python之re模塊和正則表達式

正則表達式：

正則	待匹配字符	匹配 結果	說明
[0123456789]	8	True	在一個字符組裏枚舉合法的全部字符，字符組裏的任意一個字符 和"待匹配字符"相同都視爲能夠匹配
[0123456789]	a	False	因爲字符組中沒有"a"字符，因此不能匹配
[0-9]	7	True	也能夠用-表示範圍,[0-9]就和[0123456789]是一個意思
[a-z]	s	True	一樣的若是要匹配全部的小寫字母，直接用[a-z]就能夠表示
[A-Z]	B	True	[A-Z]就表示全部的大寫字母
[0-9a-fA-F]	e	True	能夠匹配數字，大小寫形式的a～f，用來驗證十六進制字符

字符：

元字符	匹配內容
.	匹配除換行符之外的任意字符
\w	匹配字母或數字或下劃線
\s	匹配任意的空白符
\d	匹配數字
\n	匹配一個換行符
\t	匹配一個製表符
\b	匹配一個單詞的結尾
^	匹配字符串的開始
$	匹配字符串的結尾
\W	匹配非字母或數字或下劃線
\D	匹配非數字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括號內的表達式，也表示一個組
[...]	匹配字符組中的字符
[^...]	匹配除了字符組中字符的全部字符

量詞：

量詞	用法說明
*	重複零次或更屢次
+	重複一次或更屢次
?	重複零次或一次
{n}	重複n次
{n,}	重複n次或更屢次
{n,m}	重複n到m次

 

. ^ $

正則	待匹配字符	匹配 結果	說明
海.	海燕海嬌海東	海燕海嬌海東	匹配全部"海."的字符
^海.	海燕海嬌海東	海燕	只從開頭匹配"海."
海.$	海燕海嬌海東	海東	只匹配結尾的"海.$"

 

* + ? { }

正則	待匹配字符	匹配 結果	說明
李.?	李傑和李蓮英和李二棍子	李傑 李蓮 李二	?表示重複零次或一次，即只匹配"李"後面一個任意字符
李.*	李傑和李蓮英和李二棍子	李傑和李蓮英和李二棍子	*表示重複零次或屢次，即匹配"李"後面0或多個任意字符
李.+	李傑和李蓮英和李二棍子	李傑和李蓮英和李二棍子	+表示重複一次或屢次，即只匹配"李"後面1個或多個任意字符
李.{1,2}	李傑和李蓮英和李二棍子	李傑和 李蓮英 李二棍	{1,2}匹配1到2次任意字符

 注意：前面的*,+,?等都是貪婪匹配，也就是儘量匹配，後面加?號使其變成惰性匹配

正則	待匹配字符	匹配 結果	說明
李.*?	李傑和李蓮英和李二棍子	李 李 李	惰性匹配

 

字符集［］［^］

正則	待匹配字符	匹配 結果	說明
李[傑蓮英二棍子]*	李傑和李蓮英和李二棍子	李傑 李蓮英 李二棍子	表示匹配"李"字後面[傑蓮英二棍子]的字符任意次
李[^和]*	李傑和李蓮英和李二棍子	李傑 李蓮英 李二棍子	表示匹配一個不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一個數字，匹配到4個結果
[\d]+	456bdha3	456 3	表示匹配任意個數字，匹配到2個結果

 

分組 ()與 或 ｜［^］

 身份證號碼是一個長度爲15或18個字符的字符串，若是是15位則所有🈶️數字組成，首位不能爲0；若是是18位，則前17位所有是數字，末位多是數字或x，下面咱們嘗試用正則來表示：

正則	待匹配字符	匹配 結果	說明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示能夠匹配一個正確的身份證號
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也能夠匹配這串數字，但這並非一個正確的身份證號碼，它是一個16位的數字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	如今不會匹配錯誤的身份證號了 ()表示分組，將\d{2}[0-9x]分紅一組，就能夠總體約束他們出現的次數爲0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]若是沒有匹配上就匹配[1-9]\d{14}

 

轉義符 \

在正則表達式中，有不少有特殊意義的是元字符，好比\d和\s等，若是要在正則中匹配正常的"\d"而不是"數字"就須要對"\"進行轉義，變成'\\'。

在python中，不管是正則表達式，仍是待匹配的內容，都是以字符串的形式出現的，在字符串中\也有特殊的含義，自己還須要轉義。因此若是匹配一次"\d",字符串中要寫成'\\d'，那麼正則裏就要寫成"\\\\d",這樣就太麻煩了。這個時候咱們就用到了r'\d'這個概念，此時的正則是r'\\d'就能夠了。

