python 使用正则表达式

python 使用正则表达式

在python中 正则的操作在 re 模块中

常用方法

import re
# 第一个参数 匹配规则 第二个参数 需要匹配的字符串
# re.match()   
# re.search()  只对字符串查询一次  返回值类型 都是 re.Match  不同点 match 是从头开始 一旦匹配失败 返回None  search 是在整个字符串中查找
# re.findall()  得到所有匹配到的字符串 放入列表中
# re.finditer() 查找所有的匹配到的字符的下标 返回一个可迭代对象 
# re.fullmatch() 需要完全匹配

re.Match 类

m  = re.search('h','hello')
print(m.pos,m.endpos) # 返回的是 字符串长度 0 5
print(m.span()) # 返回的开始 和 结束下标    (0, 1)
print(m.group()) # 返回的是 得到的字符串    h  可以传参    组 以() 分离的正则规则
m.groupdict() # 获得分组组成的字典 (?P<xxx>*) xxx 和其匹配的字符

re.compile 方法的使用

m  = re.search('h','hello')
print(m)  # <re.Match object; span=(0, 1), match='h'>

x = re.compile('h') # 正则规则
print(x.search('hello'))  #<re.Match object; span=(0, 1), match='h'>

正则替换

# 第一个参数是正则表达式
# 第二个参数 是新字符或者函数
# 第三个参数 是要替换的字符串
t = 'hfasifh49594asf329'
print(re.sub(r'\d', 'x', t)) # hfasifhxxxxxasfxxx
def text(x):
    y = int(x.group(0))
    y *=2
    return str(y)
print(re.sub(r'\d', text, t)) # 所有的数字乘2  hfasifh81810188asf6418

贪婪模式和非贪婪模式

# 在python中 默认是贪婪模式 尽可能的多匹配  *
m  = re.search('h.*l','hello')
print(m) # <re.Match object; span=(0, 4), match='hell'>
# 懒惰模式 尽可能的少匹配  ?
n  = re.search('h.?l','hello')
print(n) #  <re.Match object; span=(0, 3), match='hel'>

正则表达式

数字 和 字母 表示其自身

字符	描述
[ABC]	匹配 [...] 中的所有字符，例如 [aeiou] 匹配字符串 "google runoob taobao" 中所有的 e o u a 字母。
[^ABC]	匹配除了 [...] 中字符的所有字符，例如 [^aeiou] 匹配字符串 "google runoob taobao" 中除了 e o u a 字母的所有字母。
[A-Z]	[A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母。
.	匹配除换行符（\n、\r）之外的任何单个字符，相等于 [^\n\r]。

很多字母前面加 \ 会有特殊含义

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\d	匹配数字 等价[0-9]
\D	匹配非数字 等价[ ^0-9 ]
\w	表示数字 字母 及 _ 下划线
\W	非数字字母下划线

大部分标点符号都有特殊含义 如果 要使用 在前面加上 转义字符 \

特别字符	描述
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 $。
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 ( 和 )。
*	匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 *。
+	匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 +。
.	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 . 。
[	标记一个中括号表达式的开始。要匹配 [，请使用 [。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 ?。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\' 匹配 ""，而 '(' 则匹配 "("。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 ^。
{	标记限定符表达式的开始。要匹配 {，请使用 {。
|	指明两项之间的一个选择。要匹配 |，请使用 |。

修饰符

修饰符	含义	描述
i	ignore - 不区分大小写	将匹配设置为不区分大小写，搜索时不区分大小写: A 和 a 没有区别。
g	global - 全局匹配	查找所有的匹配项。
m	multi line - 多行匹配	使边界字符 ^ 和 $ 匹配每一行的开头和结尾，记住是多行，而不是整个字符串的开头和结尾。
s	特殊字符圆点 . 中包含换行符 \n	默认情况下的圆点 . 是 匹配除换行符 \n 之外的任何字符，加上 s 修饰符之后, . 中包含换行符 \n。