文章目录
- 1.re模块的search方法
- 2.Python3正则表达式特殊符号及用法
- 3.编译正则表达式
- 4.编译标志
- 5.re.seach()
- 6.re.findall()
1.re模块的search方法
- search()方法用于在字符串中搜索正则表达式模式第一次出现的位置,如果找到了,匹配的位置是(7,12)。
这里需要注意两点:
1️⃣第一个参数是正则表达式模式,也就是你要描述的搜索规则,需要使用原始字符串来写,这样可以避免很多不必要的麻烦。
2️⃣找到后返回的范围是以下标0开始的,这跟字符串一样。如果找不到,返回None。
- 通配符
点号(.)来表示可以匹配除了换行符之外的任何字符
- 反斜杠
反斜杠剥夺元字符(.)的特殊能力。
- \d
匹配任意一个数字0-9
- 字符类
使用中括号将任何内容包起来就是一个字符类,它的含义是你只要匹配这个字符类中的任何字符,结果就算作匹配。
注意:默认区分大小写。
- 重复匹配
用大括号这个元字符来实现重复匹配的功能。
- 请问如何用正则表达式匹配0~255这个范围的数??
- 匹配ip地址
2.Python3正则表达式特殊符号及用法
符号 | 含义 |
. | 表示匹配除了换行符外的任何字符。注:通过设置 re.DOTALL 标志可以使 . 匹配任何字符(包含换行符) |
A | |
^ | (脱字符)匹配输入字符串的开始位置。如果设置了 re.MULTILINE 标志,^ 也匹配换行符之后的位置 |
$ | 匹配输入字符串的结束位置。如果设置了 re.MULTILINE 标志,$ 也匹配换行符之前的位置 |
| | 将一个普通字符变成特殊字符,例如 \d 表示匹配所有十进制数字。 解除元字符的特殊功能,例如 . 表示匹配点号本身。引用序号对应的子组所匹配的字符串 |
[…] | 字符类,匹配所包含的任意一个字符。注:连字符 - 如果出现在字符串中间表示字符范围描述;如果出现在首位则仅作为普通字符。特殊字符仅有反斜线 \ 保持特殊含义,用于转义字符。其它特殊字符如 *、+、? 等均作为普通字符匹配。脱字符 ^ 如果出现在首位则表示匹配不包含其中的任意字符;如果 ^ 出现在字符串中间就仅作为普通字符匹配 |
{M,N} | M 和 N 均为非负整数,其中 M <= N,表示前边的 RE 匹配 M ~ N 次。注:{M,} 表示至少匹配 M 次;{,N} 等价于 {0,N};{N} 表示需要匹配 N 次 |
* | 匹配前面的子表达式零次或多次,等价于 {0,} |
+ | 匹配前面的子表达式一次或多次,等价于 {1,} |
? | 匹配前面的子表达式零次或一次,等价于 {0,1} |
*?, +?, ?? | 默认情况下 、+ 和 ? 的匹配模式是贪婪模式(即会尽可能多地匹配符合规则的字符串);?、+? 和 ?? 表示启用对应的非贪婪模式。举个例子:对于字符串 “FishCCC”,正则表达式 FishC+ 会匹配整个字符串,而 FishC+? 则匹配 “FishC” |
{M,N}? | 同上,启用非贪婪模式,即只匹配 M 次 |
(…) | 匹配圆括号中的正则表达式,或者指定一个子组的开始和结束位置。注:子组的内容可以在匹配之后被 \数字 再次引用 。举个例子:(\w+) \1 可以字符串 “FishC FishC.com” 中的 “FishC FishC”(注意有空格) |
(?..) | (? 开头的表示为正则表达式的扩展语法(下边这些是 Python 支持的所有扩展语法) |
(?aiLmsux) | 1. (? 后可以紧跟着 ‘a’,‘i’,‘L’,‘m’,‘s’,‘u’,‘x’ 中的一个或多个字符,只能在正则表达式的开头使用。2. 每一个字符对应一种匹配标志:re-A(只匹配 ASCII 字符),re-I(忽略大小写),re-L(区域设置),re-M(多行模式), re-S(. 匹配任何符号),re-X(详细表达式),包含这些字符将会影响整个正则表达式的规则。3. 当你不想通过 re.compile() 设置正则表达式标志,这种方法就非常有用啦。注意,由于 (?x) 决定正则表达式如何被解析,所以它应该总是被放在最前边(最多允许前边有空白符)。如果 (?x) 的前边是非空白字符,那么 (?x) 就发挥不了作用了 |
(?:…) | 非捕获组,即该子组匹配的字符串无法从后边获取 |
(?P…) | 命名组,通过组的名字(name)即可访问到子组匹配的字符串 |
(?P=name) | 反向引用一个命名组,它匹配指定命名组匹配的任何内容 |
(?#…) | 注释,括号中的内容将被忽略 |
