第三十节，正则表达式re模块

时间：2023-03-09 05:10:59
第三十节，正则表达式re模块

正则表达式

正则表达式本身是一种小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，程序员们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行。

第三十节，正则表达式re模块

正则表达式是用来匹配处理字符串的 python 中使用正则表达式需要引入re模块

如：

import re #第一步，要引入re模块

a = re.findall("匹配规则", "要匹配的字符串") #第二步，调用模块函数

以列表形式返回匹配到的字符串

如：

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规则", "这个字符串是否有匹配规则的字符")   #第二步，调用模块函数

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则']

字符匹配（普通字符，元字符）

普通字符：是没有包含特殊意义的字符，大多以数字字母和中文汉字的，以自身匹配

也就是查找字符串里是否有包含匹配规则的字符串，必须完全包含才匹配

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规则", "这个字符串是否有匹配规则的字符")   #第二步，调用模块函数

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则']

元字符：是包含特殊意义的字符，一般都是和普通字符搭配使用的

.元字符

需要字符串里完全符合，匹配规则，就匹配，（规则里的.元字符）可以是任何一个字符

匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符)

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规.则", "这个字符串是否有匹配规a则的字符")   #需要完全符合匹配规则，（.元字符）可以是任何一个字符

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则']

^元字符

字符串开始位置与匹配规则符合就匹配，否则不匹配

匹配字符串开头。在多行模式中匹配每一行的开头

^元字符如果写到[]字符集里就是反取
#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("^匹配规则", "匹配规则这个字符串是否匹配")   #字符串开始位置与匹配规则符合就匹配，否则不匹配

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则']
[^a-z]反取，匹配出除字母外的字符，^元字符如果写到字符集里就是反取
#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("[^a-z]", "匹配s规则这s个字符串是否s匹配f规则则re则则则")   #反取，匹配出除字母外的字符

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹', '配', '规', '则', '这', '个', '字', '符', '串', '是', '否', '匹', '配', '规', '则', '则', '则', '则', '则']


$元字符


字符串结束位置与匹配规则符合就匹配，否则不匹配


匹配字符串末尾，在多行模式中匹配每一行的末尾




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规则$", "这个字符串是否匹配规则")   #字符串结束位置与匹配规则符合就匹配，否则不匹配

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则']




*元字符


需要字符串里完全符合，匹配规则，就匹配，（规则里的*元字符）前面的一个字符可以是0个或多个原本字符


匹配前一个字符0或多次，贪婪匹配前导字符有多少个就匹配多少个很贪婪


如果规则里只有一个分组，尽量避免用*否则会有可能匹配出空字符串




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规则*", "这个字符串是否匹配规则则则则则")   #需要字符串里完全符合，匹配规则，就匹配，（规则里的*元字符）前面的一个字符可以是0或多个原本字符

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则则则则则']




+元字符


需要字符串里完全符合，匹配规则，就匹配，（规则里的+元字符）前面的一个字符可以是1个或多个原本字符


匹配前一个字符1次或无限次，贪婪匹配前导字符有多少个就匹配多少个很贪婪




#!/usr/bin/env python

# -*- coding:gbk -*-

import re   #第一步，要引入re模块

a = re.findall("匹配+", "匹配配配配配规则这个字符串是否匹配规则则则则则")   #需要字符串里完全符合，匹配规则，就匹配，（规则里的+元字符）前面的一个字符可以是1个或多个原本字符

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配配配配配', '匹配']




?元字符，和防止贪婪匹配


需要字符串里完全符合，匹配规则，就匹配，（规则里的?元字符）前面的一个字符可以是0个或1个原本字符


匹配一个字符0次或1次


还有一个功能是可以防止贪婪匹配，详情见防贪婪匹配




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规则?", "匹配规这个字符串是否匹配规则则则则则")   #需要字符串里完全符合，匹配规则，就匹配，（规则里的?元字符）前面的一个字符可以是0个或1个原本字符

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规', '匹配规则']