正則	待匹配字符	匹配 結果	說明
\d	\d	False	由於在正則表達式中\是有特殊意義的字符，因此要匹配\d自己，用表達式\d沒法匹配
\\d	\d	True	轉義\以後變成\\，便可匹配
"\\\\d"	'\\d'	True	若是在python中，字符串中的'\'也須要轉義，因此每個字符串'\'又須要轉義一次
r'\\d'	r'\d'	True	在字符串以前加r，讓整個字符串不轉義

 

貪婪匹配

貪婪匹配：在知足匹配時，匹配儘量長的字符串，默認狀況下，採用貪婪匹配

正則	待匹配字符	匹配 結果	說明
<.*>	<script>...<script>	<script>...<script>	默認爲貪婪匹配模式，會匹配儘可能長的字符串
<.*?>	<script>...<script>	<script> <script>	加上？爲將貪婪匹配模式轉爲非貪婪匹配模式，會匹配儘可能短的字符串

 幾個經常使用的非貪婪匹配Pattern

*? 重複任意次，但儘量少重複
+? 重複1次或更屢次，但儘量少重複
?? 重複0次或1次，但儘量少重複
{n,m}? 重複n到m次，但儘量少重複
{n,}? 重複n次以上，但儘量少重複

.*?的用法

. 是任意字符
* 是取 0 至 無限長度
? 是非貪婪模式。
何在一塊兒就是 取儘可能少的任意字符，通常不會這麼單獨寫，他大多用在：
.*?x

就是取前面任意長度的字符，直到一個x出現

re模塊的用法

import re
ret = re.findall('s','sunshine in the company') # 返回全部知足匹配條件的結果，放在列表中
print(ret) # ['s', 's']

ret = re.search('s','sunshine in the company')
print(ret) # <_sre.SRE_Match object; span=(0, 1), match='s'>
print(ret.group()) # s
函數在字符串內查找模式匹配，只找到第一個匹配而後返回一個包含匹配信息的對象，該對象能夠
經過調用group()方法獲得匹配的字符串，若是字符串沒有匹配，則返回None
ret = re.search('q','sunshine in the company')
print(ret)  # None
print(ret.group())  # AttributeError: 'NoneType' object has no attribute 'group'

ret = re.match('s','sunshine').group() # 同search，不過僅在自儲存開始處進行匹配
print(ret) # s
ret = re.match('u','sunshine')
print(ret) # None
注：match和search一旦匹配成功，就是一個match object對象，而match object對象有如下方法：

group() 返回被 RE 匹配的字符串
start() 返回匹配開始的位置
end() 返回匹配結束的位置
span() 返回一個元組包含匹配 (開始,結束) 的位置
groups() 返回re總體匹配的字符串，能夠一次輸入多個組號，對應組號匹配的字符串。
import re
a = "123abc456"
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0))   #123abc456,返回總體
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1))   #123
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2))   #abc
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3))   #456
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).groups()) #('123', 'abc', '456')
##group(1) 列出第一個括號匹配部分，group(2) 列出第二個括號匹配部分，
group(3) 列出第三個括號匹配部分。###

ret = re.split('[si]','sunshine') # 先按s分隔，而後按i分隔
print(ret) # ['', 'un', 'h', 'ne']

ret = re.sub('\d','NB','sunshine1598',1) # 將數字替換成'NB',參數1表明只替換一個，不寫則所有替換
print(ret) # sunshineNB598

ret = re.subn('\d','NB','sunshine1598') # 將數字替換成'NB',返回元組
print(ret) # ('sunshineNBNBNBNB', 4)
ret = re.subn('\d','NB','sunshine1598',2) # 將數字替換成'NB',返回元組,數字2 表明2次
print(ret) # ('sunshineNBNB98', 2)

obj = re.compile('\d{3}') # 將正則表達式編譯成一個正則表達式對象，規則要匹配3個數字
ret = obj.search('sunshine1598')
print(ret.group()) #159

ret = re.finditer('\d','sunshine1598') # finditer返回一個存放匹配結果的迭代器
print(ret) #<callable_iterator object at 0x0000016B15DBEF60>
print(next(ret).group()) # 1
print([i.group() for i in ret]) # ['5', '9', '8']


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

re.match、re,search 與 re.findall的區別
re.match只匹配字符串的開始，若是字符串開始不符合正則表達式，則返回None，
re.search則匹配整個字符串，直到找到一個匹配，匹配不到則返回None，
re.findall匹配整個字符串，匹配到返回列表，匹配不到則返回空列表。
print(re.split('a','1A1a2A3',re.I)) # ['1A1', '2A3']
print(re.split('a','1A1a2b3',flags=re.I)) # re.I 不區分大小寫 # ['1', '1', '2b3']

View Code