(?=…) | 前向肯定断言。如果当前包含的正则表达式(这里以 … 表示)在当前位置成功匹配,则代表成功,否则失败。一旦该部分正则表达式被匹配引擎尝试过,就不会继续进行匹配了;剩下的模式在此断言开始的地方继续尝试。举个例子:love(?=FishC) 只匹配后边紧跟着 “FishC” 的字符串 “love” |
(?!..) | 前向否定断言。这跟前向肯定断言相反(不匹配则表示成功,匹配表示失败)。举个例子:FishC(?!.com) 只匹配后边不是 “.com” 的字符串 “FishC” |
(?<=…) | 后向肯定断言。跟前向肯定断言一样,只是方向相反。举个例子:(?<=love)FishC 只匹配前边紧跟着 “love” 的字符串 “FishC” |
(?<!..) | 后向否定断言。跟前向肯定断言一样,只是方向相反。举个例子:(?<!FishC).com 只匹配前边不是 “FishC” 的字符串 “.com” |
(?(id/name)yes-pattern|no-pattern) | 1. 如果子组的序号或名字存在的话,则尝试 yes-pattern 匹配模式;否则尝试 no-pattern 匹配模式。2. no-pattern 是可选的。举个例子:(<)?(\w+@\w+(?:.\w+)+)(?(1)> |
| | 下边列举了由字符 ‘’ 和另一个字符组成的特殊含义。注意,’’ + 元字符的组合可以解除元字符的特殊功能 |
\序号 | 1. 引用序号对应的子组所匹配的字符串,子组的序号从 1 开始计算。2. 如果序号是以 0 开头,或者 3 个数字的长度。那么不会被用于引用对应的子组,而是用于匹配八进制数字所表示的 ASCII 码值对应的字符。举个例子:(.+) \1 会匹配 “FishC FishC” 或 “55 55”,但不会匹配 “FishCFishC”(注意,因为子组后边还有一个空格) |
\A | 匹配输入字符串的开始位置 |
\Z | 匹配输入字符串的结束位置 |
\b | 匹配一个单词边界,单词被定义为 Unidcode 的字母数字或下横线字符。举个例子:\bFishC\b 会匹配字符串 “love FishC”、FishC." 或 “(FishC)” |
\B | 匹配非单词边界,其实就是与 \b 相反。举个例子:py\B 会匹配字符串 “python”、“py3” 或 “py2”,但不会匹配 "py "、“py.” 或 “py!” |
\d | 1. 对于 Unicode(str 类型)模式:匹配任何一个数字,包括 [0-9] 和其他数字字符;如果开启了 re.ASCII 标志,就只匹配 [0-9]。2. 对于 8 位(bytes 类型)模式:匹配 [0-9] 中任何一个数字 |
\D | 匹配任何非 Unicode 的数字,其实就是与 \d 相反;如果开启了 re.ASCII 标志,则相当于匹配 [^0-9] |
\s | 1. 对于 Unicode(str 类型)模式:匹配 Unicode 中的空白字符(包括 [ \t\n\r\f\v] 以及其他空白字符);如果开启了 re.ASCII 标志,就只匹配 [ \t\n\r\f\v]。2. 对于 8 位(bytes 类型)模式:匹配 ASCII 中定义的空白字符,即 [ \t\n\r\f\v] |
\S | 匹配任何非 Unicode 中的空白字符,其实就是与 \s 相反;如果开启了 re.ASCII 标志,则相当于匹配 [^ \t\n\r\f\v] |
\w | 1. 对于 Unicode(str 类型)模式:匹配任何 Unicode 的单词字符,基本上所有语言的字符都可以匹配,当然也包括数字和下横线;如果开启了 re.ASCII 标志,就只匹配 [a-zA-Z0-9_]。2. 对于 8 位(bytes 类型)模式:匹配 ASCII 中定义的字母数字,即 [a-zA-Z0-9_] |
\W | 匹配任何非 Unicode 的单词字符,其实就是与 \w 相反;如果开启了 re.ASCII 标志,则相当于 [^a-zA-Z0-9_] |
转义符号 | 正则表达式还支持大部分 Python 字符串的转义符号:\a,\b,\f,\n,\r,\t,\u,\U,\v,\x,\。注:\b 通常用于匹配一个单词边界,只有在字符类中才表示“退格”;\u 和 \U 只有在 Unicode 模式下才会被识别;八进制转义(\数字)是有限制的,如果第一个数字是 0,或者如果有 3 个八进制数字,那么就被认为是八进制数;其他情况则被认为是子组引用;至于字符串,八进制转义总是最多只能是 3 个数字的长度 |
- eg:
- eg:
3.编译正则表达式
- 如果你需要重复地使用某个正则表达式,那么你可以先将该正则表达式编译成模式对象,使用re.compile()来编译
- eg:
4.编译标志
