解释
简单来说,正则表达式就是一种字符串的匹配模式,查找一个字符串中是否有我们所需要的的子串
在python中正则是在re
库里面,故我们用正则需要导入这个内置库
import re
元字符
:元字符使正则表达式具有处理能力。所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符,比如这些: * + {} [] () | \ ^ $ 等等
re. match
函数
原型: match(pattern, string, flags=0)
参数
:
- patter:匹配的正则表达式
- string:要匹配的字符串
- flags:标志位,用于控制正则表达式的匹配方式,值如下
匹配方式 | 含义 |
---|---|
re.I | 忽略大小写 |
re.L | 做本地户识别 |
re.M | 多行匹配,影响^和$ |
re.S | 使.匹配包括换行符在内的所有字符,没有此标志,’.'将匹配除换行符以外的任何内容。 |
re.U | 根据Unicode字符集解析字符,影响\w \W \b \B |
re.X | 使我们以更灵活的格式理解正则表达式 |
功能
:尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配,成功的话,返回None
示例:
print(re.match("www", "www.baidu.com")) # <_sre.SRE_Match object; span=(0, 3), match='www'>
print(re.match('www', ".bwwwaidu.com")) # None
扫描整个字符串,返回从起始位置成功的匹配
re.I
含义:忽略大小写
示例:
print(re.match("www", "wwW.baidu.com", flags=re.I)) # <_sre.SRE_Match object; span=(0, 3), match='wwW'>
re.L
含义:忽略大小写
让\w,\W,\b,\B和区分大小写的匹配取决于当前的语言环境。该标志只能与字节模式一起使用。不建议使用此标志
,因为语言环境机制非常不可靠,它一次只能处理一种“区域性”,并且仅适用于8位语言环境。默认情况下,Python 3中已为Unicode(str)模式启用了Unicode匹配,并且能够处理不同的语言环境/语言。
笔者也不知道该怎么示例,请见谅
re.M
含义:多行匹配,影响^和$
建议:findall()是扫描整个字符串,并返回结果列表
示例:
不使用re.M
的效果
# 不使用re.M
s = """
www
.
baidu
.com
awww
"""
print(re.findall("^www", s))
运行结果:
[]
使用re.M
的效果
# 使用re.M
s = """
www
.
baidu
.com
awww
"""
print(re.findall("^www", s, flags=re.M))
运行结果:
['www']
结果显而易见,re.M
是每一行都匹配一下
re.S
含义:使.匹配包括换行符在内的所有字符,没有此标志,’.'将匹配除换行符以外的任何内容。
建议:search()是扫描整个字符串,并返回第一个成功的匹配
示例:
s = "\nwww.baidu.com"
print(re.search(r".", s))
print(re.search(r".", s, flags=re.S))
运行结果:
<_sre.SRE_Match object; span=(1, 2), match='w'>
<_sre.SRE_Match object; span=(0, 1), match='\n'>
re.U
含义:根据Unicode字符集解析字符,影响\w \W \b \B
笔者个人感觉没什么用,将\w \W \s \S等这些元字符按照 Unicode 的标准来考虑
re.U
在 Python 3 中没有了, 只在 Python 2 中才有作用
re.X
含义:这个选项忽略规则表达式中的空白和注释,并允许使用 ’#’ 来引导一个注释。这样可以让你把规则写得更美观些。
示例:
rc = re.compile(r"""
# 开始第一个数字匹配
/d+
# 或者字母
|
# +的意思是匹配更多
[a-zA-Z]+
# 反正这个可以被允许写注释
""", re.X)
res = rc.match('abcd')
print(res.group())
运行结果:
abcd
匹配空白符
rc = re.compile(r"""
# 开始匹配规则
# 匹配一个或多个空格,也可以用"\s+"代替
\ +
""", re.X)
