python 正則表達式re庫相關筆記
匹配（試圖在字符串的開始位置進行匹配) 搜索（試圖從字符串的任何位置開始匹配）
正則表達式中的特殊符號和字符，即所謂的元字符，給予了正則表達式強大的功能和靈活性
常見正則表達式符號和特殊字符
| 表 示 法 | 描 述 | 正則表達式示例 |
| 符號 | ||
| literal | 匹配文本字符串的字面值 literal | foo |
| re1|re2 | 匹配正則表達式 re1 或者 re2 | foo|bar |
| . | 匹配任何字符（除了\n 之外） | b.b |
| ^ | 匹配字符串起始部分 | ^Dear |
| $ |
匹配字符串終止部分 | /bin/*sh$ |
| * | 匹配 0 次或者多次前面出現的正則表達式 | [A-Za-z0-9]* |
| + | 匹配 1 次或者多次前面出現的正則表達式 | [a-z]+\.com |
| ? | 匹配 0 次或者 1 次前面出現的正則表達式 | goo? |
| {N} | 匹配 N 次前面出現的正則表達式 | [0-9]{3} |
| {M,N} | 匹配 M～N 次前面出現的正則表達式 | [0-9]{5,9} |
| […] | 匹配來自字符集的任意單一字符 | [aeiou] |
| [..x-y..] |
匹配 x～y 範圍中的任意單一字符 | [0-9], [A-Za-z] |
| [^…] | 不匹配此字符集中出現的任何一個字符，包括某一範圍的字符（如果在此字符集中出現） | [^aeiou], [^A-Za-z0-9] |
| (*|+|?|{})? | 用於匹配上面頻繁出現/重復出現符號的非貪婪版本（*、 +、 ?、 {}） | .*?[a-z] |
| (…) | 匹配封閉的正則表達式，然後另存為子組 | ([0-9]{3})?,f(oo|u)bar |
| 表 示 法 | 描 述 | 正則表達式示例 |
| 特殊字符 | ||
| \d | 匹配任何十進制數字，與[0-9]一致（\D 與\d 相反，不匹配任何非數值型的數字） | data\d+.txt |
| \w | 匹配任何字母數字字符，與[A-Za-z0-9_]相同（\W 與之相反） | [A-Za-z_]\w+ |
| \s | 匹配任何空格字符，與[\n\t\r\v\f]相同（\S 與之相反） | of\sthe |
| \b | 匹配任何單詞邊界（\B 與之相反） | \bThe\b |
| \N | 匹配已保存的子組 N（參見上面的(…)) | price: \16 |
| \c | 逐字匹配任何特殊字符 c（即，僅按照字面意義匹配，不匹配特殊含義） | \., \\, \* |
| \A(\Z) | 匹配字符串的起始（結束）（另見上面介紹的^和$） | \ADear |
| 擴展表示法 | ||
| (?iLmsux) | 在正則表達式中嵌入一個或者多個特殊“標記” 參數（或者通過函數/方法） | （?x），（？ im） |
| (?:…) | 表示一個匹配不用保存的分組 | (?:\w+\.)* |
| (?P<name>…) | 像一個僅由 name 標識而不是數字 ID 標識的正則分組匹配 | (?P<data>) |
| (?P=name) | 在同一字符串中匹配由(?P<name)分組的之前文本 | (?P=data) |
| (?#…) | 表示註釋，所有內容都被忽略 | (?#comment) |
| (?=…) | 匹配條件是如果…出現在之後的位置，而不使用輸入字符串；稱作正向前視斷言 | (?=.com) |
| (?!…) | 匹配條件是如果…不出現在之後的位置，而不使用輸入字符串；稱作負向前視斷言 | (?!.net) |
| (?<=…) | 匹配條件是如果…出現在之前的位置，而不使用輸入字符串；稱作正向後視斷言 | (?<=800-) |
| (?<!…) | 匹配條件是如果…不出現在之前的位置，而不使用輸入字符串；稱作負向後視斷言 | (?<!192\.168\.) |
| (?(id/name)Y|N ) | 如果分組所提供的 id 或者 name（名稱）存在，就返回正則表達式的條件匹配 Y，如 果不存在，就返回 N； |N 是可選項 |
(?(1)y|x) |
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
group方法,可以用來定位我要查找文本中的文本(findall的返回結果是列表,而列表是沒有group方法的)
如果正則表達式pattern裏面有(),表示對數據的分組,括號可以有多個,一個括號一組,按順序從1開始(註意不是0是1),可以對結果使用.(group(num=0)方法索取,可以一次輸入多個組號，在這種情況下它將返回一個包含那些組所對應值的元組。沒有分組的話使用.group()會報錯.
.group(0)是打印搜索的結果
.group()返回str類型
想在某個組中不區分大小寫請在組中開頭加上(?i:)
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
re.findall()返回一個列表(無論匹配不匹配)
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
re.search 掃描整個字符串並返回第一個成功的匹配。
函數語法：
re.search(pattern, string, flags=0)
匹配成功re.search方法返回一個匹配的對象(類型是_sre.SRE_Match)，否則返回None.
re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
re.split(pattern， string， max=0)
將string以pattern為界分解成多個段,按順序存入列表
為什麽out第一個是‘‘呢
In[28]: b = re.split(r"a","abajajodfnadd") In[29]: b Out[29]: [‘‘, ‘b‘, ‘j‘, ‘jodfn‘, ‘dd‘]
列表中第一個元素的意思是a把字符串分割成[0:0]的範圍,顯然這個範圍是沒有任何數據的,驗證如下
In[32]: c = ‘abcsdfs‘ In[33]: c[0:1] Out[33]: ‘a‘ In[34]: c[0:0] Out[34]: ‘‘
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
"(\d){3}" 這個表達式是要匹配連續的三個數字,但是這個表達式中只有一個小括號,表明只有一個組,每個組中只會有一個數字
"(\d{3})"而這樣寫是一個組中有三個數字!
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
貪婪與費貪婪
data = ‘Thu Feb 15 17:46:04 2007::[email protected]::1171590364-6-8‘ patt = ‘.+(\d+-\d+-\d+)‘ re.search(patt, data).group(1)(patt, data).group(1)
這裏我們本來是想匹配1171590364-6-8的,但是結果卻是4-6-8,這是由於正則表達式中的‘.+‘是貪婪的,匹配了‘Thu Feb 15 17:46:04 2007::[email protected]::117159036‘
,他比(\d+-\d+-\d+)靠前,會盡量匹配最大長度的字符串,但是他不能貪婪的把所有值都匹配上,所以他留給了(\d+-\d+-\d+)一個盡可能小的匹配長度(4-6-8)
想要消除‘.+‘的貪婪在他後面加上?即可
patt = ‘.+?(\d+-\d+-\d+)‘
python 正則表達式re庫相關筆記