{}元字符,范围


需要字符串里完全符合，匹配规则，就匹配，（规则里的 {} 元字符）前面的一个字符，是自定义字符数，位数的原本字符


{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次


{0,}匹配前一个字符0或多次,等同于*元字符
{+,}匹配前一个字符1次或无限次,等同于+元字符
{0,1}匹配前一个字符0次或1次,等同于?元字符




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规则{3}", "匹配规这个字符串是否匹配规则则则则则")   #{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则则则']




[]元字符,字符集


需要字符串里完全符合，匹配规则，就匹配，（规则里的 [] 元字符）对应位置是[]里的任意一个字符就匹配


字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。
所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配[a,b,c]规则", "匹配a规则这个字符串是否匹配规则则则则则")   #需要字符串里完全符合，匹配规则，就匹配，（规则里的 [] 元字符）对应位置是[]里的任意一个字符就匹配

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配a规则']




[^]非，反取，匹配出除[^]里面的字符，^元字符如果写到字符集里就是反取




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("[^a-z]", "匹配s规则这s个字符串是否s匹配f规则则re则则则")   #反取，匹配出除字母外的字符

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹', '配', '规', '则', '这', '个', '字', '符', '串', '是', '否', '匹', '配', '规', '则', '则', '则', '则', '则']




\元字符


1.反斜杠后边跟元字符去除特殊功能；（即将特殊字符转义成普通字符）




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配\.规则", "匹配.规则这个字符串是否匹配规则则则则则")   #反斜杠后边跟元字符去除特殊功能；（即将特殊字符转义成普通字符）

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配.规则']




2.反斜杠后边跟普通字符实现特殊功能；（即预定义字符）


预定义字符是在字符集和组里都是有用的


\d匹配任何十进制数，它相当于类[0-9]




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("\d", "匹配规则这2个字符串3是否匹配规则5则则则7则")   #\d匹配任何十进制数，它相当于类[0-9]

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['2', '3', '5', '7']




\d+如果需要匹配一位或者多位数的数字时用




#!/usr/bin/env python

# -*- coding:gbk -*-

import re   #第一步，要引入re模块

a = re.findall("\d+", "匹配规则这2个字符串134444是否匹配规则5则则则7则")   #\d+如果需要匹配一位或者多位数的数字时用

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['2', '134444', '5', '7']




\D匹配任何非数字字符，它相当于类[^0-9]




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("\D", "匹配规则这2个字符串3是否匹配规则5则则则7则")   #\D匹配任何非数字字符，它相当于类[^0-9]

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹', '配', '规', '则', '这', '个', '字', '符', '串', '是', '否', '匹', '配', '规', '则', '则', '则', '则', '则']




\s匹配任何空白字符，它相当于类[\t\n\r\f\v]




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("\s", "匹配规则   这2个字符串3是否匹配规则5则则则7则")   #\s匹配任何空白字符，它相当于类[\t\n\r\f\v]

print(a)  #以列表形式返回匹配到的字符串

#打印出 [' ', ' ', ' ']




\S匹配任何非空白字符，它相当于类[^\t\n\r\f\v]




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("\S", "匹配规则   这2个字符串3是否匹配规则5则则则7则")   #\S匹配任何非空白字符，它相当于类[^\t\n\r\f\v]

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹', '配', '规', '则', '这', '2', '个', '字', '符', '串', '3', '是', '否', '匹', '配', '规', '则', '5', '则', '则', '则', '7', '则']




\w匹配包括下划线在内任何字母数字字符，它相当于类[a-zA-Z0-9_]




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

a = re.findall('\w',"http://www.cnb_logs.com/")  #\w匹配包括下划线在内任何字母数字字符，它相当于类[a-zA-Z0-9_]

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['h', 't', 't', 'p', 'w', 'w', 'w', 'c', 'n', 'b', '_', 'l', 'o', 'g', 's', 'c', 'o', 'm']




\W匹配非任何字母数字字符包括下划线在内，它相当于类[^a-zA-Z0-9_]




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

a = re.findall('\W',"http://www.cnb_logs.com/")  #\W匹配非任何字母数字字符包括下划线在内，它相当于类[^a-zA-Z0-9_]

print(a)  #以列表形式返回匹配到的字符串

#打印出 [':', '/', '/', '.', '.', '/']




