正则表达式(初级)
正则表达式定义
正则表达式用于字符串的匹配工作
正则表达式的步骤
1. 创建正则表达式
2. 通过正则表达式匹配字符串
#正则表达式
#正则表达式用作模式匹配
# 模式pattern 匹配match
import re
pattern = r"python"
string = r"pythonsfdsadpythonsdfpythonsadfpython"
prog = re.compile(pattern)
result = prog.match(string)
print(result)
#下面的代码和上面等价,使用compile更有效率。
result2 = re.match(pattern, string)
print(result2)
'''
pattern.match(string)只能从开头匹配,如果开始没匹配上,则不存在
返回值是match类型
'''
#prog.search(string)从开头扫描匹配,只返回第一个匹配的值,返回值是match类型
str3 = r"sdfsdpythonsdfspython"
result3 = prog.search(str3)
print(result3)
#findall返回一个列表
result4 = prog.findall(str3)
print(result4)
#如果字符串和正则表达式完全匹配,则返回match类型,如果不是完全匹配,则返回None
str5 = r"python"
result5 = prog.fullmatch(str5)
print(result5)
#re.split(pattern, string, maxsplit=0, flags=0) 可以进行字符串分割,返回值位列表
str6 = r"python,sfdsad,pythons,dfp,yth,onsa,dfpyt,hon"
pattern6 = re.compile(r",")
result6 = pattern6.split(str6)
print(result6)
正则表达式(中级)
子表达式
import re
#子表达式,就是对字符串分组,例如匹配ip地址,192.168.10.1 这个很明显可以进行分组
string = r"192.168.10.11"
pattern = r"(\d{1,3}\.){3}\d{1,3}"
prog =re.compile(pattern)
# \d表示数字,+{1,3}表示重复前面的\d最少1次,最多3次。
result = prog.search(string)
print(result)
指定前后字符串
#指定前后字符串
string1 = r"<body><h1>hello world</h1></body>"
pattern1 = r"(?<=<h1>).+(?=</h1>)"
#?<=xx指定前缀xx,?=aa制定后缀aa
prog1 = re.compile(pattern1)
result = prog1.search(string1)
print(result)
回溯引用
#回溯引用
string3 = r"<body><h1>hello world</h1><h2>你好</h2><h1>呵呵</h3></body>"
pattern3 = r"(?<=<h[1,6]>).+(?=</h[1,6]>"
#搜索<h1>-<h6>之间的内容,但是如果出现<h1></h3>这种奇葩,那就不行了,需要如下
pattern4 = r"(?<=<h[1,6]>).+(?=</h\1>" #\1表示调用表达式1中的内容,即,随着表达式1的变化而变化
prog = re.compile(pattern4)
result = prog.search(string3)
print(result)
正则表达式(高级)
分组
#group分组,
string4 = r"123abc345"
#分组正则表达式,用()分组
pattern = r"(\d{3})(\w{3})(\d{3})"
prog = re.compile(pattern)
result = prog.search(string4)
print(result.group()) #获取所有
print(result.group(1))
print(result.group(2))
print(result.group(3))
正则表达式
模式 | – 描述– |
^ | 匹配字符串的开头 |
$ | 匹配字符串的末尾。 |
. | 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符。 |
[…] | 用来表示一组字符,单独列出:[amk] 匹配 ‘a’,’m’或’k’ |
[^…] | 不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。 |
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b |
(re) | 匹配括号内的表达式,也表示一个组 |
(?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 | 匹配字母数字及下划线 |
\W | 匹配非字母数字及下划线 |
\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。 |