res = rc.match(' 11') # 字符串包含三个空格
print(res)
print('+%s+' % res.group())
运行结果:
<_sre.SRE_Match object; span=(0, 3), match=' '>
+ +
re. findall
函数
原型: findall(pattern, string, flags=0)
参数
:
- patter:匹配的正则表达式
- string:要匹配的字符串
- flags:标志位,用于控制正则表达式的匹配方式,值如上
功能
:扫描整个字符串,并返回结果列表
print(re.findall("ww", "fbeaskfww")) # <_sre.SRE_Match object; span=(7, 9), match='ww'>
re. search
函数
原型: search(pattern, string, flags=0)
参数
:
- patter:匹配的正则表达式
- string:要匹配的字符串
- flags:标志位,用于控制正则表达式的匹配方式,值如上
功能
:扫描整个字符串,并返回第一个成功的匹配
print(re.search("ww", "wwhuhdiww")) # ['ww', 'ww']
匹配单个字符与数字
匹配方式 | 含义 |
---|---|
.<–(这是个点,颜色有点浅) | 匹配除换行符以外的任意字符 |
[0123456789] | []是字符集合,表示匹配方括号中所包含的任意一一个字符 |
[jack] | 匹配’j’, ‘a’, ‘c’, 'k’中任意一个字符 |
[a-z] | 匹配任意小写字母 |
[A-Z] | 匹配任意大写字母 |
[0-9] | 匹配任意数字,类似[0123456789] |
[0-9a-zA- z] | 匹配任意的数字和字母 |
[0-9a-zA-Z_] | 匹配任意的数字、字母和下划线 |
[^jack] | 匹配除了’j’, ‘a’, ‘c’, 'k’这几个字母以外的所有字符,中括号里的^称为脱字符,表示不匹配集合中的字符 |
[^0-9] | 匹配所有的非数字字符 |
\d | 匹配数字,效果同[0-9] |
\D | 匹配非数字字符,效果同[^ 0-9] |
\w | 匹配数字,字母和下划线,效果同[0-9a-zA-Z_] |
\W | 匹配非数字,字母和下划线,效果同[^0-9a-zA-Z] |
\s | 匹配任意的空白符(空格,换行,回车,换页,制表),效果同[ \f\n\r\t] |
\S | 匹配任意的非空白符,效果同[^ \f\n\r\t] |
举个例子(其他的都差不多,这个暂举4个例子):
print(re.findall(".", "jack")) # ['j', 'a', 'c', 'k']
print(re.findall("[a-z]", "jack")) # ['j', 'a', 'c', 'k']
print(re.findall("[0-9]", "jack123")) # ['1', '2', '3']
print(re.findall("[^jack]", "jack123")) # ['1', '2', '3']
锚字符(边界字符)
匹配方式 | 含义 |
---|---|
^ | 行首匹配,和在[]里的^不是一个意思 |
$ | 行尾匹配 |
\A | 匹配字符串开始,它和^的区别是,\A只匹配整个字符串的开头,即使在re.M模式下也不会匹配它的行首 |
\Z | 匹配字符串行尾,它和$的区别是,\A只匹配整个字符串的行尾,即使在re.M模式下也不会匹配它的行尾首 |
\b | 匹配一个单词的边界,也就是指单词与空格间的位置('boy’可以匹配Niceboy,但是不能匹配单词的中间) |
\B | 匹配一个非单词边界 |
举个例子(其他的都差不多,这个暂举3个例子):
print(re.search("^jack", "jack is a good man")) # <_sre.SRE_Match object; span=(0, 4), match='jack'>
print(re.search("jack$", "The cat is this jack")) # <_sre.SRE_Match object; span=(16, 20), match='jack'>
print(re.search("\Ajack", "jack is a nice boy")) # <_sre.SRE_Match object; span=(0, 4), match='jack'>
\A
与^
的区别
print(re.findall("^jack", "jack is good boy\njack is good boy", re.M)) # ['jack', 'jack']
