python（re 模块-正则表达式）

1、元字符

• . 匹配除换行符 \n 以外的任意一个字符

import re

s = "shenzhen duoceshi"
print(re.findall("d...e", s))

---> ['duoce']

• ^ 尖角符，只在字符串开头开始匹配

import re

s = "shenzhen duoceshi"
print(re.findall("^s..n", s))
print(re.findall("^z..n", s))

---> ['shen']
---> []

• $ 只在字符串结尾进行匹配

import re

s = "shenzhen duoceshi"
print(re.findall("s.i$", s))
print(re.findall("ce$", s))

---> ['shi']
---> []

•  * 重复匹配，匹配前一个字符 0 次或更多次

import re

s = "adbnasdnbaaasdsdba"
print(re.findall("ba*",s))

---> ['b', 'baaa', 'ba']

• + 重复匹配，匹配前一个字符 1 次或更多次

import re

s = "adbnasdnbaaasdsdba"
print(re.findall("ba+",s))

---> ['baaa', 'ba']

• ? 匹配，匹配前一个字符 0 次或 1 次

import re

s = "adbnasdnbaaasdsdba"
print(re.findall("ba?",s))

---> ['b', 'ba', 'ba']

• {m} 匹配前一个字符 m 次

import re

s = "adbnasdnbaaasdsdba"
print(re.findall("a{4}s",s))    # 匹配值为 aaaas
print(re.findall("a{3}s",s))    # 匹配值为 aaas
print(re.findall("a{2}s",s))

---> []
---> ['aaas']
---> ['aas']

• {m，n} 匹配前一个字符 m 到 n 次（包括 n 次），m 或 n 可以省略，m 和 n 都是正整数，{1，} 表示 匹配 1 次，或者 +∞ 次

import re

s = "aaaasdbnasdnbaaasdsdbaas"
print(re.findall("a{1,4}s",s)) # 匹配 1/2/3/4 次 a

---> ['aaaas', 'as', 'aaas', 'aas']

• [m，n] 字符集，匹配字符 m 或 n
• [m-n] 匹配 m 到 n 这个范围内的字符
• [*，.] 取消元字符，除 \ ^ - 外 
• [^a，b] 取反，匹配字符串中除 a，b 以外的字符

import re

s = "https://www.baidu.com"
print(re.findall("b[a,b,c]",s))
print(re.findall("b[a-c]",s))

---> ['ba']
---> ['ba']

import re

s = "aaa*bb*c"
print(re.findall("[b*]",s))    # 取消元字符

---> ['*', 'b', 'b', '*']

import re

s = "aaa*bb*c"
print(re.findall("[^a,b]",s))　　# 取反

---> ['*', '*', 'c']

• \ 反斜杠
  • 反斜杠后边跟元字符去除其特殊功能

import re

print(re.findall("a\.", "adas123"))
print(re.findall("a\+", "adas123"))

# 结果如下
[]
[]

• • 反斜杠后边跟普通字符实现特殊功能
    • \d 匹配任何十进制数字，[0-9]
    • \D 匹配任何非数字字符　[^0-9]　
    • \s 匹配任何空白字符，[ \t \r \n \f \v]
    • \S匹配任何非空白字符　[^\t \r \n \f \v]　
    • \w 匹配任何字母数字，[0-9，a-z，A-Z]
    • \W 匹配任何非字母数字　[^0-9，a-z，A-Z]
    • \b 匹配一个特殊字符的边界，也就是单词字母与特殊字符的位置　

import re

print(re.findall("\d{11}", "adas1234567890023456789000345"))
print(re.findall("\D{3}", "adas1234567890023456789000345"))
print(re.findall("\s{2}", "ad\n\ra\rsr\t"))
print(re.findall("\S{2}", "ad\na\rsr\t"))
print(re.findall("\w{2}", "ad 123"))
print(re.findall("\W", "ad 123\r"))、
print(re.findall(r"\ba", "Hello, I am Evan"))

# 结果如下
['12345678900', '23456789000']
['ada']
['\n\r']
['ad', 'sr']
['ad', '12']
[' ', '\r']
['a']

import re

# 匹配 \
print(re.findall("\\\\.", "ada\s123"))
print(re.findall(r"\\.", "ada\s123"))

# 结果如下
['\\s']
['\\s']

• （）分组

import re

print(re.findall("as+", "adassjkas"))   # 匹配一次或多次 s
print(re.findall("(as)+", "adassjkas"))     # 匹配一次或多次 as, 将 as 视为一个整体去匹配

# 结果如下
['ass', 'as']
['as', 'as']

• | 或

print(re.findall("ad|2", "adad2"))

