正则表达式(regular expression,regex,RE)
- 正则表达式是一种用来简洁表达一组字符串的表达式
- 正则表达式是一种通用的字符串表达框架
- 正则表达式是一种针对字符串表达“简洁”和“特征”思想的工具
- 正则表达式可以用来判断某字符串的特征归属
正则表达式常用操作符
操作符 | 说明 | 实例 |
---|---|---|
. | 表示任意单个字符 | py. 可以匹配pyc,pyy,py!等等 |
[ ] | 字符集,对单个字符给出取值范围 | [abc]可以匹配a或b或c;[0-9a-zA-z\_]可以匹配一个数字、一个字母或者一个下划线 |
[^ ] | 非字符集,对单个字符给出排除范围 | [^abc]可以匹配非a或非b或非c的单个字符 |
* | 前一个字符0次或多次扩展 | abc* 可以匹配ab、abc、abcc、abccc等等 |
+ | 前一个字符的1次或多次扩展 | abc+可以匹配abc、abcc、abccc等等 |
? | 前一个字符0次或1次扩展 | abc?可以匹配ab、abc |
| | 左右表达式任意一个 | abc|def表示abc、def |
{m} | 扩展前一个字符m次 | ab{2}c匹配abbc |
{m,n} | 扩展前一个字符m至n次数(含n) | ab{1,2}c可以匹配abc、abbc |
^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头,^\d表示必须以数字开头 |
$ | 匹配字符串结尾 | abc表示abc且在一个字符串的结尾、\d$白哦是必须以数字结尾 |
( ) | 分组标记,内部只能使用|操作符 | (abc|def)表示abc、def |
\d | 可以匹配一个数字,相当于[0-9] | \d{3}表示匹配3个数字,如010 |
\w | 可以匹配一个字母或者数字或者下划线,相当于[a-zA-Z0-9_] | \w\w\d可以匹配'py3' |
\s | 可以匹配一个空格(也包括Tab等空白字符) | \s+表示至少有一个空格,如' '、' ' |
精确匹配
在正则表达式中,如果直接给出字符,就是精确匹配
- 'pyt' 匹配'pyt'
- '00\d' 可以匹配'007'
- '\w\d' 可以匹配'!5'
- 'ye.' 可以匹配'yes'
- '(P|p)python' 可以匹配'Python'、'python'
高阶精确匹配,经典实例
- ^[A-Za-z]+$ 匹配由26个英文字母组成的字符串,如'abrg'、'abgsfsfga'
- [a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或者下划线开头、后接任意一个由字母、数字或者下划线组成的字符串,也就是python的合法变量
- ^-?\d+$ 匹配整数形式的字符串
- ^[0-9][1-9][0-9]$ 匹配正整数形式的字符串
- [1-9]\d{5} 中国境内邮政编码,6位
- [\u4e00-\u9fa5] 匹配中文字符
- \d{3}-\d{8}|\d{4}-\d{7} 国内电话号码,010-68913536
python正则表达式模块,(Re模块)
- re是python的标准库,主要用于字符串匹配
- re库采用raw string类型(原生字符串类型)表示正则表达式,例如
r'[1-9]\d{5}'
,raw string是不包含对转义符再次转义的字符串 - re库也可以采用string类型表示正则表达,但是较为繁琐,例如
'[1-9]\\d{5}'
re库功能函数
函数 | 说明 |
---|---|
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
re.match() | 从一个字符串的开始位置起匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
re.finditer | 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
re.sub() | 在字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
1. re.search(pattern,string,flags=0)
在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
pattern
:正则表达式的字符串或原生字符串表示string
:待匹配字符串flags
: 正则表达式使用时的控制标记
常用标记 | 说明 |
---|---|
re.I re.IGNORECASE | 忽略正则表达式的大小写,[A-Z]能够匹配小写字符 |
re.M re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始 |
re.s re.DOTALL | 正则表达式中的.操作符能够匹配所有字符串,默认匹配除换行外的所有字符串 |
2. re.match(pattern,string,flags=0)
从一个字符串的开始位置起匹配正则表达式,返回match对象
pattern
:正则表达式的字符串或者原生字符串表示string
:待匹配字符串flags
:正则表达式使用时的控制标记
3. re.findall(pattern,string,flags=0)
搜索字符串,以列表类型返回全部能匹配的字符串
4. re.split(pattern,string,maxsplit=0,flags=0)
将一个字符串按照正则匹配结果进行分割,返回列表类型
maxsplt
:最大分割数,剩余部分作为最后一个元素输出
5. re.finditer(pattern,string,flags=0)
搜索字符串,返回一个匹配结果的迭代类型,每个迭代类型是match对象
6. re.sub(pattern,repl,string,cout=0,flags=0)
在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
repl
:替换匹配字符串的字符串cout
:匹配的最大替换次数
re库的面向对象用法
在python中使用正则表达式的时候,re模块内部会做两件事:
编译正则表达式,如果正则表达式本身不合法,会报错
用编译后的正则表达式去匹配字符串
regex = re.compile(pattern,flags=0) 将正则表达式的字符串形式编译成正则表达式对象
pattern
:正则表达式的字符串或原生字符串表示flags
:正则表达式使用时的控制标记
compile后生成了regular expression对象,由于该1对象包含了正则表达式,所以调用对应的方法不用给出正则字符串
re库的Match对象
- Match对象是一次匹配的结果,包含很多信息
Match对象的属性
属性 | 说明 |
---|---|
.string | 待匹配的文本 |
.re | 匹配使用的pattern对象(正则表达式) |
.pos | 正则表达式搜索文本的开始位置 |
.endpos | 正则表达式搜索文本的结束位置 |
Match对象的方法
方法 | 说明 |
---|---|
.group(0) | 获得匹配后的字符串 |
.start() | 匹配字符串在原始字符串的开始位置 |
.end() | 匹配字符串在原始字符串的结束位置 |
.span() | 返回(.start(),.end())一个元组 |
re库的贪婪匹配和最小匹配
re库默认使用贪婪匹配,即匹配最长的子串
最小匹配
** 最小匹配操作符 **
操作符 | 说明 |
---|---|
*? | 前一个字符0次或者无限次扩展,最小匹配 |
+? | 前一个字符1次或者无限次扩展,最小匹配 |
?? | 前一个字符0次或1次扩展,最小匹配 |
{m,n}? | 扩展前一个字符m至n次(包含n),最小匹配 |
只要输出长度可能不同的,都可以通过在操作符后面加?
变成最小匹配
https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143193331387014ccd1040c814dee8b2164bb4f064cff000
本文由博客群发一文多发等运营工具平台 OpenWrite 发布