- 编译标志让你可以修改正则表达式的工作方式。在 re 模块下,编译标志均有两个名字:完整名和简写,例如 IGNORECASE 简写是 I(如果你是 Perl 的粉丝,那么你有福了,因为这些简写跟 Perl 是一样的,例如 re.VERBOSE 的简写是 re.X)。另外,多个标志还可以同时使用(通过“|”),如:re.I | re.M 就是同时设置 I 和 M 标志。
- 下边列举一些支持的编译标志:
标志 | 含义 |
ASCII, A | 使得转义符号如 \w,\b,\s 和 \d 只能匹配 ASCII 字符 |
DOTALL, S | 使得 . 匹配任何符号,包括换行符 |
IGNORECASE, I | 匹配的时候不区分大小写 |
LOCALE, L | 支持当前的语言(区域)设置 |
MULTILINE, M | 多行匹配,影响 ^ 和 $ |
VERBOSE, X (for ‘extended’) | 启用详细的正则表达式 |
- A
ASCII
使得 \w,\W,\b,\B,\s 和 \S 只匹配 ASCII 字符,而不匹配完整的 Unicode 字符。这个标志仅对 Unicode 模式有意义,并忽略字节模式。 - S
DOTALL
使得 . 可以匹配任何字符,包括换行符。如果不使用这个标志,. 将匹配除了换行符的所有字符。 - I
IGNORECASE
字符类和文本字符串在匹配的时候不区分大小写。举个例子,正则表达式 [A-Z] 也将会匹配对应的小写字母,像 FishC 可以匹配 FishC,fishc 或 FISHC 等。如果你不设置 LOCALE,则不会考虑语言(区域)设置这方面的大小写问题。 - L
LOCALE
使得 \w,\W,\b 和 \B 依赖当前的语言(区域)环境,而不是 Unicode 数据库。
区域设置是 C 语言的一个功能,主要作用是消除不同语言之间的差异。例如你正在处理的是法文文本,你想使用 \w+ 来匹配单词,但是 \w 只是匹配 [A-Za-z] 中的单词,并不会匹配 ‘é’ 或 ‘ç’。如果你的系统正确的设置了法语区域环境,那么 C 语言的函数就会告诉程序 ‘é’ 或 ‘ç’ 也应该被认为是一个字符。当编译正则表达式的时候设置了 LOCALE 的标志,\w+ 就可以识别法文了,但速度多少会受到影响。 - M
MULTILINE
(^ 和 $ 我们还没有提到,别着急,后边我们有细讲…)
通常 ^ 只匹配字符串的开头,而 $ 则匹配字符串的结尾。当这个标志被设置的时候,^ 不仅匹配字符串的开头,还匹配每一行的行首;& 不仅匹配字符串的结尾,还匹配每一行的行尾。 - X
VERBOSE
这个标志使你的正则表达式可以写得更好看和更有条理,因为使用了这个标志,空格会被忽略(除了出现在字符类中和使用反斜杠转义的空格);这个标志同时允许你在正则表达式字符串中使用注释,# 符号后边的内容是注释,不会递交给匹配引擎(除了出现在字符类中和使用反斜杠转义的 #)。 - 下边是使用 re.VERBOSE 的例子,大家看下正则表达式的可读性是不是提高了不少:
5.re.seach()
- search() 方法并不会立刻返回你所需要的字符串,取而代之,它是返回一个匹配对象
- group()方法
匹配对象有一些方法,你使用这些方法才能够获得你所需要的匹配的字符串;
如果正则表达式中存在着 子组,子组会将匹配的内容进行捕获,通过这个 group()方法中设置序号,可以提取到对应的子组 捕获的字符串;
start()方法 :返回它匹配的开始位置;
end()方法 :返回它匹配的结束位置;
span()方法 :返回它匹配的范围;
6.re.findall()
- findall() 方法:找到所有匹配的内容,然后把它们组织成列表的形式返回
- 接下来要解决的问题就是如何把里边这些地址给提取出来,因为你直接复制上面一个地址去浏览器打开是下载不了,我们需要的是那个地址才可以访问到图片,改的方法也很简单,如下
- 那为什么加个小括号会如此方便呢?这是因为在 findall() 方法中,如果给出的正则表达式是包含着子组的话,那么就会把子组的内容单独给返回回来。然而,如果存在多个子组,那么它还会将匹配的内容组合成元组的形式再返回。
- 自动获取ip地址的例子,获取多个子组
- 可以看到让我们很迷茫,为什么会这样呢?这明显不是我们想要的结果,这是因为我们在正则表达式里面使用了 3 个子组,所以,findall() 会自作聪明的帮我们的结果做了分类,然后用元组的形式返回给我们。
- 要解决这个问题,我们可以让子组不捕获内容。可以使用拓展语法,那么让子组不捕获内容那也就是非捕获组,扩展语法就是(?:…),如果小括号后面仅跟一个?那么表示为正则表达式的拓展语法,因为问号?是匹配他紧挨他前面的东西一次或者没有,左边是小括号,那么你加个?问号没有意义,因为小括号是元字符。