\b匹配一个单词边界，也就是指单词和空格间的位置




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

#也就是分组匹配，()里面的为一个组也可以理解成一个整体

a = re.findall(r"\babc\b", "a4a4a4a abc 4a4dggdg4g654gb")   #\b匹配一个单词边界，也就是指单词和空格间的位置

print(a)

#打印出 ['abc']




3.\2引用序号对应的字组所匹配的字符串。




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

#也就是分组匹配，()里面的为一个组也可以理解成一个整体

a = re.search(r"(a4)(dg)g\2", "a4a4a4a4a4dggdg4g654gb")   #引用序号对应的字组所匹配的字符串,\2就是引用第2个组(dg)

b = a.group()

print(b)

#打印出 a4dggdg




()元字符，分组


也就是分组匹配，()里面的为一个组也可以理解成一个整体


如果()后面跟的是特殊元字符如   (adc)*   那么*控制的前导字符就是()里的整体内容，不再是前导一个字符


列1




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

#也就是分组匹配，()里面的为一个组也可以理解成一个整体

a = re.search("(a4)+", "a4a4a4a4a4dg4g654gb")   #匹配一个或多个a4

b = a.group()

print(b)

#打印出 a4a4a4a4a4




列2




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

#也就是分组匹配，()里面的为一个组也可以理解成一个整体

a = re.search("a(\d+)", "a466666664a4a4a4dg4g654gb")    #匹配 (a) (\d0-9的数字) (+可以是1个到多个0-9的数字)

b = a.group()

print(b)

#打印出 a466666664




|元字符，或


|或，或就是前后其中一个符合就匹配




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

a = re.findall(r"你|好", "a4a4a你4aabc4a4dgg好dg4g654g")   #|或，或就是前后其中一个符合就匹配

print(a)

#打印出 ['你', '好']




r原生字符


将在python里有特殊意义的字符如\b，转换成原生字符（就是去除它在python的特殊意义），不然会给正则表达式有冲突，为了避免这种冲突可以在规则前加原始字符r




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re   #第一步，要引入re模块

a = re.findall(r"\b", "a4 a4a你4aabc4 a4dgg好 dg4g654g")   #将在python里有特殊意义的字符如\b，转换成原生字符（就是去除它在python的特殊意义）

print(a)

#打印出 ['', '', '', '', '', '', '', ''] 如果不加r就匹配不到空格




re模块中常用功能函数


正则表达式有两种书写方式，一种是直接在函数里书写规则，




#!/usr/bin/env python

# -*- coding:utf-8 -*-

import re   #第一步，要引入re模块

a = re.findall("匹配规则", "这个字符串是否有匹配规则的字符")   #第二步，调用模块函数

print(a)  #以列表形式返回匹配到的字符串

#打印出 ['匹配规则']




一种是用compile()函数将规则编译成对象在用功能函数调用编译对象


compile()，参数（"正则规则"，标示）


编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）


格式：




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

tt = "Tina is a good girl, she is cool, clever, and so on..."

rr = re.compile(r'\w*oo\w*')

a = rr.findall(tt)   #查找所有包含'oo'的单词

print(a)

#执行结果如下：

['good', 'cool']




re.compile(pattern,flags=0)


pattern正则模式：编译时用的表达式字符串


flags标示：编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的有


默认为标示为flags=0，也就是取全部匹配到的，


flags标示，匹配模式







标志




含义








re.S(DOTALL)




使.匹配包括换行在内的所有字符








re.I（IGNORECASE）




使匹配对大小写不敏感








re.L（LOCALE）




做本地化识别（locale-aware)匹配，法语等








re.M(MULTILINE)




多行匹配，影响^和$








re.X(VERBOSE)




该标志通过给予更灵活的格式以便将正则表达式写得更易于理解








re.U




根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B









#!/usr/bin/env python

# -*- coding:gbk -*-

import re

#无分组

origin = "hello alex bcd alex lge alex acd 19"

r = re.match("H\w+", origin,re.I)    #re.I使匹配对大小写不敏感

print(r.group())     # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来

print(r.groups())    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

#输出结果

# hello     匹配到的全部拿出来，加了re.I标示所以字符串里的小写h也匹配的

# ()        没有分组所以为空

# {}        没分组部分定义了key的组所以为空




match()函数（以后常用）


match，从头匹配一个符合规则的字符串，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None
match(pattern, string, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# falgs  ： 匹配模式