---> ['ad', 'ad', '2']

• ?P<alias>  设别名

import re

res = re.search("(?P<name1>w{3})\.(?P<name2>d(.*?)i)\.(?P<name3>cn)", "www.duoceshi.cn")
# ?P 对分组内容取名，<> 内的内容为名称
print(res.group())
print(res.group("name1"))
print(res.group("name2"))
print(res.group("name3"))

# 结果如下
www.duoceshi.cn
www
duoceshi
cn

 

2、re函数

• re.findall()
  • 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。　

import re

print(re.findall("\d","asd123adasd"))   #查找匹配的数字

#结果如下
['1', '2', '3']

• re.search()
  • 扫描整个字符串并返回第一个成功的匹配对象　
  • group() 返回对象结果

import re

print(re.search('www', 'www.duoceshi.com').span())  # 在起始位置匹配
print(re.search('com', 'www.duoceshi.com').span())  # 不在起始位置匹配
print(re.search('d.*i', 'www.duoceshi.com').group())

# 结果如下
(0, 3)
(13, 16)
duoceshi

• re.match()
  • 尝试从字符串的起始位置匹配第一个对象，如果不是起始位置匹配成功的话，match()就返回none。
    • group()　　以str形式返回对象中match的元素　　
    • start()　　返回开始位置　　
    • end()　　返回结束位置　　
    • span()　　以tuple形式返回范围　　

import re
print(re.match('www', 'www.duoceshi.com').span())  # 在起始位置匹配
print(re.match('www', 'www.duoceshi.com').start())  # 在起始位置匹配
print(re.match('www', 'www.duoceshi.com').end())  # 在起始位置匹配
print(re.match('www', 'www.duoceshi.com').group())  # 在起始位置匹配
print(re.match('duo', 'www.duoceshi.com'))  # 不在在起始位置匹配
print(re.match('com', 'www.duoceshi.com'))  # 不在在起始位置匹配

#结果如下
(0, 3)
0
3
www
None
None

• re.split()
  • split 方法按照能够匹配的子串将字符串分割后返回列表　

import re

print(re.split("ce", "duoceshi"))
print(re.split("[o, e]", "duoceshi"))
print(re.split("[d, o, e]", "duoceshi"))

# 结果如下
['duo', 'shi']
['du', 'c', 'shi']
['', 'u', 'c', 'shi']

• re.sub(pattern，repl，string，count=0，flags=0) 替换字符串中的匹配项
  • pattern : 正则中的模式字符串。　　
  • repl : 替换的字符串，也可为一个函数。
  • string : 要被查找替换的原始字符串。
  • count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

import re

print(re.sub("...$", "cn", "www.duoceshi.com"))
print(re.sub("w..", "cn", "www.www.www", count=1))

---> www.duoceshi.cn
---> cn.www.www

• re.compile(pattern)  用于编译正则表达式，生成一个正则表达式（ Pattern ）对象

import re

a = "www.taobao.com"
b = "www.jd.com"
c = "www.baidu.com"
cp = re.compile("\.(.+)\.")
print(cp.findall(a))
print(cp.findall(b))
print(cp.findall(c))

# 结果如下
['taobao']
['jd']
['baidu']

• re.finditer()　　
  • 和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。　　

import re

for i in re.finditer("\d","asd123adasd"):   #查找匹配的数字
    print(i.group())

#结果如下
1
2
3

 

模式	描述
^	匹配字符串的开头
	import re print(re.findall("^t","python")) print(re.findall("^p","python")) #结果如下 [] ['p']
$	匹配字符串的末尾。
	import re print(re.findall("t$","python")) print(re.findall(".n$","python")) #结果如下 [] ['on']
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
	import re print(re.findall(".","python")) print(re.findall("t.","python")) #匹配t + 后面的任意字符 #结果如下 ['p', 'y', 't', 'h', 'o', 'n'] ['th']
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
	import re print(re.findall("a.","asd123adasd")) print(re.findall("a..","asd123adasd")) print(re.findall("a...","asd123adasd")) print(re.findall("[^a]","asd123adasd")) #结果如下 ['as', 'ad', 'as'] ['asd', 'ada'] ['asd1', 'adas'] ['s', 'd', '1', '2', '3', 'd', 's', 'd']
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
	import re print(re.findall("[^th]","python")) #匹配除 th 以外的所有字符 #结果如下 ['p', 'y', 'o', 'n']
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
	import re print(re.findall("y|a","python")) #匹配 y 或 a #结果如下 ['y']
(re)	对正则表达式分组并记住匹配的文本
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

参考：https://www.cnblogs.com/shenjianping/p/11647473.html