正則表達式和re模塊
阿新 • • 發佈:2017-08-07
arch imp 模式 ret tor 元字符 進行 -h pat
正則表達式和re模塊
1、正則表達式
(1)定義:匹配字符串內容的一種規則。正則表達式是對字符串操作的一種邏輯公式,就是用事先定義好的一些特定字符、及這些特定字符的組合,組成一個“規則字符串”,這個“規則字符串”用來表達對字符串的一種過濾邏輯。
(2)字符組:
定義:同一位置上可以出現字符的範圍。
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所有字符,字符組裏的任意一個字符 和"待匹配字符"相同都視為可以匹配 |
[0123456789] |
a |
False |
由於字符組中沒有"a"字符,所以不能匹配 |
[0-9] |
7 |
True |
也可以用-表示範圍,[0-9]就和[0123456789]是一個意思 |
[a-z] |
s |
True |
同樣的如果要匹配所有的小寫字母,直接用[a-z]就可以表示 |
[A-Z] |
B |
True |
[A-Z]就表示所有的大寫字母 |
[0-9][a-f][A-F] |
e |
True |
可以匹配數字,大小寫形式的a~f,用來驗證十六進制字符 |
(3)字符:
元字符 |
匹配內容 |
. | 匹配除換行符以外的任意字符 |
\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 | 匹配一個制表符 |
\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所有字符 |
(4)量詞:
量詞 |
用法說明 |
* | 重復零次或更多次 |
+ | 重復一次或更多次 |
? | 重復零次或一次 |
{n} | 重復n次 |
{n,} | 重復n次或更多次 |
{n,m} | 重復n到m次 |
(5)* + ? {} 的用法
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 |
?表示重復零次或一次,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 |
*表示重復零次或多次,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 |
+表示重復一次或多次,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 |
註意:前面的*,+,?等都是貪婪匹配,也就是盡可能匹配,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 | 李傑 李蓮 李二 | 惰性匹配 |
(6)字符集 [] 和 [^]
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 |
(7)分組()與或 | 、[^]
^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 |
False |
現在不會匹配錯誤的身份證號了 ()表示分組,將\d{2}[0-9x]分成一組,就可以整體約束他們出現的次數為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]如果沒有匹配上就匹配[1-9]\d{14} |
(8)轉義符 /
"\\\\d" | ‘\\d‘ | True |
如果在python中,字符串中的‘\‘也需要轉義,所以每一個字符串‘\‘又需要轉義一次 |
r‘\\d‘ | r‘\d‘ | True |
在字符串之前加r,讓整個字符串不轉義 |
(9)貪婪匹配
貪婪匹配:在滿足匹配時,匹配盡可能長的字符串,默認情況下,采用貪婪匹配。
正則 | 待匹配字符 | 匹配 結果 | 說明 |
<.*> |
<script>...<script> |
<script>...<script> |
默認為貪婪匹配模式,會匹配盡量長的字符串 |
<.*?> | r‘\d‘ |
<script> <script> |
加上?為將貪婪匹配模式轉為非貪婪匹配模式,會匹配盡量短的字符串 |
幾個常用的非貪婪匹配Pattern
*? 重復任意次,但盡可能少重復
+? 重復1次或更多次,但盡可能少重復
?? 重復0次或1次,但盡可能少重復
{n,m}? 重復n到m次,但盡可能少重復
{n,}? 重復n次以上,但盡可能少重復
.*?的用法
是任意字符
* 是取 0 至 無限長度
? 是非貪婪模式。
何在一起就是 取盡量少的任意字符,一般不會這麽單獨寫,他大多用在:
.*?x
就是取前面任意長度的字符,直到一個x
2、re模塊下的常用方法
import re ret = re.findall(‘a‘, ‘eva egon yuan‘) # 返回所有滿足匹配條件的結果,放在列表裏 print(ret) #結果 : [‘a‘, ‘a‘] ret = re.search(‘a‘, ‘eva egon yuan‘).group() print(ret) #結果 : ‘a‘ # 函數會在字符串內查找模式匹配,只到找到第一個匹配然後返回一個包含匹配信息的對象,該對象可以 # 通過調用group()方法得到匹配的字符串,如果字符串沒有匹配,則返回None。 ret = re.match(‘a‘, ‘abc‘).group() # 同search,不過盡在字符串開始處進行匹配 print(ret) #結果 : ‘a‘ ret = re.split(‘[ab]‘, ‘abcd‘) # 先按‘a‘分割得到‘‘和‘bcd‘,在對‘‘和‘bcd‘分別按‘b‘分割 print(ret) # [‘‘, ‘‘, ‘cd‘] ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#將數字替換成‘H‘,參數1表示只替換1個 print(ret) #evaHegon4yuan4 ret = re.subn(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘)#將數字替換成‘H‘,返回元組(替換的結果,替換了多少次) print(ret) obj = re.compile(‘\d{3}‘) #將正則表達式編譯成為一個 正則表達式對象,規則要匹配的是3個數字 ret = obj.search(‘abc123eeee‘) #正則表達式對象調用search,參數為待匹配的字符串 print(ret.group()) #結果 : 123 import re ret = re.finditer(‘\d‘, ‘ds3sy4784a‘) #finditer返回一個存放匹配結果的叠代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一個結果 print(next(ret).group()) #查看第二個結果 print([i.group() for i in ret]) #查看剩余的左右結果re模塊下的常用方法
註意:
1 、findall的優先級查詢:
import re ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘) print(ret) # [‘oldboy‘] 這是因為findall會優先把匹配結果組裏內容返回,如果想要匹配結果,取消權限即可 ret = re.findall(‘www.(?:baidu|oldboy).com‘, ‘www.oldboy.com‘) print(ret) # [‘www.oldboy.com‘]findall的優先級
2、split的優先級查詢
ret=re.split("\d+","eva3egon4yuan") print(ret) #結果 : [‘eva‘, ‘egon‘, ‘yuan‘] ret=re.split("(\d+)","eva3egon4yuan") print(ret) #結果 : [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘] #在匹配部分加上()之後所切出的結果是不同的, #沒有()的沒有保留所匹配的項,但是有()的卻能夠保留了匹配的項, #這個在某些需要保留匹配部分的使用過程是非常重要的。split的優先級
正則表達式和re模塊