正則表達式,英文:Regular Expression。它一般用來檢索和替換符合某種模式的文本。正則表達式
Python自1.5版本開始增長了re模塊,使得Python擁有了所有的正則表達式功能。函數
在使用re模塊以前,要先引入,re模塊使已經在內置在Python內部的,無需再本身下載安裝了。spa
1 import re
1.1 原型:match(pattern, string, flags=0)
1.2 參數:
pattern:匹配的正則表達式
string:要匹配的字符串
flags:標誌位,用來控制正則表達式的匹配方式
re.I:忽略大小寫
re.L:作本地化識別
re.M:多行匹配,影響^和$
re.S:使.匹配包括換行符在內的全部字符,不然.不匹配換行符
re.U:根據Unicode字符集解析字符,影響'\w \W \b \B'
re.X:使咱們以更靈活的格式理解正則表達式
1.3 功能:嘗試從字符串的起始位置匹配一個模式code
1.4 eg:對象
1 # 註釋爲輸出結果
2
3 print(re.match('www', 'www.baidu.com')) 4 # <_sre.SRE_Match object; span=(0, 3), match='www'>
5 # 返回結果的類型、匹配結果的位置、匹配內容
6
7 print(re.match('www', 'www.baidu.com').span()) 8 # (0, 3) 輸出匹配的位置
2.1 原型:search(pattern, string, flags=0)
2.2 參數:
pattern:匹配的正則表達式
string:要匹配的字符串
flags:標誌位,用來控制正則表達式的匹配方式(與上面內容一致,後面不贅述)
2.3 功能:掃描整個字符串,返回第一個成功的匹配,與match相比,就是沒必要從起始位置開始匹配blog
3.1 原型:findall(pattern, string, flags=0)
3.2 參數:
pattern:匹配的正則表達式
string:要匹配的字符串
flags:標誌位,用來控制正則表達式的匹配方式
3.3 功能:掃描整個字符串,返回結果列表,其中匹配到全部符合模式的結果索引
.ci |
能夠匹配除換行符之外的任意字符字符串 |
[]原型 |
是字符集合,表示匹配方括號中任意所包含的任一字符 |
[asd] |
匹配其中任一字符 |
[a-z] |
匹配任意小寫字母 |
[0-9a-zA-Z_] |
匹配任意大小寫字母或數字或下劃線 |
[^asd] |
匹配除了asd幾個字母之外的全部字符,中括號裏的^號稱爲'脫字符',表示不匹配集合中的字符 |
[^0-9] |
匹配全部非數字字符 |
\d |
匹配數字,效果同[0-9] |
[^\d] |
匹配非數字字符,效果同[^0-9] |
\w |
匹配數字,字母和下劃線,效果同[0-9a-zA-Z_] (字母不包含空格) |
\W |
匹配非數字,字母和下劃線,效果同[^0-9a-zA-Z_] |
\s |
匹配任意的空白符(空格,換行,回車,換頁,製表),效果同[ \f\n\r\t] |
\S |
匹配任意的非空白符,效果同[^ \f\n\r\t] |
^ |
行首匹配,和在中括號裏的^不是一個意思 |
$ |
行尾匹配 |
\A |
匹配字符串的開始,他和^的區別是,\A只匹配整個字符串的開頭,即便在re.M下也不會匹配他行的行首 |
\Z |
匹配字符串的結束,他和$的區別是,\Z只匹配整個字符串的結束,即便在re.M下也不會匹配他行的行尾 |
\b |
匹配一個單詞的邊界,也就是指單詞和空格間的位置 eg:r'er\b',匹配以er爲結尾邊界的位置 |
\B |
匹配非單詞邊界,與上面相反,匹配不是邊界的 |
(xyz) |
匹配小括號內的xyz,做爲一個總體去匹配 |
x? |
匹配0個或者1個x eg:print(re.findall(r"a?","aaabaa")) # 非貪婪匹配,儘量少的匹配 |
x* |
匹配0個或者任意多個x eg:print(re.findall(r"a*","aaabaa")) # 貪婪匹配,儘量多的匹配 |
x+ |
匹配至少一個x(貪婪匹配) |
x{n} |
匹配肯定的n個x(n是一個肯定的非負整數 |
x{n,} |
匹配至少n個x |
x{n,m} |
匹配至少n個,最多m個x,注意n<=m |
x|y |
|表示或,匹配的是x或y |
*? +? x? |
最小匹配,一般都是儘量多的匹配,可使用這種解決貪婪匹配 |
(?:X) |
相似於(xyz),但不表示一個組 |
1 str1 = "hello world hello world hello world "
2 # 普通切割
3 print(str1.split(' ')) # 僅僅以一個空格切割,遇到多個空格時會出現不想要的內容
4 # 正則切割
5 print(re.split(r' +', str1)) # 能夠經過正則的切割,其中利用正則的方法,來以任意多個空格來切割
1 str2 = "hello world hello world hello world hello world hello world"
2
3 d = re.finditer(r'hello', str2) 4 while True: 5 # 當使用迭代方法時,爲了可使他在找完對象後退出,通常經過捕獲的方法
6 try: 7 print(next(d)) 8 except StopIteration as e: 9 break
概念:除了簡單的判斷是否匹配之外,正則表達式還有提取子串的功能。用()表示的就是提取分組。(這個本身試一下,加深印象)
1 str3 = "010-12312323"
2 m = re.match(r'(?P<first>\d{3})-(\d{8})', str3) 3 # 使用序號獲取對應組的信息,group(0)一直表明的原始字符串
4 print(m.group(0)) 5 print(m.group(1)) 6 print(m.group('first')) # 使用本身起的名字索引
7 print(m.group(2)) 8
9 print(m.groups()) # 查看各組的狀況
10
11 # 若是在最外層加一個括號,那麼group(1)就是打印的最外面的那個,依次向裏
12
13 # ?P<first>寫在小括號裏,表示起名字
(1)編譯正則表達式,若是正則表達式自己不合法,會報錯
(2)用編譯後的正則表達式去匹配對象
提示:通常狀況下,比較簡單的匹配咱們直接經過上面講述的那幾種基本方法就能夠了,可是當模式比較複雜,或者這個正則對象在後面還會用到時,就會先把他編譯出來,畢竟後面能夠省去再次編譯的時間,而且更清晰。
正則對象,習慣上命名爲 re_xxxxxx。
1 pat = r"^1(([3578]\d)|(47))\d{8}$" # 模式
2 re_telephone = re.compile(pat) # 編譯成正則對象
3 print(re_telephone.match("13612345678")) # 使用其匹配文本,前面提到的基本方法在這裏照常使用