代码改变世界

Python正则

2018-05-19 20:39  钱先生  阅读(245)  评论(0)    收藏  举报 
# !/user/bin/python
# -*- coding: utf-8 -*-

import re
# match, 从头开始匹配
a = re.match("192", "inet 地址:192.168.12.44")  # 不匹配, 因为字符串开头不是192.
b = re.match("inet", "inet 地址:192.168.12.44")  # 返回<_sre.SRE_Match object; span=(0, 4), match='inet'>
print(a)
print(b)
print(b.group())  # 返回所有匹配的值.

# 点代表除了\n  之外的任意字符
c = re.match(".+", "inet 地址:192.168.12.44")
print(c)


# /w需要至少匹配一次
d = re.match("/w?", "inet 地址:192.168.12.44")
print(d)


# ?代表匹配一次或零次
d = re.match("/w?", "inet 地址:192.168.12.44")
print(d)

# search 搜索; groups可对字符串中的字符分组
e = re.search("(abc){2}a(123|456)c", "abcabca456c")
print(e.group())  # 返回abcabca456c
print(e.groups())  # 返回('abc', '456')

f = re.search("(\d\d)(\d\d)(\d){2}(\d){4}", "370218198709279908")
print(f.groups())  # (\d\d) 的形式会把匹配的字符都连起来写; (\d){4}的形式会把最后一个字符单个写出来.
                   # 返回('37', '02', '8', '7').
h = re.search("(\d{2})(\d{2})(\d{2})(\d{4})(\d{4})", "370218198709279908")
print(h.groups())  # 返回('37', '02', '18', '1987', '0927'). 把字符串分组


# A 只从字符开头进行匹配
i = re.search("\Aa", "abcabca456c")
print(i.group())  # 返回a


# ^ 以指定字符/数字开头, 和A的作用一样
g = re.search("^37", "370218198709279908")
print(g.group())  # 返回37


# # groupdict 以字典的形式返回匹配的字符串
# k = re.search("(?P<province>[0,9]{4})(?P<city>[0,9]{2})(?P<birthday>[0,9]{4})", "370218198709279908")
# print(k.groupdict())  # TODO 为什么返回AttributeError: 'NoneType' object has no attribute 'groupdict',演示是在Xshell5环境


# # 搜索IP地址
# m = re.search("\d{1,3)\.\d{1,3}\.\d{1,3}\.\d{1,3}", "inet 地址:192.168.12.44") # TODO 为什么报错. 演示是在Xshell5环境
# print(m)
# n = re.search("(\d{1,3)\.){3}", "inet 地址:192.168.12.44")
# print(n)


# findall
o = re.findall("\d+","abcdfewage25435r3")
print(o)  #返回['25435', '3']

p = re.findall("[a-zA-Z]+]", "abjvldAFEWdfh2894AJlfd89AHvhk")
print(p)

q = re.findall("\D+]", "abjvldAFEWdfh2894AJlfd89AHvhk")
print(q)


# sub 替换
r = re.sub("\d+","|","abjvldAFEWdfh2894AJlfd89AHvhk" )  # 将数字替换成|
print(r)  # 返回 abjvldAFEWdfh|AJlfd|AHvhk


# split 拆分
s = re.split("\\\\", r'c:\user\data\python35')
print(s)  # 返回 ['c:', 'user', 'data', 'python35']

 

常用正则表达式符号

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
'.'     默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
'^'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'     匹配字符结尾，或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
'*'     匹配*号前的字符0次或多次，re.findall("ab*","cabb3abcbbac")  结果为['abb', 'ab', 'a']
'+'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?'     匹配前一个字符1次或0次
'{m}'   匹配前一个字符m次
'{n,m}' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|'     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配，re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
 
 
'\A'    只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的
'\Z'    匹配字符结尾，同$
'\d'    匹配数字0-9
'\D'    匹配非数字
'\w'    匹配[A-Za-z0-9]
'\W'    匹配非[A-Za-z0-9]
's'     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
 
'(?P<name>...)' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 结果{'province': '3714', 'city': '81', 'birthday': '1993'}

　　

最常用的匹配语法

1
2
3
4
5
re.match 从头开始匹配
re.search 匹配包含
re.findall 把所有匹配到的字符放到以列表中的元素返回
re.splitall 以匹配到的字符当做列表分隔符
re.sub      匹配字符并替换

反斜杠的困扰
与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

 

仅需轻轻知道的几个匹配模式

1
2
3
re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
S(DOTALL): 点任意匹配模式，改变'.'的行为