正则表达式是用来简洁表达一组字符串的表达式。
编译:将符合正则表达式语法的字符串转换成正则表达式特征
操作符 | 说明 | 实例 |
---|---|---|
. | 表示任何单个字符 | |
[ ] | 字符集,对单个字符给出取值范围 | [abc] 表示 a、b、c,[a‐z] 表示 a 到 z 单个字符 |
[^] | 非字符集,对单个字符给出排除范围 | [^abc] 表示非 a 或 b 或 c 的单个字符 |
* | 前一个字符 0 次或无限次扩展 | abc* 表示 ab、abc、abcc、abccc 等 |
+ | 前一个字符 1 次或无限次扩展 | abc+ 表示 abc、abcc、abccc 等 |
? | 前一个字符 0 次或 1 次扩展 | abc? 表示 ab、abc |
左右表达式任意一个 | ||
{m} | 扩展前一个字符 m 次 | ab{2}c 表示 abbc |
{m,n} | 扩展前一个字符 m 至 n 次(含 n) | ab{1,2}c 表示 abc、abbc |
^ | 匹配字符串开头 | ^abc 表示 abc 且在一个字符串的开头 |
$ | 匹配字符串结尾 | abc$ 表示 abc 且在一个字符串的结尾 |
( ) | 分组标记,内部只能使用 | 操作符 |
\d | 数字,等价于 [0‐9] | |
\w | 单词字符,等价于 [A‐Za‐z0‐9_] |
正则表达式 | 对应字符串 |
---|---|
P(Y | YT |
PYTHON+ | 'PYTHON'、'PYTHONN'、'PYTHONNN' |
PY[TH]ON | 'PYTON'、'PYHON' |
PY[^TH]?ON | 'PYON'、'PYaON'、'PYbON'、'PYcON' |
PY{:3}N | 'PN'、'PYN'、'PYYN'、'PYYYN'… |
re 库是 Python 的标准库,主要用于字符串匹配 re 库采用 raw string 类型表示正则表达式,表示为:r'text',raw string 是不包含对转义符再次转义的字符串。
- 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
match() 函数从字符串的起始位置开始匹配。 如果匹配成功,则返回 match 对象;否则返回 None。 可以用匹配对象的 group() 方法来显示成功匹配的对象。 语法:
- re.match(pattern, string, flags=0)
- >>> importre>>>m=re.match('hello','helloworld')>>>m.group()'hello'
为了保险起见,可以这样写:
- >>> importre>>>m=re.match('hello','helloworld')>>> ifmis not None:# if match:m.group()'hello'
也可以充分利用 Python 的面向对象特性,间接省略中间结果:
- >>> importre>>>re.match('hello','helloworld').group()'hello'
但 match() 函数从字符串的起始位置开始匹配,下面这种情况匹配不到初学者想要的结果:
- >>> importre>>>m=re.match(r'[1-9]\d{5}','BIT 100081')>>>m.group
- Traceback (most recent call last):
- File"<pyshell#16>", line1,in <module>m.groupAttributeError:'NoneType' objecthas no attribute'group'
这可如何是好,且看下一节的 search() 函数。
语法:
- 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 参数:
re.search 的常用标记
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作匹配开始 |
re.S re.DOTALL | 正则表达式中的. 操作符能够匹配所有字符,默认匹配除换行外的所有字符 |
- >>> importre>>>m=re.search(r'[1-9]\d{5}','BIT 100081')>>>m.group'100081'
findall() 函数用来搜索字符串,以列表类型返回全部能匹配的子串。
- re.findall(pattern, string, flags=0)
输入参数:
- >>> importre>>>ls=re.findall(r'[1-9]\d{5}','BIT100081 TSU100084')>>>ls
- ['100081','100084']
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。
语法:
- re.split(pattern, string, maxsplit=0, flags=0)
输入参数:
- >>> importre>>>re.split(r'[1-9]\d{5}','BIT100081 TSU100084')
- ['BIT',' TSU','']>>>re.split(r'[1-9]\d{5}','BIT100081 TSU100084', maxsplit=1)
- ['BIT',' TSU100084']>>>re.split(r'[1-9]\d{5}','BIT100081 TSU100084', maxsplit=2)
- ['BIT',' TSU','']>>>re.split(r'[1-9]\d{5}','BIT100081 TSU100084', maxsplit=3)
- ['BIT',' TSU','']
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 语法:
- re.finditer(pattern, string, flags=0)
- >>> importre>>> forminre.finditer(r'[1-9]\d{5}','BIT100081 TSU100084'):ifm:print(m.group(0))100081
- 100084
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. 语法:
- re.sub(pattern, repl, string, count=0, flags=0)
输入参数:
- >>> importre>>>re.sub(r'[1-9]\d{5}',':zipcode','BIT100081 TSU100084')'BIT:zipcode TSU:zipcode'
将正则表达式的字符串形式编译成正则表达式对象 语法:
- regex=re.compile(pattern, flags=0)
输入参数:
函数式用法:一次性操作
- >>>m=re.search(r'[1-9]\d{5}','BIT 100081')
面向对象用法:编译后的多次操作
- >>>regex=re.compile(r'[1-9]\d{5}')>>>rst=regex.search('BIT 100081')
Match 对象是一次匹配的结果,包含匹配的很多信息
- 属性 说明
- .string 待匹配的文本
- .re 匹配时使用的patter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
- 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())
Re 库默认采用贪婪匹配,即输出匹配最长的子串
- >>>match=re.search(r'PY.*N','PYANBNCNDN')>>>match.group(0)'PYANBNCNDN'
- 操作符 说明
- *? 前一个字符0次或无限次扩展,最小匹配
- +? 前一个字符1次或无限次扩展,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(含n),最小匹配
参考
http://www.icourse163.org/course/BIT-1001870001 https://docs.python.org/3/library/re.html
来源: http://www.cnblogs.com/liutongqing/p/7011071.html