python re正则表达式

1 re匹配示例

# -*- coding:UTF8 -*-
import re

#查找匹配
text="验证码是安全的"
pattern = re.compile(r'密码|验证码|安全')
result = re.findall(pattern,text)  #得到的是['验证码', '安全']

text="流量比较小"
pattern = re.compile(r'流量.*[少低高小]|(简历量|曝光量|浏览量).*[少低高多大]')#两种匹配模式，通过|分开，其中()中的内容是或的关系，[]中的内容是任意一个，.*匹配无限多个任意字符
ret = re.search(pattern, text)#ret.group(0)表示匹配的整个句子,group是针对（）来说的,第一个括号就是group(1),以此类推
print(ret.group(0))#流量比较小

text1="但是曝光量很高"
ret = re.search(pattern, text1)
print(ret.group(1))#但是曝光量很高

#分割字符串
text=r'one1two2three3four4five5'
pattern = re.compile(r'\d+')
result = re.split(pattern, text)#['one', 'two', 'three', 'four', 'five', '']

#替换
text=r'流量比较小有人访问'
pattern = re.compile(r'小')
result = re.sub(pattern, '，但是',text)#流量比较，但是有人访问
print(result)

 

2单字符匹配规则

字符	功能
.	匹配任意1个字符(除了\n)
[]	匹配[]中列举的字符,列举的字符或的关系；一些特殊字符变为普通字符，比如*是普通的*,没有特殊含义
\d	匹配数字,也就是0-9
\D	匹配非数字,也就是匹配不是数字的字符
\s	匹配空白符,也就是 空格\tab
\S	匹配非空白符,\s取反
\w	匹配单词字符, a-z, A-Z, 0-9, _
\W	匹配非单词字符, \w取反
^	匹配字符串的开头。如"^(http:).*"，匹配以http:开头的字符串
$	匹配字符串的末尾。如".*(.com)$"，匹配以.com结尾的字符串
|	或的关系。比如 C|cat 表示的是 C或cat； 如果要表示Cat或cat，则应该写为 (C|c)at。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3 表示数量的规则

字符	功能
*	匹配前一个字符出现0次多次或者无限次,可有可无,可多可少
+	匹配前一个字符出现1次多次或则无限次,直到出现一次
?	匹配前一个字符出现1次或者0次,要么有1次,要么没有
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符至少出现m次
{m,n}	匹配前一个字符出现m到n次
.*	贪婪匹配，就是尽可能多的匹配
.*?	非贪婪匹配，只要满足要求，就停止。

 

 

 

 

 

 

 

 

 

 

 

 

 

4 分组与捕获

• (exp)    ：分组，并捕获该分组匹配到的文本
• (?:exp) ：分组，但不捕获该分组匹配到的文本

(exp) ：把括号内的正则作为一个分组，系统自动分配组号，可以通过分组号引用该分组；

(?P<name>exp) ：定义一个命名分组，分组的正则是exp，系统为该分组分配分组号，可以通过分组名或分组号引用该分组；

(?:exp) ：定义一个不捕获分组，该分组只在当前位置匹配文本，在该分组之后，无法引用该分组，因为该分组没有分组名，没有分组号，也不会占用分组编号；

字符	描述	示例
(?:pattern)	匹配pattern，但不捕获匹配结果。	'industr(?:y|ies) 匹配'industry'或'industries'。
(?=pattern)	零宽度正向预查，不捕获匹配结果。	'Windows (?=95|98|NT|2000)' 匹配 "Windows2000" 中的 "Windows" 不匹配 "Windows3.1" 中的 "Windows"。
(?!pattern)	零宽度负向预查，不捕获匹配结果。	'Windows (?!95|98|NT|2000)' 匹配 "Windows3.1" 中的 "Windows" 不匹配 "Windows2000" 中的 "Windows"。
(?<=pattern)	零宽度正向回查，不捕获匹配结果。	'2000 (?<=Office|Word|Excel)' 匹配 " Office2000" 中的 "2000" 不匹配 "Windows2000" 中的 "2000"。
(?<!pattern)	零宽度负向回查，不捕获匹配结果。	'2000 (?<!Office|Word|Excel)' 匹配 " Windows2000" 中的 "2000" 不匹配 " Office2000" 中的 "2000"。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

5 高效表达式建议

（1）每使用一个普通括号()而不是非捕获型括号(?:…)，就会保留一部分内存等着你再次访问。这样的正则表达式、无限次地运行次数，无异于一根根稻草的堆加，终于能将骆驼压死。养成合理使用(?:…)括号的习惯。

（2）将一条复杂的正则表达式拆分为两条或多条简单的正则表达式，编程难度会降低，运行效率会提升。

（3）在适当的时候用上^，$，\b等等定位锚点，能有效提升找到成功匹配、淘汰不成功匹配的效率。

（4）在 Java 中使用正则表达式的时候我们需要先编译，所以应该尽量重用我们已经定义的正则表达式。

 

参考：《精通正则表达式》第5章、第6章

　　　  https://www.cnblogs.com/wuhong/archive/2011/02/18/1957017.html