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
- 反斜杠后边跟普通字符实现特殊功能
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
- 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。
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
作者:一个老宅男
微信:ZhengYing8887
出处:https://www.cnblogs.com/ZhengYing0813/
备注:本文版权归作者所有,欢迎转载和添加作者微信探讨技术,但未经作者同意必须在文章页面给出原文链接,否则保留追究法律责任的权利。