Python 正则表达式（regex）

正则表达式

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑

正则表达式非Python独有，在Python中使用re模块实现

常见匹配模式

模式          描述\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\n            匹配一个换行符\t            匹配一个制表符^             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：[abc]匹配"a","b"或"c"[^...]        不再[]中的字符：[^abc]匹配除了a,b,c之外的字符*             匹配0个或多个的表达式+             匹配1个或多个的表达式？            匹配0个或1个由前面的正则表达式定义的片段，非贪婪模式{n}           精确匹配n个前面表达式{n,m}         匹配n到m次由前面的正则表达式定义的片段，贪婪模式a|b           匹配a或b（）          匹配括号内的表达式，也表示一个组

re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话, match()就返回none

re.match(pattern,string,flags=0)

常规匹配

import recontent = 'Hello 111 2222 World hello python'print(len(content))res = re.match('^Hello\s\d\d\d\s\d{4}\s\w{5}\s.*python$', content)print(res)print(res.group())print(res.span())

运行结果：33<_sre.SRE_Match object; span=(0, 21), match='Hello 111 2222 World '>Hello 111 2222 World (0, 21)

泛匹配

import recontent = 'Hello 111 2222 World hello python'res = re.match('^Hello.*python$', content)print(res)print(res.group())print(res.span())

运行结果：<_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'>Hello 111 2222 World hello python(0, 33)

匹配目标

import recontent = 'Hello 111 2222 World hello python'res = re.match('^Hello\s(\d+)\s(\d+)\s.*python$', content)print(res)print(res.group(1), res.group(2))

运行结果：<_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'>111 2222

贪婪模式

import recontent = 'Hello 111 2222 World hello python'res = re.match('^H.*(\d+)\s(\d+).*python$', content)print(res)print(res.group(1), res.group(2))

运行结果：<_sre.SRE_Match object; span=(0, 33), match='Hello 111 2222 World hello python'>1 2222

非贪婪模式

import recontent = 'Hello 111222 World hello python'res = re.match('^He.*?(\d+).*?python$', content)print(res)print(res.group(1))

运行结果：<_sre.SRE_Match object; span=(0, 31), match='Hello 111222 World hello python'>111222

匹配模式

模式                  描述re.I                  匹配的字符忽略大小写re.M                  多行匹配re.L                  本地化识别匹配re.U                  根据Unicode进行相应化解析re.S                  让 . 匹配包括换行符

import recontent = """Hello 1112222 World           hello python"""res = re.match('^H.*?(\d+).*?python$', content, re.S)print(res)print(res.group(1))

运行结果：<_sre.SRE_Match object; span=(0, 43), match='Hello 1112222 World \n          hello python'>1112222

转义

import recontent = """The apple's price is $5.00"""res = re.match('The apple\'s price is \$5.00', content, re.S)print(res)print(res.group())

<_sre.SRE_Match object; span=(0, 26), match="The apple's price is $5.00">The apple's price is $5.00

总结：尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、由换行符就用re.S

re.search

re.search 扫描整个字符串并返回第一个成功的匹配

# 使用re.match()import recontent = """This is a string"""res = re.match('a', content, re.S)print(res)

运行结果：None

# 使用re.search()import recontent = """This is a string"""res = re.search('a\s\w*', content, re.S)print(res)print(res.group())

运行结果：<_sre.SRE_Match object; span=(8, 16), match='a string'>a string

总结：为匹配方便，能用search就不用match

re.findall

搜索字符串，以列表形式返回全部能匹配的子串

import recontent = """This is a string"""res = re.findall('a\s\w*', content, re.S)print(res)

运行结果：['a string']

re.sub

替换字符串中每一个匹配的子串后返回替换后的字符串

import recontent = """This is 222211111 string"""res = re.sub('\d+', 'a',content)print(res)

运行结果：This is a string

re.compile

将正则字符串编译成正则表达式对象

将一个正则表达式串编译成正则对象，以便于复用该匹配模式

import recontent = """This is 222211111 string"""pattern = re.compile('\d+')res = re.search(pattern, content)print(res)print(res.group())

运行结果：<_sre.SRE_Match object; span=(8, 17), match='222211111'>222211111

---

欢迎访问

个人博客地址：

---