正则表达式
前言
这里收集了在python中的正则表达式的常用使用方法，更多详细规则请移步官方文档。
在线验证
进入网址，即可即时验证正则表达式处理是否正确。
点
匹配所有除换行符外的单个字符。
eg: .色即可匹配所有的“某色”词。
星号
表示匹配前面的子表达式的任意次，包括0次。
eg: 我想：.*。可匹配到包括“我想：”以及“。”在内的后面所有字符，即使“我想：”后面什么都没有也能匹配。
加号
表示匹配前面的子表达式的一次或多次，不包括0次。
eg: 我想：.*。可匹配到包括“我想：”以及“。”在内的后面所有字符，若“我想：”后面什么都没有则不能匹配到该行。
问号
表示匹配前面的子表达式0次或1次。
eg: 大?张伟则可以匹配到“张伟”和“大张伟”两个词。
花括号
花括号表示 前面的字符匹配 指定的次数。
eg: 啦{3}只能匹配到“啦啦啦”，而不能匹配到“啦啦”、“啦啦啦啦”等更少或更多个“啦”的词，而啦{2,4}则能匹配到最少2个“啦”到最多4个“啦”之间的全由“啦”组成的词，啦{2,}则能匹配到最少2个“啦”的全由“啦”组成的词。
贪婪模式和非贪婪模式
"<html><head><title>Title</title>"在该字符串中想要获取到“<>”内的每个词的话，若直接使用<.*>则只能得到"<html><head><title>Title</title>"原原本本的一整串字符串，这是因为* , + , ?都是贪婪的，他们都会尽可能地囊括更大的范围，显然在该字符串中，第一个字符和最后一个字符恰好满足了匹配规则的首尾，而中间则全被.*匹配，无视中间出现的“>”字符。
要解决这个问题，就需要用到非贪婪模式，用法是在.*后面加?，变成.*?。
对元字符的转译
如果我们要匹配的内容本身就包含前面的那些特殊字符如. , + , ? , *等，我们可以在这些字符前加上\即能匹配这些字符本身。
eg: 咦\?可以匹配“咦?”包含问好的词，若是没有反斜杠则?会作为特殊符号不会被匹配。
匹配某种字符类型
反斜杠后面接一些字符，表示匹配某种类型的一个字符。
\d匹配0~9之间的任意一个数字字符，等效于[0-9]
\D匹配除0~9外的任意一个字符，等效于[^0-9]
\s匹配任意一个空白字符，包括tab、换行、回车，等效于[\t\n\r\v\f]
\S匹配任意一个非空白字符，等效于[^\t\n\r\v\f]
\w匹配任意一个文字字符，等效于[0-9a-zA-Z_]
\W匹配任意一个非文字字符，等效于[^0-9a-zA-Z_]
\b不匹配任何字符，仅表示单词边界，例如，正则表达式\bcat\b可以匹配 "cat" 这个单词，但不能匹配 "category" 中的 "cat"
反斜杠也可以用在方括号里面，比如 [\s,.] 表示匹配 ： 任何空白字符， 或者逗号，或者点
方括号
方括号表示要匹配 指定的几个字符之一 。
eg: [abc]匹配a，b或者c中的一个字符，等效于[a-c]，中间的“-”表示范围从a到c。
另外，之前的特殊字符在方括号内也变得普通，不再具有特殊含义，如[akm.]匹配a，k，m或者“.”中的任意一个字符，这里的“.”在括号内只是普通字符，就匹配“,”这个字符本身。
起始、结尾位置和单行多行模式
^ 表示匹配文本的开头位置。
$ 表示匹配文本的结尾位置。
正则表达式可以设定单行模式和多行模式。
如果是单行模式，表示匹配整个文本的开头位置。
如果是多行模式，表示匹配文本每行的开头位置。
001-苹果价格-60
002-橙子价格-70
003-香蕉价格-80
eg: ^\d+能匹配上面字符串中开头的数字，若为单行模式则只能匹配到“001”，而若为多行模式则下面两行的“002”和“003”也能匹配到，同理\d+$能匹配上面字符串末尾的数字，若为单行模式则只能匹配到“60”，而若为多行模式则下面两行的“70”和“80”也能匹配到。
竖线
|表示匹配其中之一。
要特别注意的是，竖线的优先级在正则表达式中是最低的，这就意味着，竖线隔开的部分就是一个整体。
eg: 黄色|绿中能匹配到“黄色”或“绿”，而不是“黄色”或“黄绿”。
括号
()称之为正则表达式的组选择。
组就是把正则表达式匹配的内容其中某些部分标记为某个组，我们可以在正则表达式中标记多个组。
这能帮助我们在已经匹配到的内容里获取某些部分的核心。
eg: (.*),就能获得一句话中“,”前面的不包括“,”的所有字符，而若没有括号，则获得的字符会包含“,”。
content = '''苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的'''
import re
p = re.compile(r'^(.*)，', re.MULTILINE) # 第二个参数代表设置为多行模式，缺省是单行模式
for one in p.findall(content):
print(one)
让点匹配换行符
有时候需要点匹配换行符，可以使用DOTALL参数。
p = re.compile(r'class=\"t1\">.*?<a>(.*?)</a>', re.DOTALL) # 现在'.'能够匹配诸如'\n'、'\r'之类的符号了
