模块 re-Python 中的正则表达式(可匹配文本片段的模式)
描述:
正则表达式本身是一种小型的, 高度专业化的编程语言. 在 python 中, 通过内嵌集成 re 模块, 可以直接被调用来实现正则匹配. 正则表达式模式被编译成一系列的字节码, 然后由用 C 编写的匹配引擎执行.
正则表达式可以在文本中查找模式, 将特定的模式替换为计算得到的值, 以及将文本分隔成片段!
语法:
1, 普通字符和 11 个元字符:
普通字符 | 匹配自身 | abc | abc |
. | 匹配任意除换行符 "\n" 外的字符(在 DOTALL 模式中也能匹配换行符 | a.c | abc |
\ | 转义字符,使后一个字符改变原来的意思。模块 re 使用一个 \ 进行转义,但是字符串里面要使用两个 \\。因为有解释器执行的转义和模块执行的转义。r 表示原始字符串。 | a\.c;a\\c;‘a\\.b‘;r‘a\.c‘ | a.c;a\c;‘a.b‘; ‘a.c‘ |
* | 匹配前一个字符 0、1 或多次 | abc* | ab;abccc |
+ | 匹配前一个字符 1 次或无限次 | abc+ | abc;abccc |
? | 匹配一个字符 0 次或 1 次 | abc? | ab;abc |
^ | 匹配字符串开头。在多行模式中匹配每一行的开头 | ^abc | abc |
$ | 匹配字符串末尾,在多行模式中匹配每一行的末尾 | abc$ | abc |
| | 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。‘p(ython|erl)’子模式 | abc|def | abc def |
{} | {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 | ab{1,2}c | abc abbc |
[] | 字符集。对应的位置可以是字符集中 < span style="color: #ff0000;" ztid="179" ow="48" oh="17">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。 。 | a[bcd]e | abe ace ade |
() | 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。 | (abc){2} a(123|456)c | abcabc a456c |
2, 预定义字符集 (可以写在字符集[...] 中)
\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 & gt;\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\b a\b!bc | 空格 abc 空格 < br ztid="272" ow="0" oh="0">a!bc |
\B | [^\b] | a\Bbc | abc |
3, 特殊分组用法:
(?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 & lt;name> 的分组匹配到字符串 | (?P<id>\d)abc(?P=id) | 1abc1 5abc5 |
\<number> | 引用编号为 & lt;number> 的分组匹配到字符串 | (\d)abc\1 | 1abc1 5abc5 |
4, 贪婪和非贪婪模式
表达式.* 和.+ 的意思很好理解, 就是单个字符匹配任意次, 即贪婪模式.
表达式.*? 和.+? 是满足条件的情况只匹配一次, 即懒惰模式(非贪婪模式).
1,+ 或 * 后跟? 表示非贪婪匹配, 即尽可能少的匹配, 如 *? 重复任意次, 但尽可能少重复;
2, .*? 表示匹配任意数量的重复, 但是在能使整个匹配成功的前提下使用最少的重复.
如: a.*?b 匹配最短的, 以 a 开始, 以 b 结束的字符串. 如果把它应用于 aabab 的话, 它会匹配 aab 和 ab.
5, 匹配对象和编组
MatchObject 对象包含于模式匹配的字串的信息, 还包含模式的那部分于字串的那部分匹配的信息. 这些字串部分称为编组. 编组就是放在圆括号内的子模式. 0 指整个模式, 按照顺序依次判断是否遇到一个(, 遇到一个编号 + 1, 后面的(的编号在其前面的一个编号值基础上 + 1.
使用方法 group 可以获取字符串中感兴趣的特定部分内容.
来源: http://www.bubuko.com/infodetail-3324188.html