re 模块, 正则匹配操作
正则表达式常用匹配规则:
. 匹配任意字符, 但是不能匹配换行符
\d 匹配任意数字
\D 匹配任意的非数字
\s 匹配的是空白字符 (包括:\n,\t,\r 和空格)
\w 匹配的是 a-z 和 A-Z 以及数字和下划线
\W 匹配的是和 \ w 相反的
[] 组合的方式, 只要满足中括号中的某一项都算匹配成功
之前讲到的几种匹配规则, 其实可以使用中括号的形式来进行替代:
- \d:[0-9]
- \D:0-9
- \w:[0-9a-zA-Z_]
- \W:[^0-9a-zA-Z_]
匹配多个字符:
*: 可以匹配 0 或者任意多个字符
+: 可以匹配 1 个或者多个字符
?: 匹配的字符可以出现一次或者不出现 (0 或者 1)
{m}: 匹配 m 个字符
{m,n}: 匹配 m-n 个字符
^(脱字号): 表示以... 开始
$: 表示以... 结束
|: 匹配多个表达式或者字符串
贪婪模式: 正则表达式会匹配尽量多的字符. 默认是贪婪模式.
非贪婪模式: 正则表达式会尽量少的匹配字符.
re 模块中常用函数:
match: 从开始的位置进行匹配. 如果开始的位置没有匹配到. 就直接失败了.
- text = 'hello'
- ret = re.match('h',text)
- print(ret.group())
- >> h
- search:
在字符串中找满足条件的字符. 如果找到, 就返回. 说白了, 就是只会找到第一个满足条件的.
- text = 'apple price $99 orange price $88'
- ret = re.search('\d+',text)
- print(ret.group())
- >> 99
group 分组:
在正则表达式中, 可以对过滤到的字符串进行分组. 分组使用圆括号的方式.
group: 和 group(0) 是等价的, 返回的是整个满足条件的字符串.
groups: 返回的是里面的子组. 索引从 1 开始.
group(1): 返回的是第一个子组, 可以传入多个.
- text = "apple price is $99,orange price is $10"
- ret = re.search(r".*(\$\d+).*(\$\d+)",text)
- print(ret.group())
- print(ret.group(0))
- print(ret.group(1))
- print(ret.group(2))
- print(ret.groups())
- findall:
找出所有满足条件的, 返回的是一个列表.
- text = 'apple price $99 orange price $88'
- ret = re.findall('\d+',text)
- print(ret)
- >> ['99', '88']
- sub:
用来替换字符串. 将匹配到的字符串替换为其他字符串.
- text = 'apple price $99 orange price $88'
- ret = re.sub('\d+','0',text)
- print(ret)
- >> apple price $0 orange price $0
- split:
使用正则表达式来分割字符串.
- text = "hello world ni hao"
- ret = re.split('\W',text)
- print(ret)
- >> ["hello","world","ni","hao"]
- compile:
对于一些经常要用到的正则表达式, 可以使用 compile 进行编译, 后期再使用的时候可以直接拿过来用, 执行效率会更快.
- text = "the number is 20.50"
- r = re.compile(r"""
- \d+ # 小数点前面的数字
- \.? # 小数点
- \d* # 小数点后面的数字
- """,re.VERBOSE)
- ret = re.search(r,text)
- print(ret.group())
来源: http://www.bubuko.com/infodetail-2788180.html