python 正则表达式

工具：https://codegen.bqrdh.com/regexper

https://www.bilibili.com/video/BV19t4y1y7qP?p=2&spm_id_from=333.851.header_right.history_list.click

 

无需记忆

 

搜索 / 替换 / 解析

06/09 课题：

字符串 分隔  split
shell 命令分隔
re.split
re正则表达式分隔 难度系数大

 

r 代表将字符串转为正则 例: python字符串 '\\$\\d+' =  r"\$\d"

　如 print(r'boy \n friend')
　#boy \n friend

.  点代表任意字符 但不能匹配/n

. 字符 匹配内容和内容前一个 , 成对 , 如果不能成对则无匹配 ;

字符 .  匹配内容和内容后一个 ; 

. . .字符 点代表字符个数

字符 . + 代表字符后面全部

* 星号代表 全部字符串 后面没有内容时 包括

print(re.findall('wo*','wss~w!'))
#代表一个w后面0次或多次的o
#['w', 'w']
print(re.findall('w*','woo~ws!'))
#['woo', 'w']

+ 加号也是代表全部字符串 但后面没有内容时 不包括

[  ] 匹配括号里面的字符 大小写 例子：[0-9] [a-z] [A-Z]

\  特殊字符转义 可以用来匹配特殊字符 例 \- 匹配所有 “-”

print(re.findall('\-','boy-friend'))
#['-']

\s 匹配换行 空格 \S匹配非空白

[\-\s] 匹配 匹配所有 “-” 和 空格

\d 匹配所有数字 等于 [0-9] \D 匹配非数字

\d{3} 花括号代表重复的数字 例：ab{2}为abb

\w 数字 大小写字母

\b 匹配完整单词 例： \b thank \b匹配thank单词而不是thanks ；\B非单词边界print(re.findall(r'\bis\b','this is a boy'))

#['is']

print(re.findall(r'\Ber\B','there'))
#['er']

^ 字符：匹配开头 以这个字符为开头 \A 也表示开头

[^ 字符] 不匹配

字符 $：文本的末尾 即最后一个字符 \Z 也表示结尾

字符 ? 代表字符可以出现或不可以出现 例：有些单词的写法不同 install 和instll  同时匹配的话 是insta?ll

　　 #贪婪和非贪恋差异
　　 print(re.findall('\[.+]',"[abbbb],[abb]"))　　#['[abbbb],[abb]']
　　 print(re.findall('\[.+?]',"[abbbb],[abb]")　　#['[abbbb]', '[abb]']
　　　　再例：print(re.findall('aa?',"wwadss aa"))  #['a', 'aa'] 重点看 看?前匹配的字符 

{数字1,数字2}  例: ad{1,3} 为 ab/abb/abbb

{5,9}?  代表遇到5个数量的数字就不匹配了

　　　【加上问号，非贪婪模式：匹配重复的元字符 总是尽可能少的向后匹配内容】

         【贪婪模式定义】：匹配重复的元字符 总是尽可能多的向后匹配内容 比如： * + ? { m,n }

print(re.findall('ab?',"abbbbb a"))   #['ab', 'a'] 加上问号 代表不贪婪
print(re.findall('ab*?',"abbbb"))     #['a'] *最少的状态是a
print(re.findall('ab+?',"abbbbb"))    #['ab'] *最少的状态是ab

{3,} 代表显示3个以上的数量 

\d + 代表显示 1个以上的数量  =  \d *  代表显示 0 个以上的数量

 

进阶 分组/断言  

( )分组 提取数据时需要 分组的作用：捕获数据 例: (\d{4}) 提取4位数字

｜ 或者

\1 代表(第一组)相同的内容 \2 代表(第二组)相同的内容

(?:表达式) 非捕获分组

 

字符里无小于号为后

喜欢(?=你) ----> 喜欢后面有你

喜欢(?!你)  ----> 喜欢后面无你

字符里有小于号为前

(?<=我)喜欢 ---> 喜欢前面有我

(?<!我)喜欢  ---> 喜欢前面无我

技巧 “我喜欢你"--> (?<!我)喜欢(?=你) = 打印为 “喜欢你” 巧记：‘无我(?<!我)’喜欢‘你(?=你)’

 

匹配字符 ：

. [...] [^...] \d \D \w \W \s \S 

匹配重复：

* + ？{n} {m,n}

匹配位置：

^ $ \A \Z \b \B

其它：

｜ ()  \

模块

re.compile 不能直观地看到结果 生成正则表达式对象，方便后续调用

import re

r = '''hello, i am Tony'''

s = re.compile("\w*o")

print(s)

#re.compile('\\w*o')

t = s.findall(r)

print(t)

