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))