Python基础-re模块

时间:2022-05-11 03:52:53
正则就是用一些具有特殊含义的符号组合在一起(成为正则表达式)来描述字符或字符串的方法.或者说:正则就是用来描述一类事物的规则.它嵌套在Python中,并通过re模块实现,正则表达式模式被编译成一系列的字节码,然后用C编写的匹配引擎执行.

元字符

\w 匹配字母(包含中文)或数字或下划线

\W 非 \w的

import re
s = re.findall('\w','123euiooj--=,..')
print(s)
运行结果:
['1', '2', '3', 'e', 'u', 'i', 'o', 'o', 'j']
s = re.findall('\W','123euiooj--=,..')
print(s)
运行结果:
['-', '-', '=', ',', '.', '.']

\s匹配任意的空白符

\S 匹配 非\s

s = re.findall('\s','nihao, my world ')
print(s)
运行结果:
[' ', ' ', ' ']
s = re.findall('\S','nihao, my world ')
print(s)
运行结果:
['n', 'i', 'h', 'a', 'o', ',', 'm', 'y', 'w', 'o', 'r', 'l', 'd']

\d匹配数字

\D匹配非\d

s = re.findall('\d','nihao123456')
print(s)
运行结果:
['1', '2', '3', '4', '5', '6']
s = re.findall('\D','nihao123456')
print(s)
运行结果:
['n', 'i', 'h', 'a', 'o']

\A从字符串开头匹配

s = re.findall('\An','nnnihao123456')
print(s)
运行结果:
['n']

 

\Z匹配字符串的结束,如果是换行,只匹配到换行前的结果

s = re.findall('n\Z','ihao123456n')
print(s)
打印结果:
['n']

\n匹配一个换行符

s = re.findall('\n','ihao123456n\n')
print(s)
打印结果:
['\n']

\t匹配一个制表符

s = re.findall('\n\t','ihao123456n\n\t')
print(s)
打印结果:
['\n\t']

^匹配字符串的开始

s = re.findall('^a','aaaihao123456n')
print(s)--跟\A功能类似
打印结果:['a']

$匹配字符串的结尾

s = re.findall('a$','ihao123456naaaa')
print(s)--跟\Z功能类似
打印结果:
['a']

. 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

s = re.findall('.','ihao123456naa\n')
print(s)
打印结果:
['i', 'h', 'a', 'o', '1', '2', '3', '4', '5', '6', 'n', 'a', 'a']

.可以匹配任意字符,那就说明必须至少有1个字符

print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb'))
打印结果:
['aab', 'a*b', 'a2b', 'a牛b']

当re.DOTALL被指定时,可以匹配换行符

print(re.findall('a.b','ab aab a*b a2b a牛b a\nb',re.DOTALL))
打印结果:
['aab', 'a*b', 'a2b', 'a牛b', 'a\nb']

[...]匹配字符组中的字符

print(re.findall('a[abc]b', 'aab abb acb adb afb a_b'))
打印结果:
['aab', 'abb', 'acb']

[0-9]代表数字0到9的数字,[a-z]代表小写字母,[A-Z]代表大写字母

print(re.findall('a[0-9]b', 'a1b a3b aeb a*b arb a_b'))
打印结果:
['a1b', 'a3b']

- 在[]中表示范围,如果想要匹配上- 那么这个-符号不能放在中间

print(re.findall('a[-*+]b', 'a-b a*b a+b a/b a6b'))
打印结果:
['a-b', 'a*b', 'a+b']

[^...]匹配除了字符组中的字符的所有字符

print(re.findall('a[^a-z]b', 'acb adb a3b a*b'))
打印结果:
['a3b', 'a*b']

*匹配0个或多个左边的字符

print(re.findall('a*b', 'ab aab aaab abbb'))
打印结果:
['ab', 'aab', 'aaab', 'ab', 'b', 'b']
print(re.findall('ab*', 'ab aab aaab abbbbb'))
打印结果:
['ab', 'a', 'ab', 'a', 'a', 'ab', 'abbbbb']

+匹配一个或多个左边的字符

print(re.findall('a+b', 'ab aab aaab abbb'))
打印结果:
['ab', 'aab', 'aaab', 'ab']

