re模块

re模块

一、正则表达式中常用的字符

1.11个元字符

①.匹配任意字符，‘\n’除外

 

1 import re 2 print(re.findall('a.c', 'abcjkhkjfagc'))

 

['abc', 'agc']

②*匹配前一个字符0次或多次

1 import re 2 print(re.findall('ab*', 'abbbdsdsdabbja')) ['abbb', 'abb', 'a']

③+匹配前一个字符至少一次或者多次

1 import re 2 print(re.findall('ab+', 'abbbdsdsdabbja')) ['abbb', 'abb']

发现了没有，一样的例子用+匹配到的结果比用*匹配到的结果少了一个，因为+要求前一个字符至少匹配一次，所以你会发现在使用+匹配的时候那个‘a’是匹配不上的

④？匹配前一个字符0次或者一次

import re print(re.findall('ab?', 'abbbdsdsdabbja')) ['ab', 'ab', 'a']

⑤^匹配字符串开头。在多行模式中匹配每一行的开头

1 import re 2 print(re.findall('^ab', 'abbbdsdsdabbja')) ['ab']

⑥匹配字符串末尾，在多行模式中匹配每一行的末尾

1 import re 2 print(re.findall('ab$', 'abbbdsdsdabbjab')) ['ab']

⑦或。匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式

1 import re 2 print(re.findall('ab|bj', 'abbbdsdsdabbjab')) ['ab', 'ab', 'bj', 'ab']

⑧{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次

1 import re 2 print(re.findall('ab{0}', 'abbbbbbbbbbbbdas')) 3 print(re.findall('ab{5}', 'abbbbbbbbbbbbdas')) 4 print(re.findall('ab{0,2}', 'abbbbbbbbbbbbdas')) 5 print(re.findall('ab{2,3}', 'abbbbbbbbbbbbdas')) 6 print(re.findall('ab{2,}', 'abbbbbbbbbbbbdas')) ['a', 'a'] ['abbbbb'] ['abb', 'a'] ['abbb'] ['abbbbbbbbbbbb']

⑨被括起来的表达式将作为分组，从表达式左边开始没遇到一个分组的左括号“（”，编号+1.分组表达式作为一个整体，可以后接数量词。表达式中的|仅在该组中有效。

1 import re 2 print(re.findall('ab(ghj|c)', 'abghjdjsadkajsdabc')) ['ghj', 'c']

⑩转义字符，使后一个字符改变原来的意思

反斜杠后边跟元字符去除特殊功能；（即将特殊字符转义成普通字符）反斜杠后边跟普通字符实现特殊功能；（即预定义字符）引用序号对应的字组所匹配的字符串。

十一：[]字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。

所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。

 

 

1 import re 2 print(re.findall('a[a-g]{2}', 'abghjdjsadkajsdabc'))

 

['abg', 'abc'] 1 import re 2 print(re.findall('a[^a-g]{2}', 'a546bghjdjsadkajsdabc')) ['a54', 'ajs'] import re print(re.findall('[\(\)]', 'a546bghjda(5+2)dkajsdabc')) ['(', ')']

2、预定义字符集

 

\d 数字:[0-9] a\bc a1c \D 非数字:[^\d] a\Dc abc \s 匹配任何空白字符:[<空格>\t\r\n\f\v] a\sc a c \S非空白字符:[^\s] a\Sc abc \w 匹配包括下划线在内的任何字字符:[A-Za-z0-9_] a\wc abc \W 匹配非字母字符，即匹配特殊字符 a\Wc a c \A 仅匹配字符串开头,同^\Aabc abc \Z 仅匹配字符串结尾，同$ abc\Z abc \b 匹配\w和\W之间，即匹配单词边界匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。\babc\ba\b!bc空格abc空格a!bc \B [^\b]

 

****使用正则表达式提取表达式2+5*98+（1+（2*5））最里面的括号里面的值

1 import re 2 print(re.findall('\([^()]*\)', '2+5*98+(1+(2*5))')) ['(2*5)']

 3.特殊的分组用法

(?P<name>) 分组，除了原有的编号外再指定一个额外的别名(?P<id>abc){2} abcabc (?P=name) 引用别名为<name>的分组匹配到字符串(?P<id>\d)abc(?P=id) 1abc1 5abc5 \<number> 引用编号为<number>的分组匹配到字符串(\d)abc\1 1abc1 5abc5

二、正则表达式中常用功能函数

 

1、compile()

 

编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）

 

格式：

 

re.compile(pattern,flags=0)

