python正则表达式
python的表达式是prel风格的,需要加入re包。
import re
首先,正则表达式是把一系列式子用一个特征表达式表示出来,然后利用函数匹配打印出来,以下是几个相关函数。
1.re.match()从字符串开始位置搜索,如果不是起始位置,则返回none
re.match(pattern,string,flags)
pattern是匹配的特征表达式,string是需要匹配的字符串,flag是匹配标志
pattern
re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为’ . ‘并且包括换行符在内的任意字符(’ . ‘不包括换行符)
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性,忽略空格和’ # '后面的注释
re.search() 扫描整个字符串并返回第一个成功的匹配。
re.search(pattern, string, flags=0)
Python 的re模块提供了re.sub用于替换字符串中的匹配项。
re.sub(pattern, repl, string, count=0, flags=0)
pattern : 正则中的模式字符串。是要替换的部分,不能弄错了。
repl : 替换的字符串,也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。
flags : 编译时用的匹配模式,数字形式。前三个为必选参数,后两个为可选参数。
string = "hello ben,welcome"
str = re.sub(r'ben', "jane", string)
print(str)
compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。
re.compile(pattern[, flags])
pattern : 一个字符串形式的正则表达式
flags 可选,表示匹配模式,比如忽略大小写,多行模式等
findall
在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。
re.findall(string[, pos[, endpos]])
string 待匹配的字符串。
pos 可选参数,指定字符串的起始位置,默认为 0。
endpos 可选参数,指定字符串的结束位置,默认为字符串的长度。
re.finditer
和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。
re.finditer(pattern, string, flags=0)
迭代器可以用for循环
re.split
split 方法按照能够匹配的子串将字符串分割后返回列表,它的使用形式如下:
re.split(pattern, string[, maxsplit=0, flags=0])
pattern 匹配的正则表达式
string 要匹配的字符串。
maxsplit 分隔次数,maxsplit=1 分隔一次,默认为 0,不限制次数。
flags 标志位,用于控制正则表达式的匹配方式
在上面,当匹配成功时返回一个 Match 对象, 其中:
group([group1, …]) 方法用于获得一个或多个分组匹配的字符串,当要获得整个匹配的子串时,可直接使用 group() 或 group(0);
start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置(子串第一个字符的索引),参数默认值为 0;
end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置(子串最后一个字符的索引+1),参数默认值为 0;
span([group]) 方法返回 (start(group), end(group))。
匹配字符
- 符号
.
匹配所有字符,除了换行符 - 符号
^
匹配字符串开头 - 符号
$
匹配字符串结尾 - 符号
[...]
匹配括号里的字母 - 符号
[^...]
不匹配括号里的字母 -
re*
匹配0个或多个的表达式。re+
匹配1个或多个的表达式。re?
匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式re{ n}
匹配n个前面表达式。例如,"o{2}“不能匹配"Bob"中的"o”,但是能匹配"food"中的两个o。
re{ n,} 精确匹配n个前面表达式。例如,"o{2,}“不能匹配"Bob"中的"o”,但能匹配"foooood"中的所有o。"o{1,}“等价于"o+”。"o{0,}“则等价于"o*”。re{ n, m}
匹配 n 到 m 次由前面的正则表达式定义的片段,贪婪方式 -
a|b
匹配a或者b -
(?imx)
正则表达式包含三种可选标志:i, m, 或 x 。只影响括号中的区域。(?-imx)
正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。(?: re)
类似 (…), 但是不表示一个组(?imx: re)
在括号中使用i, m, 或 x 可选标志(?-imx: re)
在括号中不使用i, m, 或 x 可选标志(?#...)
注释.(?= re)
前向肯定界定符。如果所含正则表达式,以 … 表示,在当前位置成功匹配时成功,否则失败。但一旦所含表达式已经尝试,匹配引擎根本没有提高;模式的剩余部分还要尝试界定符的右边。(?! re)
前向否定界定符。与肯定界定符相反;当所含表达式不能在字符串当前位置匹配时成功。(?> re)
匹配的独立模式,省去回溯。 -
\w
匹配数字字母下划线\W
匹配非数字字母下划线\s
匹配任意空白字符,等价于 [\t\n\r\f]。\S
匹配任意非空字符\d
匹配任意数字,等价于 [0-9]。\D
匹配任意非数字\A
匹配字符串开始\Z
匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串。\z
匹配字符串结束\G
匹配最后匹配完成的位置。\b
匹配一个单词边界,也就是指单词和空格间的位置。例如, er\b’ 可以匹配"never" 中的 ‘er’,但不能匹配 “verb” 中的 ‘er’。\B
匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’,但不能匹配 “never” 中的 ‘er’。\n
,\t
, 等。 匹配一个换行符。匹配一个制表符, 等\1...\9
匹配第n个分组的内容。\10
匹配第n个分组的内容,如果它经匹配。否则指的是八进制字符码的表达式。
#实例
r'\d+' #匹配1到多个数字
r'\d{n}' #匹配n个表达式
r'.' #匹配除换行符外所有字符
r'.*?' #匹配多个有前面的表达式片段
r'(?P<name>exp)' #匹配 exp,并捕获文本到名称为 name 的组里,python里要加p