简介Python正则表达式
一、概念
简单来说正则表达式是由一些普通字符(例如,a 到 z 之间的字母)和一些元字符组成,用来匹配和过滤一些字符串的一种逻辑公式。
二、正则表达式的一些基本规则
1、一些常用的元字符
^ :匹配行或者字符串的起始位置,有时还会匹配整个文档的起始位置。
$ :匹配行或字符串的结尾。
\d :匹配数字字符。
\D :匹配一个非数字字符。
\w :匹配字母,数字,下划线。
\W :匹配任何非单词字符(也就是非字母、数字、下划线字符)。
\s :匹配任何不可见字符(包括空格、Tab等空白符) 。
\S :匹配任何可见字符。
. :匹配除了换行符以外的任何字符。
\n :匹配一个换行符。
* :匹配前面的子表达式任意次(匹配0个或多个字符)。如,ab*能匹配“a”,也能匹配“ab”以及“abb”。*等价于{0,}。
+ :匹配前面的子表达式一次或多次(大于等于1次)。如,“ab+”能匹配“ab”以及“abb”,但不能匹配“a”。+等价于{1,}。
? :匹配前面的子表达式零次或一次。如,“ab(cd)?”可以匹配“ab”或“abcd”。?等价于{0,1}。
{n} : n是一个非负整数。匹配确定的n次。如,“b{2}”不能匹配“abc”中的“b”,但是能匹配“abbc”中的两个b。
{n,}: n是一个非负整数。至少匹配n次。如,“b{2,}”不能匹配“abc”中的“b”,但能匹配“abbbbbbc”中的所有b。“b{1,}”等价于“b+”。“b{0,}”则等价于“b*”。
{n,m} :m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。如,“b{1,3}”将匹配“abbbbbbc”中的前三个b为一组,后三个b为一组。“b{0,1}”等价于“b?”。
x|y :匹配x或y。如,“a|bbc”能匹配“a”或“bbc”。“[ab]ccd”则匹配“accd”或“bccd”。
[xyz] :字符集合。匹配所包含的任意一个字符。如,“[abc]”可以匹配“abc”中的“a”或“sb”中的“b”。
[^xyz] :负值字符集合。匹配未包含的任意字符。如,“[^abc]”可以匹配“apple”中的“pple”任一字符。
[a-z] :字符范围。匹配指定范围内的任意字符。如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符;[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线。
注:对于一些特殊字符需要表达原有符号需要先使字符"转义",即,将反斜杠字符\ 放在它们前面。如,要匹配 * 字符,则使用 \*。特殊字符有:$、( )、*、+、.、[ ]、?、\、^、{ }、|。
2、运算符优先级
正则表达式从左到右进行计算,并遵循优先级顺序,这与算术表达式非常类似。
相同优先级的从左到右进行运算,不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序:
运算符 | 描述 |
---|---|
\ | 转义符 |
(), (?:), (?=), [] | 圆括号和方括号 |
*, +, ?, {n}, {n,}, {n,m} | 限定符 |
^, $, \任何元字符、任何字符 | 定位点和序列(即:位置和顺序) |
| | 替换,"或"操作 字符具有高于替换运算符的优先级,使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food",请使用括号创建子表达式,从而产生"(m|f)ood"。 |
三、Python中正则表达式使用的函数
Python 自1.5版本起增加了re 模块,它提供 Perl 风格的正则表达式模式。
1、re.match函数
re.match 从字符串的起始位置开始匹配,如果第一个就不匹配,则返回None。
re.match(pattern, string, flags=0)
pattern: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。如是否区分大小写等。
如:
1 #coding:utf-8 2 #!/usr/bin/python3 3 import re 4 5 s1="abc" 6 s2=" asd" 7 a=re.match(r\'[a-zA-Z\_][0-9a-zA-Z\_]*\', s1) 8 b=re.match(r\'[a-zA-Z\_][0-9a-zA-Z\_]*\', s2) 9 print(a) 10 print(b) 11 12 13 #运行结果 14 <_sre.SRE_Match object; span=(0, 3), match=\'abc\'> 15 None
2、re.search函数
re.search 扫描整个字符串并返回第一个成功的匹配,如果整个字符串都没有匹配的,则返回None。
re.search(pattern, string, flags=0)
pattern: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。如是否区分大小写等。
如:
1 #coding:utf-8 2 #!/usr/bin/python3 3 import re 4 5 s1="gabc" 6 a1=re.match(r\'[abc]\', s1) 7 print(a1) 8 9 s2="gabc" 10 a2=re.search(r\'[abc]\', s2) 11 print(a2) 12 13 s3="get" 14 a3=re.search(r\'[abc]\', s3) 15 print(a3) 16 17 #运行结果 18 None 19 <_sre.SRE_Match object; span=(1, 2), match=\'a\'> 20 None 21 #match从第一个开始匹配,第一个不匹配就返回None,search全局匹配,直到没有匹配的才返回None。