注意：match()函数 与 search()函数基本是一样的功能，不一样的就是match()匹配字符串开始位置的一个符合规则的字符串，search()是在字符串全局匹配第一个合规则的字符串




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

#无分组

origin = "hello alex bcd alex lge alex acd 19"

r = re.match("h\w+", origin)    #match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None

print(r.group())     # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来

print(r.groups())    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

#输出结果

# hello     匹配到的全部拿出来

# ()        没有分组所以为空

# {}        没分组部分定义了key的组所以为空

# 有分组

# 为何要有分组？提取匹配成功的指定内容（先匹配成功全部正则，再匹配成功的局部内容提取出来）

r = re.match("h(\w+)", origin)   #match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None

print(r.group())     # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来

print(r.groups())    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

#输出结果

# hello         匹配到的全部拿出来

# ('ello',)     有分组，在匹配到的字符串中拿出分组的部分

# {}            没分组部分定义了key的组所以为空

# 有两个分组定义了key

# 为何要有分组？提取匹配成功的指定内容（先匹配成功全部正则，再匹配成功的局部内容提取出来）

r = re.match("(?P<n1>h)(?P<n2>\w+)", origin)   #?P<>定义组里匹配内容的key(键)，<>里面写key名称，值就是匹配到的内容

print(r.group())     # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来

print(r.groups())    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

#输出结果

# hello                         匹配到的全部拿出来

# ('h', 'ello')                 有分组，在匹配到的字符串中拿出分组的部分

# {'n1': 'h', 'n2': 'ello'}     有定义了key的组所以，将定义了key的组里的内容以字典形式拿出来




?P<n1>  #?P<>定义组里匹配内容的key(键)，<>里面写key名称，值就是匹配到的内容（只对正则函数返回对象的有用）


取出匹配对象方法


只对正则函数返回对象的有用


group() # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来，有参取匹配到的第几个如2
groups()    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果
groupdict() # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果


search()函数
search,浏览全部字符串，匹配第一符合规则的字符串，浏览整个字符串去匹配第一个，未匹配成功返回None
search(pattern, string, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# falgs ： 匹配模式


注意：match()函数 与 search()函数基本是一样的功能，不一样的就是match()匹配字符串开始位置的一个符合规则的字符串，search()是在字符串全局匹配第一个合规则的字符串




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

#无分组

origin = "hello alex bcd alex lge alex acd 19"

r = re.search("a\w+", origin)    #search浏览全部字符串，匹配第一符合规则的字符串，浏览整个字符串去匹配第一个，未匹配成功返回None

print(r.group())     # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来

print(r.groups())    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

#输出结果

# alex     匹配到的全部拿出来

# ()        没有分组所以为空

# {}        没分组部分定义了key的组所以为空

# 有分组

# 为何要有分组？提取匹配成功的指定内容（先匹配成功全部正则，再匹配成功的局部内容提取出来）

r = re.search("a(\w+).*(\d)", origin)

print(r.group())     # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来

print(r.groups())    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

#输出结果

# alex bcd alex lge alex acd 19       匹配到的全部拿出来

# ('lex', '9')     有分组，在匹配到的字符串中拿出分组的部分

# {}            没分组部分定义了key的组所以为空

# 有两个分组定义了key

# 为何要有分组？提取匹配成功的指定内容（先匹配成功全部正则，再匹配成功的局部内容提取出来）

r = re.search("a(?P<n1>\w+).*(?P<n2>\d)", origin)   #?P<>定义组里匹配内容的key(键)，<>里面写key名称，值就是匹配到的内容

print(r.group())     # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来

print(r.groups())    # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

print(r.groupdict()) # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

#输出结果

# alex bcd alex lge alex acd 19                         匹配到的全部拿出来

# ('lex', '9')                 有分组，在匹配到的字符串中拿出分组的部分

# {'n1': 'lex', 'n2': '9'}     有定义了key的组所以，将定义了key的组里的内容以字典形式拿出来




findall()函数（以后常用）


findall(pattern, string, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# falgs ： 匹配模式