print(re.findall("\Ajack", "jack is good boy\njack is good boy", re.M)) # ['jack']
\Z
与$
的区别
print(re.findall("boy$", "jack is good boy\njack is good boy", re.M)) # ['boy', 'boy']
print(re.findall("boy\Z", "jack is good boy\njack is good boy", re.M)) # ['boy']
\b
与\B
print(re.search(r"boy\b", "Niceboy")) # <_sre.SRE_Match object; span=(4, 7), match='boy'>
print(re.search(r"ce\b", "Niceboy")) # None
print(re.search(r"boy\B", "Niceboy")) # None
print(re.search(r"ce\B", "Niceboy")) # <_sre.SRE_Match object; span=(2, 4), match='ce'>
匹配多个字符
说明:下方的x、 y、z均为假设的普通字符,不是正则表达式的元字符
匹配方式 | 含义 | 注 |
---|---|---|
x? | 匹配0个或者1个x | 非贪婪匹配 |
x* | 匹配0个或者任意多个x | 贪婪匹配 |
x+ | 匹配至少一个x | 贪婪匹配 |
x{n} | 匹配确定的n个x (n是一个非负整数) | |
x{n,} | 匹配至少n个x | 贪婪匹配 |
x{n,m} | 匹配至少n个x最多m个x 注意:n <= m | |
x|y | | 表示或,匹配的是x或y | |
(xyz) | 匹配小括号内的xyz(作为一个整体去匹配) |
a?
匹配0个或者1个a
非贪婪匹配(尽可能少的匹配)
print(re.findall(r"a?", "jack is a boy")) # ['', 'a', '', '', '', '', '', '', 'a', '', '', '', '', '']
因为它可以匹配0个,所以会有’ '的存在
a*
匹配0个或者任意多个a
贪婪匹配(尽可能多的匹配)
print(re.findall(r"a*", "aaabaa")) # ['aaa', '', 'aa', '']
因为它可以匹配0个,所以会有’ '的存在
a+
匹配至少一个a
贪婪匹配(尽可能多的匹配)
print(re.findall(r"a+", "aaabaaaa")) # ['aaa', 'aaaa']
a{n}
匹配确定的n个a (a是一个非负整数)
print(re.findall(r"a{3}", "aaabaaaa")) # ['aaa', 'aaa']
a{n,}
匹配至少n个a
贪婪匹配(尽可能多的匹配)
print(re.findall(r"a{3,}", "aaabaaaa")) # ['aaa', 'aaaa']
a{n,m}
匹配至少n个x最多m个x 注意:n <= m
print(re.findall(r"a{3,6}", "aaaabaaaaaaaa")) # ['aaaa', 'aaaaaa']
a|b
| 表示或,匹配的是a|b
print(re.findall(r"a|A", "aaabaAaa")) # ['a', 'a', 'a', 'a', 'A', 'a', 'a']
(abc)
匹配小括号内的abc(作为一个整体去匹配)
print(re.findall(r"((j|J)ack)", "jack--Jack")) # [('jack', 'j'), ('Jack', 'J')]
特殊
*? +? x?
最小匹配,通常都是尽可能多的匹配,可以使用这种解除贪婪匹配
(?:x)
类似(xyz),但不表示一个组
例子:
# /* part1 */ /* part2 */
print(re.findall(r"//*.*/*/", r"/* part1 */ /* part2 */")) # ['/* part1 */ /* part2 */']
print(re.findall(r"//*.*?/*/", r"/* part1 */ /* part2 */")) # ['/* part1 */', '/* part2 */']
尽可能少的去匹配
这里解释一下:
//*
中的第一个斜杠,实际上就是斜杠。第二个斜杠是转义的*
- 中间的
.*
,.
代表除换行符以外的任意字符嘛,*
是0个或者任意多个.