 

pattern: 编译时用的表达式字符串。

 

flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的flags有：

标志 含义 re.S(DOTALL) 使.匹配包括换行在内的所有字符 re.I（IGNORECASE） 使匹配对大小写不敏感 re.L（LOCALE） 做本地化识别（locale-aware)匹配，法语等 re.M(MULTILINE) 多行匹配，影响^和$ re.X(VERBOSE) 该标志通过给予更灵活的格式以便将正则表达式写得更易于理解 re.U 根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r'\w*oo\w*') print(rr.findall(tt)) #查找所有包含'oo'的单词 执行结果如下： ['good', 'cool']

2、match()

决定RE是否在字符串刚开始的位置匹配。//注：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'

格式：

re.match(pattern, string, flags=0)

print(re.match('com','comwww.runcomoob').group()) print(re.match('com','Comwww.runcomoob',re.I).group()) 执行结果如下： com com

3、search()

 格式：

re.search(pattern, string, flags=0)

re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

print(re.search('\dcom','www.4comrunoob.5com').group()) 执行结果如下： 4com

*注：match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：

group() 返回被 RE 匹配的字符串start() 返回匹配开始的位置end() 返回匹配结束的位置span() 返回一个元组包含匹配 (开始,结束) 的位置group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。

a. group（）返回re整体匹配的字符串，b. group (n,m) 返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常c.groups（）groups() 方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups()不需要参数，返回一个元组，元组中的元就是正则表达式中定义的组。 

import re a = "123abc456" print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)) #123abc456,返回整体 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)) #123 print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)) #abc print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)) #456###group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。###

4、findall()

re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。

 格式：

re.findall(pattern, string, flags=0)

p = re.compile(r'\d+') print(p.findall('o1n2m3k4')) 执行结果如下： ['1', '2', '3', '4'] import re tt = "Tina is a good girl, she is cool, clever, and so on..." rr = re.compile(r'\w*oo\w*') print(rr.findall(tt)) print(re.findall(r'(\w)*oo(\w)',tt))#()表示子表达式 执行结果如下： ['good', 'cool'] [('g', 'd'), ('c', 'l')]

5、finditer()

 搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。找到 RE 匹配的所有子串，并把它们作为一个迭代器返回。

格式：

re.finditer(pattern, string, flags=0)

iter = re.finditer(r'\d+','12 drumm44ers drumming, 11 ... 10 ...') for i in iter: print(i) print(i.group()) print(i.span()) 执行结果如下： <_sre.SRE_Match object; span=(0, 2), match='12'> 12 (0, 2) <_sre.SRE_Match object; span=(8, 10), match='44'> 44 (8, 10) <_sre.SRE_Match object; span=(24, 26), match='11'> 11 (24, 26) <_sre.SRE_Match object; span=(31, 33), match='10'> 10 (31, 33)

6、split()

按照能够匹配的子串将string分割后返回列表。

可以使用re.split来分割字符串，如：re.split(r'\s+', text)；将字符串按空格分割成一个单词列表。

格式：

re.split(pattern, string[, maxsplit])

maxsplit用于指定最大分割次数，不指定将全部分割。

print(re.split('\d+','one1two2three3four4five5')) 执行结果如下： ['one', 'two', 'three', 'four', 'five', '']

7、sub()

使用re替换string中每一个匹配的子串后返回替换后的字符串。

格式：

re.sub(pattern, repl, string, count)

import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print(re.sub(r'\s+', '-', text)) 执行结果如下： JGood-is-a-handsome-boy,-he-is-cool,-clever,-and-so-on...

其中第二个函数是替换后的字符串；本例中为'-'

第四个参数指替换个数。默认为0，表示每个匹配项都替换。

re.sub还允许使用函数对匹配项的替换进行复杂的处理。

如：re.sub(r'\s', lambda m: '[' + m.group(0) + ']', text, 0)；将字符串中的空格' '替换为'[ ]'。

import re text = "JGood is a handsome boy, he is cool, clever, and so on..." print(re.sub(r'\s+', lambda m:'['+m.group(0)+']', text,0)) 执行结果如下： JGood[ ]is[ ]a[ ]handsome[ ]boy,[ ]he[ ]is[ ]cool,[ ]clever,[ ]and[ ]so[ ]on...

8、subn()

 返回替换次数

格式：

subn(pattern, repl, string, count=0, flags=0)

print(re.subn('[1-2]','A','123456abcdef')) print(re.sub("g.t","have",'I get A, I got B ,I gut C')) print(re.subn("g.t","have",'I get A, I got B ,I gut C')) 执行结果如下： ('AA3456abcdef', 2) I have A, I have B ,I have C ('I have A, I have B ,I have C', 3)

三、小实践

 

1、匹配电话号码

 

p = re.compile(r'\d{3}-\d{6}') print(p.findall('010-628888'))

 

2、匹配IP

 

re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")

 

转载于:https://www.cnblogs.com/hexiaoqi/p/9378944.html