浏览全部字符串，匹配所有合规则的字符串，匹配到的字符串放到一个列表中，未匹配成功返回空列表


注意：一旦匹配成，再次匹配，是从前一次匹配成功的，后面一位开始的，也可以理解为匹配成功的字符串，不在参与下次匹配




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

#无分组

r = re.findall("\d+\w\d+", "a2b3c4d5")    #浏览全部字符串，匹配所有合规则的字符串，匹配到的字符串放到一个列表中

print(r)

#输出结果

#['2b3', '4d5']

#注意：匹配成功的字符串，不在参与下次匹配,所以3c4也符合规则但是没匹配到




注意：如果没写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的，空字符串列表




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

#无分组

r = re.findall("", "a2b3c4d5")    #浏览全部字符串，匹配所有合规则的字符串，匹配到的字符串放到一个列表中

print(r)

#输出结果

#['', '', '', '', '', '', '', '', '']

#注意：如果没写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的，空字符串列表 






注意：正则匹配到空字符的情况，如果规则里只有一个组，而组后面是*就表示组里的内容可以是0个或者多过，这样组里就有了两个意思，一个意思是匹配组里的内容，二个意思是匹配组里0内容（即是空白）所以尽量避免用*否则会有可能匹配出空字符串


注意：正则只拿组里最后一位，如果规则里只有一个组，匹配到的字符串里在拿组内容是，拿的是匹配到的内容最后一位




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

r = re.findall("(a)*", origin)

print(r)

#输出结果 ['', '', '', '', '', '', 'a', '', '', '', '', '', '', '', '', 'a', '', '', '', '', '', '', '', '', 'a', '', '', '', '', 'a', '', '', '', '', '', '']





无分组：匹配所有合规则的字符串，匹配到的字符串放到一个列表中




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

#无分组

origin = "hello alex bcd alex lge alex acd 19"

r = re.findall("a\w+", origin)    #浏览全部字符串，匹配所有合规则的字符串，匹配到的字符串放到一个列表中

print(r)

#输出结果

#['alex', 'alex', 'alex', 'acd']

#匹配所有合规则的字符串，匹配到的字符串放到一个列表中




有分组：只将匹配到的字符串里，组的部分放到列表里返回，相当于groups()方法




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

r = re.findall("a(\w+)", origin)    #有分组：只将匹配到的字符串里，组的部分放到列表里返回

print(r)

#输出结果

#['lex', 'lex', 'lex', 'cd']




 多个分组：只将匹配到的字符串里，组的部分放到一个元组中，最后将所有元组放到一个列表里返


相当于在group()结果里再将组的部分，分别，拿出来放入一个元组，最后将所有元组放入一个列表返回




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

r = re.findall("(a)(\w+)", origin)    #多个分组：只将匹配到的字符串里，组的部分放到一个元组中，最后将所有元组放到一个列表里返回

print(r)

#输出结果

#[('a', 'lex'), ('a', 'lex'), ('a', 'lex'), ('a', 'cd')]




 分组中有分组：只将匹配到的字符串里，组的部分放到一个元组中，先将包含有组的组，看作一个整体也就是一个组，把这个整体组放入一个元组里，然后在把组里的组放入一个元组，最后将所有组放入一个列表返回




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

r = re.findall("(a)(\w+(e))", origin)    #分组中有分组：只将匹配到的字符串里，组的部分放到一个元组中，先将包含有组的组，看作一个整体也就是一个组，把这个整体组放入一个元组里，然后在把组里的组放入一个元组，最后将所有组放入一个列表返回

print(r)

#输出结果

#[('a', 'le', 'e'), ('a', 'le', 'e'), ('a', 'le', 'e')]




?:在有分组的情况下findall()函数，不只拿分组里的字符串，拿所有匹配到的字符串，注意?:只用于不是返回正则对象的函数如findall()




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

b = re.findall("a(?:\w+)",origin) #?:在有分组的情况下，不只拿分组里的字符串，拿所有匹配到的字符串，注意?:只用于不是返回正则对象的函数如findall()

print(b)