#['hello', 'To']

findall调用与compile区别 是compile 可以截取目标字符串

#目标字符串
s = "Alex:1994,Sunny:2000"
pattern = r'(\w+):(\d+)'
#re模块调用 findall
print(re.findall(pattern,s)) #[('Alex', '1994'), ('Sunny', '2000')]
#re模块调用 compile
l = re.compile(pattern)
print(l.findall(s))     #[('Alex', '1994'), ('Sunny', '2000')]
#findall调用与compile区别 是compile 可以截取目标字符串 表示位置上的
print(l.findall(s,0,6))   #[('Alex', '1')] 6代表第五个位置 

for i in range(0,2):
    print(i)
    #0
    #1

re.search() .group()

 print(re.search(r'王|李\w{1,5}','李星星同志,王同学').group()) #李星星同志

 

print(re.search(r'ab+','ababab').group()) #ab
print(re.findall('ab+',"ababab"))#['ab', 'ab', 'ab']

print(re.search(r'(ab)+','ababab').group()) #ababab
print(re.search(r'ab+','ababab').group()) #ab

.group(1) :可以通过编程语言某些接口获取匹配内容，子组对应的内容

(?p<name>pattern)捕获组：子组起名，有名称的子组即为捕获组

print(re.search(r'(https|http|ftp|file)://\S+',"http://www.baidu.com").group(1)) #http
print(re.search(r'(?P<pig>ab)+','ababab').group()) #ababab  
print(re.search(r'(?P<pig>ab)+','ababab').group('pig')) #ab

re.split():

s = "Alex:1994,Sunny:2000"
print(re.split(r'[:,]',s))  #['Alex', '1994', 'Sunny', '2000']

re.finditer():

#返回迭代对象
s = '今年是2019年,建国70周年'
pattern = r'\d+'
it = re.finditer(pattern,s)
#获取match对象对应内容
for i in it:
    print(i.group()) 
    #2019
    #70

re.fullmatch()  完全匹配某个目标字符串 把目标字符串全部匹配出来 完整的

#完全匹配一个字符串 必须是完整的字符串 相当于 已定义开头和结尾 如^\w$
s = '今年是2019年,建国70周年'
# ll = re.fullmatch('\w',s)
# print(ll.group()) 匹配失败 有逗号在'''
ll = re.fullmatch(r'[\W\w]+',s) 
print(ll.group()) #今年是2019年,建国70周年

re.match 匹配某个目标字符串开始位置

#匹配第一个 第一个字符是什么类型就写什么类型 后面有加号对应第一个后的相应字符
print(re.match(r'[\w]+','dd,2s,  ddd ').group())#dd
# print(re.findall('[\w]+',"dd,2s,  ddd "))     #['dd', '2s', 'ddd']

re.search 匹配目标字符串第一个符合内容

print(re.search(r'\d+','2019年是建国70周年').group())#2019

正则表达式属性 （不常用）

regex = re.compile(r'(ab)cd(?P<pig>ef)')
print(regex.flags) #32

'''match 对象属性演示'''

pattern = r'(ab)cd(?P<pig>ef)'

regex = re.compile(pattern)

obj = regex.search('abcdefge',0,7)

 

'''重点''‘ #（属性方法）

print(obj.group()) #abcdef

print(obj.group(1)) #ab

print(obj.group('pig')) #ef #pig组为第二组

#获取match对象匹配内容

#默认为0表示获取整个match对象内容，如果是序列号或者组名则表示对应子组内容

#返回字符串

 

#属性变量
print(obj.pos)     #0  目标字符串开始位置
print(obj.endpos)  #7  目标字符串结束位置
print(obj.re)      #正则
print(obj.string)  #目标字符串 不是截取的
print(obj.lastgroup)#pig 最后一组组名
print(obj.lastindex)#2   最后一组序列号
#属性方法
print(obj.span())   #匹配内容在字符串中位置 #(0, 6)
print(obj.start())  #开始位置 #0
print(obj.end())    #结束位置 #6
print(obj.groupdict())#捕获组字典    {'pig': 'ef'}
print(obj.groups()) #子组对应内容元祖 ('ab', 'ef')

flags参数扩展

s = '''Hello
北京
'''

A == ASCII 元字符只能匹配ASCII码

print(re.compile(r'\w+',flags=re.A).findall(s)) #['Hello']

I   == IGNORECASE 匹配忽略字母大小写

print(re.compile(r'[a-z]+',flags=re.I).findall(s)) #['Hello']

S  == DOTALL 使. 可以匹配换行

print(re.compile(r'.+',flags=re.S).findall(s))#['Hello\n北京\n']

M == MULTILINE 使^$可以匹配每一行的开头结尾位置

print(re.compile(r'^北京',flags=re.M).findall(s))#['北京']
print(re.compile(r'Hello$',flags=re.M).findall(s))#['Hello']

X == VERBOSE 为正则添加注释 （太麻烦 不常用）