空格以及标点符号
1
2
3
4
|
>>>
import
string
>>> printable
=
string.printable
>>> printable
'0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c'
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
>>>
import
re
# 定义的字符串
>>> source
=
'''I wish I may, I wish I migth
... Hava a dish of fish tonight.'''
# 在字符串中检索wish
>>> re.findall(
'wish'
,source)
[
'wish'
,
'wish'
]
# 对源字符串任意位置查询wish或者fish
>>> re.findall(
'wish|fish'
,source)
[
'wish'
,
'wish'
,
'fish'
]
# 从字符串开头开始匹配wish
>>> re.findall(
'^wish'
,source)
[]
# 从字符串开头匹配I wish
>>> re.findall(
'^I wish'
,source)
[
'I wish'
]
# 从字符串结尾匹配fish
>>> re.findall(
'fish$'
,source)
[]
# 从字符串结尾匹配fish tonight.
>>> re.findall(
'fish tonight.$'
,source)
[
'fish tonight.'
]
# 查询以w或f开头,后面紧跟着ish的匹配
>>> re.findall(
'[wf]ish'
,source)
[
'wish'
,
'wish'
,
'fish'
]
# 查询以若干个w\s\h组合的匹配
>>> re.findall(
'[wsh]+'
,source)
[
'w'
,
'sh'
,
'w'
,
'sh'
,
'h'
,
'sh'
,
'sh'
,
'h'
]
# 查询以ght开头,后面紧跟着一个非数字和字母的匹配
>>> re.findall(
'ght\W'
,source)
[
'ght.'
]
# 查询已以I开头,后面紧跟着wish的匹配
>>> re.findall(
'I (?=wish)'
,source)
[
'I '
,
'I '
]
# 最后查询以wish结尾,前面为I的匹配(I出现次数尽量少)
>>> re.findall(
'(?<=I) wish'
,source)
[
' wish'
,
' wish'
]
|
-
匹配时不区分大小写
1
2
|
>>> re.match(
'a'
,
'Abc'
,re.I).group()
'A'
|
-
r 源字符串,转义,如果要转义要加两个\n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
>>>
import
re
>>> pa
=
re.
compile
(r
'ansheng'
)
>>> pa.match(
"ansheng.me"
)
<_sre.SRE_Match
object
; span
=
(
0
,
7
), match
=
'ansheng'
>
>>> ma
=
pa.match(
"ansheng.me"
)
>>> ma
<_sre.SRE_Match
object
; span
=
(
0
,
7
), match
=
'ansheng'
>
# 匹配到的值存到group内
>>> ma.group()
'ansheng'
# 返回字符串的所有位置
>>> ma.span()
(
0
,
7
)
# 匹配的字符串会被放到string中
>>> ma.string
'ansheng.me'
# 实例放在re中
>>> ma.re
re.
compile
(
'ansheng'
)
|