#输出

# ['alex', 'alex', 'alex', 'acd']






finditer()函数


finditer(pattern, string, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# falgs ： 匹配模式


（需要for循环）浏览全部字符串，匹配所有合规则的字符串，返回一个需要for循环的对象，匹配成功for循环后返回对应个数的正则对象，未匹配成功返回空


finditer()和findall()函数基本一样的，finditer()不一样的是需要for循环后返回匹配到的对应个数对象


因为返回的是正则对象，所以需要用到对象方法




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

r = re.finditer("a\w*(?P<n1>\w)", origin)    #浏览全部字符串，匹配所有合规则的字符串，返回一个需要for循环的对象，匹配成功for循环后返回对应个数的正则对象，未匹配成功返回空

for i in r:

    print(i.group())

    print(i.groupdict())

#输出结果

# alex

# {'n1': 'x'}

# alex

# {'n1': 'x'}

# alex

# {'n1': 'x'}

# acd

# {'n1': 'd'}

#因为返回的是正则对象，所以需要用到对象方法




split()函数


根据正则匹配分割字符串，返回分割后的一个列表


split(pattern, string, maxsplit=0, flags=0)


# pattern： 正则模型


# string ： 要匹配的字符串


# maxsplit：指定分割个数


# flags  ： 匹配模式



按照一个字符将全部字符串进行分割






#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

r = re.split("a", origin) #根据正则匹配分割字符串

print(r)

#输出结果 ['hello ', 'lex bcd ', 'lex lge ', 'lex ', 'cd 19']

#根据a进行分组




将匹配到的字符串作为分割标准进行分割




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex 2acd 19"

r = re.split("a\w+", origin) #根据正则匹配分割字符串

print(r)

#输出结果 ['hello ', ' bcd ', ' lge ', ' 2', ' 19']

#将匹配到的字符串作为分割标准进行分割




设置分割参数，如果设置了分割次数，分割次数达到后，后面匹配的也不分割了




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex 2acd 19"

r = re.split("a\w+", origin,2) #设置分割参数，如果设置了分割次数，分割次数达到后，后面匹配的也不分割了

print(r)

#输出结果 ['hello ', ' bcd ', ' lge ', ' 2', ' 19']

#设置分割参数，如果设置了分割次数，分割次数达到后，后面匹配的也不分割了




有分组分割，无分组分割，匹配到作为分割标准的字符串，是不被输出的，如果想同样输出作为分割标准的字符串可以用组来分割，可以理解为组部分，分割后同样被拿出




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex 2acd 19"

r = re.split("(a\w+)", origin) #有分组分割，无分组分割，匹配到作为分割标准的字符串，是不被输出的，如果想同样输出作为分割标准的字符串可以用组来分割

print(r)

#输出结果 ['hello ', 'alex', ' bcd ', 'alex', ' lge ', 'alex', ' 2', 'acd', ' 19']

#有分组分割，无分组分割，匹配到作为分割标准的字符串，是不被输出的，如果想同样输出作为分割标准的字符串可以用组来分割




 用split()做一个多括号，字符串提取功能，也就是去除字符串里的所有括号




#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "1 - 2 * ( (60-30 +(-4/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )"

while True:

    r = re.split("\(([^()]+)\)", origin,1)#匹配以\(开头,以\)结尾，中间没有[^()]的,+中间除括号外可以是1位或者多位字符，然后通过分组拿到匹配到的（）号里的字符串

    if len(r) == 3: #每一次正则表达式匹配分割后，应该返回的是一个有3个元素的列表，匹配列表元素是否是3个

        a = r[0]    #索引列表拿出列表元素

        b = r[1]    #索引列表拿出列表元素

        c = r[2]    #索引列表拿出列表元素

        xin = a + b + c     #将列表索引出来的字符串重组

        origin = xin        #将列表索引出来的字符串重组后，重新赋值给origin变量进行下次正则匹配

        print(origin)

    else:

        break   #当列表元素不是3个时，说明正则已经处理完括号了，就退出循环

#输出结果

# 1 - 2 * ( (60-30 +-4/5 * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )

# 1 - 2 * ( (60-30 +-4/5 * 9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 ) - (-4*3)/ (16-3*2) )

# 1 - 2 * ( 60-30 +-4/5 * 9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14  - (-4*3)/ (16-3*2) )

# 1 - 2 * ( 60-30 +-4/5 * 9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14  - -4*3/ (16-3*2) )

# 1 - 2 * ( 60-30 +-4/5 * 9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14  - -4*3/ 16-3*2 )

# 1 - 2 *  60-30 +-4/5 * 9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14  - -4*3/ 16-3*2




sub()函数


替换匹配成功的指定位置字符串


sub(pattern, repl, string, count=0, flags=0)


