正則表達式庫的使用
阿新 • • 發佈:2017-05-31
號碼 nbsp 所有 split tar splay 編譯 posit 中文字符 正則表達式的概念Regular Expression RE優勢:簡潔 一行勝千言用於對字符串的匹配在文本處理中十分常用
Re庫是python的標準庫import rere庫采用raw string類型表示正則表達式,表示為r‘text‘如: r‘[1-9]\d{5}‘r‘\d{3}-\d{8}|\d{4}-\d{7}‘raw string是不包括對轉義字符再次轉義的字符串,建議使用raw stringRe庫的主要功能函數
re庫的另一種等價用法函數式用法,一次性操作 rst = re.search(r‘[1-9]\d{5}‘,‘BIT 10081‘)面向對象用法,編譯後多次操作
Match對象 是一次匹配的結果,包含匹配的很多信息
Match對象的屬性
Re庫的貪婪匹配和最小匹配貪婪匹配:re庫默認采用貪婪匹配,即輸出匹配最長的子串如: 最小匹配:如何輸出最短的子串
只要長度輸出可能不同,都可以通過在操作符後增加?變成最小匹配
null
表達文本類型的特征(病毒,入侵檢測)同時查找或替換一組字符串匹配字符串的局部和全部正則表達式的使用首先將符合正則表達式語法的字符串轉化成正則表達式 特征p = re.compile(regx)
操作符 | 說明 | 實例 |
. | 表示任何單個字符 | |
[ ] | 字符集,對單個字符給出取值範圍 | [abc]表示a、b、c,[a-z]表示所有的小寫字母 |
[^] | [^abc]表示非a或b或c的單個字符 | |
* | 前一個字符0次或無限次擴展 | abc*表示ab,abc,abcc,abccc等 |
+ | 前一個字符1次或無限次擴展 | abc+表示abc,abcc,abccc等 |
? | 前一個字符0次或1次擴展 | abc?表示ab,abc |
| | 左右表達式任意一個 | abc|def表示abc或def |
{m} | 擴展前一個字符m次 | ab{2}c表示abbc |
{m,n} | 擴展前一個字符m至n次(含n) | ab{1,2}c表示abc,abbc |
^ | 匹配字符串開頭 | ^abc表示abc在一個字符串的開頭 |
$ | 匹配字符串結尾 | abc$表示abc在一個字符串的結尾 |
() | 分組標識,內部只能使用|操作符 | (abc)表示abc,(abc|def)表示abc,def |
\d | 數字,等價於[0-9] | |
\w | 單詞字符等價於[A-Za-z0-9_] |
^[A-Za-z]+$ | 由26個字母組成的字符串 |
^[A-Za-z0-9]+$ | 由26個字母和數字組成的字符串 |
^-?\d+$ | 數據形式的字符串 |
^[0-9]*[1-9][0-9]*$ | 正整數形式的字符串 |
[1-9]\d{5} | 中國境內的郵政編碼 |
[\u4e00-\u9fa5] | 匹配中文字符 |
\d{3}-\d{8}|\d{4}-\d{7} | 國內電話號碼 |
(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]) | IP地址 |
函數 | 說明 |
re.search(pattern,string,flags=0) | 在一個字符串中匹配正則表達式的第一個位置,返回match對象 |
re.match(pattern,string,flags=0) | 從一個字符串的開始位置起匹配正則表達式,返回match對象 |
re.findall(pattern,string,flags=0) | 搜索字符串,以列表類型返回全部能匹配的子串 |
re.split(pattern,string,maxsplit=0,flags=0) | 將一個字符串按照正則表達式匹配結果進行侵害,返回列表類型, maxsplit表示最大分割數,剩余部分作為最後一個元素輸出 |
re.finditer(pattern,string,flags=0) | 搜索字符串,返回一個匹配結果的叠代類型,每個叠代元素是match對象 |
re.sub(pattern,repl,string,count=0,flags = 0) | 在一個字符串中替換所有匹配正則表達式的子串,返回替換後的字符串,repl為替換匹配字符串的字符串,count為最大替換次數 |
re.compile(pattern,flags = 0) | 將正則表達式的字符串形式編譯所正則表達式對象 |
flags | 說明 |
re.I re.IGONRECASE | 忽略正則表達式的大小寫,[A-Z]能匹配小寫字符 |
re.M re.MULTILINE | 正則表達式的中的^操作符能夠將給定字符串的每行當作匹配開始位置 |
re.S re.DOTALL | 正則表達式的中的.操作符能夠匹配所有字符,默認匹配除換行外的所有字符 |
pat = re.compile(r‘[1-9]\d{5}‘)rst = pat.search(‘BIT 10081‘)
Match對象 是一次匹配的結果,包含匹配的很多信息
Match對象的屬性
屬性 | 說明 |
.string | 待匹配的文本 |
.re | 匹配進使用pattern對象(正則表達式) |
.pos | 正則表達式搜索文本的開始位置 |
.endpos | 正則表達式搜索文本的結束位置 |
方法 | 說明 |
.group(0) | 獲得匹配的字符串 |
.start() | 匹配字符串在原始字符串的開始位置 |
.end() | 匹配字符串在原始字符串的結束位置 |
.span() | 返回(.start(),.end()) |
操作符 | 說明 |
*? | 前一個字符0次或無限次擴展,最小匹配 |
+? | 前一個字符1次或無限次擴展,最小匹配 |
?? | 前一個字符0次或1次擴展,最小匹配 |
{m,n}? | 前一個字符m至n次(含n),最小匹配 |
null
正則表達式庫的使用