正则表达式,re模块

时间:2022-12-15 16:00:58

1 正则表达式与re模块的关系

1 正则表达式是一门独立的技术,任何语言都可使用

2Python中正则表达式要想使用,需要re模块

正则中的元字符:(匹配单个字符)

.       匹配除换行符(\n)以外所有字符
\w      匹配字母数字下划线
\s      匹配任意空白符
\d      匹配数字
\n      匹配换行符(\n)
\t      匹配一个制表符
\b      匹配一个单词的结尾
^       匹配字符串的开始
$       匹配字符串的结尾
\W      匹配除字母数字下划线外所有字符
\S      匹配除空白符外所有字符
\D      匹配除数字外所有字符
a|b     匹配字符a或b
()      匹配括号内表达式,也表示一个组
[..]    匹配字符组中的字符
[^..]   匹配字符组总外的字符
\w,\s,\d 与 \W,\S,\D互补关系(两者可以对应全局)
^与$可以精准匹配固定长度的目标字符
a|b 优先匹配a,如果匹配到了a就会停止,一般将长的字符放在前面,可以改变优先级
一个字符组中的字符都是或的关系
分组,需要一次性匹配多个,就可以y用分组
([a-z][0-9])+

正则中的量词(配合元字符,匹配多个字符)

*         重复0次或更多次
+         重复1次或更多次
?        重复0次或1次
{n}       重复n次
{n,}     重复n次或多次
{n,m}    重复n次或m次

  


量词必须写在匹配符号的后面,并且只约束紧挨着的那个正则表达式

转义符

在正则表达式中,有很多有特殊意义的是元字符,比如\n和\s等,如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义,变成'\\'。

在python中,无论是正则表达式,还是待匹配的内容,都是以字符串的形式出现的,在字符串中\也有特殊的含义,本身还需要转义。

所以如果匹配一次"\n",字符串中要写成'\\\n'

所以如果匹配一次"\\\n",字符串中要写成'\\\\\\\\n'

简便操作,利用r可以让整个字符串都不再转义(了解:r其实就是real的意思,真实不转义)

贪婪匹配,和非贪婪匹配()

贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配

*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复

.*?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
.*?x 何在一起就是 取尽量少的任意字符,一般不会这么单独写,就是取前面任意长度的字符。直到一个x出现

 

2 re模块

findall() 方法

找出字符串中符合正则表达式全部内容,返回的是一个列表,列表中的元素是正则匹配到的结果

运用场景(当给你的字符串,需要匹配里面所有符合正则要求的数据)

findall('正则表达式','带匹配的字符串')
import re

ret = re.findall("[a-z]+","egon jason")
print(ret)

 

search() 方法

运用场景(判断字符串中是否有符合正则规则的书籍)

search('正则表达式','带匹配的字符串')

res = re.search('a','eva egon jason')
print(res)  # search不会给你直接返回匹配到的结果 而是给你返回一个对象
print(res.group())  # 必须调用group才能看到匹配到的结果

注意;

search只会根据正则查找一次,只要查到了结果,就不会再往后查了

当查找的结果不存在的情况下调用group直接报错

 

match() 方法

运用场景(匹配字符串是否符合正则规则)

match('正则表达式','带匹配的字符串')

res = re.match('a','eva egon jason')
print(res)
print(res.group())

match只会匹配字符串开头部分

当开头部分不符合匹配规则返回None,调用group也会报错

 

其余方法

ret = re.split('[ab]', 'abcd')  # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret)  # ['', '', 'cd']

ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H',参数1表示只替换1个
print(ret) #evaHegon4yuan4

ret = re.subn('\d', 'H', 'eva3egon4yuan4')#将数字替换成'H',返回元组(替换的结果,替换了多少次)
print(ret)

obj = re.compile('\d{3}')  #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search,参数为待匹配的字符串
print(ret.group())  #结果 : 123

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一个结果
print(next(ret).group())  #查看第二个结果
print([i.group() for i in ret])  #查看剩余的左右结果

  

findall的优先级查找(取消优先级固定格式;?:)

import re

ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret) # ['www.oldboy.com']

  

split的优先级查找

ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 : ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #结果 : ['eva', '3', 'egon', '4', 'yuan']

#在匹配部分加上()之后所切出的结果是不同的,
#没有()的没有保留所匹配的项,但是有()的却能够保留了匹配的项,
#这个在某些需要保留匹配部分的使用过程是非常重要的。

  

可以给某个正则表达式起别名(固定格式;?p<名字>)

取值固定格式;group("名字")

import re
res = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199812067023')
res = re.search('^[1-9](?P<password>\d{14})(?P<username>\d{2}[0-9x])?$','110105199812067023')
print(res.group())
print(res.group('password'))
print(res.group(1))
print(res.group('username'))
print(res.group(2))
print(res.group(2))
print(res.group(1))