切割字符串
字符串的split方法只适用于简单的字符串切割，使用正则表达式让字符串切割变得更灵活吧。
import re
names = '关羽; 张飞, 赵云, 马超, 黄忠 李逵'
namelist = re.split(r'[;,\s]\s*', names)
print(namelist)
字符串替换
匹配模式替换
字符串的replace方法只适用于简单的字符串替换，使用正则表达式让字符串替换变得更灵活吧。
import re
names = '''
下面是这学期要学习的课程：
<a href='https://www.bilibili.com/video/av66771949/?p=1' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是牛顿第2运动定律
<a href='https://www.bilibili.com/video/av46349552/?p=125' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是毕达哥拉斯公式
<a href='https://www.bilibili.com/video/av90571967/?p=33' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是切割磁力线
'''
newStr = re.sub(r'/av\d+?/', '/cn345677/' , names) # 第二个参数是替换的内容，第三个参数是原字符串
print(newStr)
sub方法也是替换字符串，但是被替换的内容用正则表达式来表示所有符合特征的字符串。
指定替换函数
刚才的例子中，我们用来替换的是一个固定的字符串 “/cn345677/”。
如果，我们要求，替换后的内容是原来的数字+6， 比如“/av66771949/”替换为“/av66771955/”。
怎么办？
这种更加复杂的替换，我们可以把 sub的第2个参数指定为一个函数，该函数的返回值，就是用来替换的字符串。
import re
names = '''
下面是这学期要学习的课程：
<a href='https://www.bilibili.com/video/av66771949/?p=1' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是牛顿第2运动定律
<a href='https://www.bilibili.com/video/av46349552/?p=125' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是毕达哥拉斯公式
<a href='https://www.bilibili.com/video/av90571967/?p=33' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是切割磁力线
'''
# 替换函数，参数是 Match对象
def subFunc(match):
# Match对象 的 group(0) 返回的是整个匹配上的字符串，
src = match.group(0)
# Match对象 的 group(1) 返回的是第一个group分组的内容
number = int(match.group(1)) + 6
dest = f'/av{number}/'
print(f'{src} 替换为 {dest}')
# 返回值就是最终替换的字符串
return dest
newStr = re.sub(r'/av(\d+?)/', subFunc , names)
print(newStr)
获取的组内字符串如下：
match.group(0) # 获取整个匹配字符串
match.group(1) # 获取第1个组内字符串
match.group(2) # 获取第2个组内字符串
# 在Python 3.6以后的版本有更简洁的写法如下：
match[0]
match[1]
match[2]
?xxpattern形式
?:pattern
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。
?=pattern
正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
?!pattern
正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
?<=pattern
反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。
?<!pattern
反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。
浙公网安备 33010602011771号