嘛,相当于任意多个换行符以外的字符
re模块的深入
re.split
函数 – -- – 优秀的字符串切割
加工厂
这是普通的字符串切割
str1 = "jack is a good boy"
# 这是普通的字符串切割
print(str1.split(" ")) # ['jack', '', '', 'is', '', 'a', '', 'good', '', '', 'boy']
如果要去除这些小空格
的话,还有用循环之后判断来去除,挺麻烦的(好吧,其实也不是特别麻烦)
下面我们用re.split
函数来切割一下
str1 = "jack is a good boy"
print(re.split(r" +", str1)) # ['jack', 'is', 'a', 'good', 'boy']
这里的+
前面是有小空格
的,小空格
和+
组合起来,就是匹配至少一个空格,然后直接去除
re. finditer
函数
原型: finditer (pattern,string, flags=0)
参数
:
- patter:匹配的正则表达式
- string:要匹配的字符串
- flags:标志位,用于控制正则表达式的匹配方式
功能
:与findall类似, 扫描整个字符串,返回的是一个迭代器
str2 = "jack is a good boy! jack is a good boy! jack is a good boy!"
d = re.finditer(r"(jack)", str2)
while True:
try:
l = next(d)
print(l)
except StopIteration as e:
break
运行结果:
<_sre.SRE_Match object; span=(0, 4), match='jack'>
<_sre.SRE_Match object; span=(20, 24), match='jack'>
<_sre.SRE_Match object; span=(40, 44), match='jack'>
因为是迭代器
,所以它如果最后取不到值的话,会报错的,故我们要这里取到错误之后终止程序
re.sub
与re.subn
函数
字符串的替换和修改
原型:sub (pattern, repl, string, count=0)
原型:subn (pattern, repl, string, count=0)
参数
:
- pattern:正则表达式 (规则)
- repl:指定的用来替换的字符串
- string:目标字符串
- count:最多替换次数
功能
: 在目标字符串中以正则表达式的规则匹配字符串,再把他们替换成指定的字符串。可以指定替换的次数,如果不指定,替换所有的匹配字符串
区别
:
sub
返回一个被替换的字符串subn
返回一个元组,第一个元素被替换的字符串,第二个元素表示被替换的次数
str3 = "jack is a good good good boy"
print(re.sub(r"(good)", "nice", str3)) # jack is a nice nice nice boy
print(type(re.sub(r"(good)", "nice", str3))) # <class 'str'>
print(re.subn(r"(good)", "nice", str3)) # ('jack is a nice nice nice boy', 3)
print(type(re.subn(r"(good)", "nice", str3))) # <class 'tuple'>
分组
概念
:除了简单的判断是否匹配之外,正则表达式还有提取子串的功能。用()表示的就是提取分组
例子:
- 使用序号获取对应组的信息,group(0)一直代表的原始字符串
str4 = "110-123456"
m = re.match(r"(\d{3})-(\d{6})", str4)
print(m.group(0)) # 110-123456
print(m.group(1)) # 110
print(m.group(2)) # 123456
- 查看匹配的各组的情况
print(m.groups()) # ('110', '123456')
- 命名 (?P<名字>)
t = re.match(r"(?P<first>\d{3})-(?P<last>\d{6})", str4)
print(t.group("first")) # 110
re.compile
函数
原型: compile(pattern,flags=0)
参数
:
- patter:要编译的正则表达式
- flags(一般我们不用):标志位,用于控制正则表达式的匹配方式
编译:当我们使用正则表达式时,re模块会干两件事
- 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对象
我们普通的使用一个match
函数
pat = r"^1(([3578]\d)|(47))\d{8}$"
print(re.match(pat, "13000000000")) # <_sre.SRE_Match object; span=(0, 11), match='13000000000'>
编译成正则对象后
pat = r"^1(([3578]\d)|(47))\d{8}$"
re_telephone = re.compile(pat)
print(re_telephone.match("13000000000")) # <_sre.SRE_Match object; span=(0, 11), match='13000000000'>
好吧,其实是一样的,但是帅的人都用编译的方式
因为,简单快捷,编译成对象之后我们可以直接使用对象就行了,这样方便一点
感谢观看,如有疑问或补充的,不胜感激!!