3、re.compile 函数
compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,让其它用来匹配的函数使用,如match、search函数使用。
compile(pattern, flags=0)
pattern:匹配的正则表达式。
flags :标志位。
一般配合其他函数使用,如和match函数:
re.compile(pattern).match(string)
使用情况如:
#coding:utf-8 #!/usr/bin/python3 import re s=\'abcdf13s2j3\' a=re.compile(r\'\d+\').match(s) print(a) a=re.compile(r\'\d+\').search(s) print(a) a=re.compile(r\'\d+\').findall(s) print(a) #运行结果 None <_sre.SRE_Match object; span=(5, 7), match=\'13\'> [\'13\', \'2\', \'3\']
4、re.findall函数
在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。
findall(pattern, string, flags=0) #单独使用 findall(self, string, pos=0, endpos=-1) #与compile函数一起使用
pattern:匹配的正则表达式。
string : 要匹配的字符串。
flags :标志位
pos : 可选参数,指定字符串的起始位置,默认为 0。
endpos : 可选参数,指定字符串的结束位置,默认为字符串的长度。
如:
1 #coding:utf-8 2 #!/usr/bin/python3 3 import re 4 5 s=\'abcdf12s2j3\' 6 a=re.findall(r\'\d+\',s) #单独使用 7 print(a) 8 a=re.compile(r\'\d+\').findall(s) #与compile函数一起使用 9 print(a) 10 11 #运行结果 12 [\'12\', \'2\', \'3\'] 13 [\'12\', \'2\', \'3\']
5、re.finditer函数
和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。
finditer(pattern, string, flags=0)
pattern:匹配的正则表达式。
string : 要匹配的字符串。
flags :标志位
如:
1 #coding:utf-8 2 #!/usr/bin/python3 3 import re 4 5 a = re.finditer(r"\d+","ab57cdf13s2j3") 6 print(a) 7 for match in a: 8 print (match.group() ) 9 10 11 #运行结果 12 <callable_iterator object at 0x00E434D0> 13 57 14 13 15 2 16 3
6、group()与groups()函数
group() :匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。
groups():返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。
如:
1 #coding:utf-8 2 #!/usr/bin/python3 3 import re 4 5 a = re.search(r"(\D+)(\d+)(\D+)(\d+)(\D+)(\d+)","ab57cdf13s2j3") 6 if a: 7 print("a.group() : ", a.group()) 8 print("a.group(1) : ", a.group(1)) 9 print("a.group(2) : ", a.group(2)) 10 print("a.group(6) : ", a.group(6)) 11 print("a.groups() : ", a.groups()) 12 else: 13 print ("Nothing found!!") 14 15 #运行结果 16 a.group() : ab57cdf13s2 17 a.group(1) : ab 18 a.group(2) : 57 19 a.group(6) : 2 20 a.groups() : (\'ab\', \'57\', \'cdf\', \'13\', \'s\', \'2\')
7、re.sub函数
用于替换字符串中的匹配项。
sub(pattern, repl, string, count=0, flags=0)
pattern : 匹配的正则表达式。
repl : 替换的字符串,也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。
如:
1 #coding:utf-8 2 #!/usr/bin/python3 3 import re 4 5 s=\'abcdf13s2j3\' 6 a=re.sub(r\'\d+\',\'-\',s,1) #替换一个 7 print(a) 8 a=re.sub(r\'\d+\',\'-\',s) #全部替换 9 print(a) 10 11 #运行结果 12 abcdf-s2j3 13 abcdf-s-j-
参考学习网址:
http://www.runoob.com/regexp/regexp-operator.html
http://www.runoob.com/python/python-reg-expressions.html
注:参考上面博文,根据自己理解整理一份,有些是直接把作者简介拷贝过来的。