?匹配0个或者1个左边的字符,非贪婪方式

print(re.findall('a?b', 'ab aab abb aaaab a牛b aba**b'))
打印结果:
['ab', 'ab', 'ab', 'b', 'ab', 'b', 'ab', 'b']

{n}精准匹配n个前面的表达式

print(re.findall('a{2}b', 'ab aab aaab aaaaabb'))
打印结果:
['aab', 'aab', 'aab']

{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

print(re.findall('a{2,4}b', 'ab aab aaab aaaaabb'))
打印结果:
['aab', 'aaab', 'aaaab']

a|b匹配a或者b

print(re.findall('a|b','alex_sb ale123_sb wusir12_sb wusir_sb ritian_sb'))
打印结果:
['a', 'b', 'a', 'b', 'b', 'b', 'a', 'b']
print(re.findall('alex|太白|wusir', 'alex太白wusiraleeeex太太白odlb'))
打印结果:
['alex', '太白', 'wusir', '太白']

()匹配括号内的表达式,也表示一个组,分组

print(re.findall('([a-z]+)_sb','alex_sb ale123_sb wusir12_sb wusir_sb ritian_sb'))
打印结果:
['alex', 'wusir', 'ritian']

()制定一个规则,将满足规则的结果匹配出来,只显示括号里面的

print(re.findall('(.*?)_sb', 'alex_sb wusir_sb 日天_sb'))
打印结果
['alex', ' wusir', ' 日天']
print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company'))
打印结果:
['ies', 'y']
分组() 中加入?: 表示将整体匹配出来而不只是()里面的内容
print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company'))
打印结果:
['companies', 'company']

混合使用

.* 贪婪匹配 从头到尾(.代表任意字符,*匹配0个或多个左边的字符,那就是有0个或多个. 那只要是a开头,b结尾的字符串都符合要求)

print(re.findall('a.*b', 'ab aab a*()b'))
打印结果:
['ab aab a*()b']

.*? 此时的?不是对左边的字符进行0次或者1次的匹配,而只是针对.*这种贪婪匹配的模式进行一种限定:告知他要遵从非贪婪匹配 推荐使用!

print(re.findall('a.*?b', 'ab a1b a*()b, aaaaaab'))
打印结果:
['ab', 'a1b', 'a*()b', 'aaaaaab']

常用方法

re.search 查找

只要找到第一个就返回,返回的是一个包含匹配信息的对象,该对象可以用group()方法显示出来

import re
s = re.search('alex','alex sb sb alex 日天') ##这是个对象
print(s.group())
打印结果:
alex

re.match 查找

查找的内容必须在开头,否则就返回None

s = re.match('alex','alex sb alex sb sb alex 日天')
print(s.group())
打印结果:
alex

re.split 分割

可以按照任意字符分割

print(re.split('[ ::,;;,]','alex wusir,日天,太白;女神;肖锋:吴超'))
打印结果:
['alex', 'wusir', '日天', '太白', '女神', '肖锋', '吴超']

re.sub替换

s = re.sub('小红','小黄','小红和小兰,明天要跟小明一起去郊游,但是小红不想去')
print(s)
打印结果:
小黄和小兰,明天要跟小明一起去郊游,但是小黄不想去

最后如果加上数字,代表替换的次数,如果次数超出字符串出现的次数,则返回所有

s = re.sub('小红','小黄','小红和小兰,明天要跟小明一起去郊游,但是小红不想去',1)
print(s)
打印结果:
小黄和小兰,明天要跟小明一起去郊游,但是小红不想去

obj=re.compile('\d{2}')

obj = re.compile('\d{2}')
print(obj.search('abc123eeee').group()) #12
print(obj.findall('abc123eeee')) #['12'],重用了obj
打印结果:
12
['12']

re.finditer

返回一个存放结果的迭代器

ret = re.finditer('\d','123day788add')
print(ret.__next__().group())
print([i.group() for i in ret])
打印结果:
1
['2', '3', '7', '8', '8']

命名分组
ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")

?P是可以对组进行命名

ret = re.search("<(?P<tag_name1>\w+)>\w+</(?P=tag_name1)>","<h1>hello</h1>")
print(ret.group('tag_name1'))
print(ret.group())
打印结果:
h1
<h1>hello</h1>