# pattern： 正则模型


# repl   ： 要替换的字符串


# string ： 要匹配的字符串


# count  ： 指定匹配个数


# flags  ： 匹配模式






#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

r = re.sub("a","替换",origin) #替换匹配成功的指定位置字符串

print(r)

#输出

# hello 替换lex bcd 替换lex lge 替换lex 替换cd 19




subn()函数


替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受


subn(pattern, repl, string, count=0, flags=0)


# pattern： 正则模型


# repl   ： 要替换的字符串


# string ： 要匹配的字符串


# count  ： 指定匹配个数


# flags  ： 匹配模式






#!/usr/bin/env python

# -*- coding:utf8 -*-

import re

origin = "hello alex bcd alex lge alex acd 19"

a,b = re.subn("a","替换",origin) #替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受

print(a)

print(b)

#输出

# hello 替换lex bcd 替换lex lge 替换lex 替换cd 19

#




元字符表







.




需要字符串里完全符合，匹配规则，就匹配，（规则里的.元字符）可以是任何一个字符，匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符)




a.c




abc








\




1.反斜杠后边跟元字符去除特殊功能；（即将特殊字符转义成普通字符），2.反斜杠后边跟普通字符实现特殊功能；（即预定义字符），3.\2引用序号对应的字组




a\.c;a\\c




a.c;a\c








*




需要字符串里完全符合，匹配规则，就匹配，（规则里的*元字符）前面的一个字符可以是0个或多个原本字符，匹配前一个字符0或多次，贪婪匹配前导字符有多少个就匹配多少个很贪婪，如果规则里只有一个分组，尽量避免用*否则会有可能匹配出空字符串




abc*




ab;abccc








+




需要字符串里完全符合，匹配规则，就匹配，（规则里的+元字符）前面的一个字符可以是1个或多个原本字符，匹配前一个字符1次或无限次，贪婪匹配前导字符有多少个就匹配多少个很贪婪




abc+




abc;abccc








?




需要字符串里完全符合，匹配规则，就匹配，（规则里的?元字符）前面的一个字符可以是0个或1个原本字符，匹配一个字符0次或1次，还有一个功能是可以防止贪婪匹配，详情见防贪婪匹配




abc?




ab;abc








^




字符串开始位置与匹配规则符合就匹配，否则不匹配，匹配字符串开头。在多行模式中匹配每一行的开头，^元字符如果写到[]字符集里就是反取




^abc




abc








$




字符串结束位置与匹配规则符合就匹配，否则不匹配，匹配字符串末尾，在多行模式中匹配每一行的末尾




abc$




abc








|




|或，或就是前后其中一个符合就匹配




abc|def




abc


def








{}




需要字符串里完全符合，匹配规则，就匹配，（规则里的 {} 元字符）前面的一个字符，是自定义字符数，位数的原本字符，{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次，{0,}匹配前一个字符0或多次,等同于*元字符，{+,}匹配前一个字符1次或无限次,等同于+元字符，{0,1}匹配前一个字符0次或1次,等同于?元字符




ab{1,2}c




abc


abbc








[]




需要字符串里完全符合，匹配规则，就匹配，（规则里的 [] 元字符）对应位置是[]里的任意一个字符就匹配，字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。




a[bcd]e




abe


ace


ade








()




也就是分组匹配，()里面的为一个组也可以理解成一个整体，如果()后面跟的是特殊元字符如   (adc)*   那么*控制的前导字符就是()里的整体内容，不再是前导一个字符




(abc){2}

  a(123|456)c




abcabc


a456c







预定义字符集表，可以写在字符集[...]中 







\d




\d匹配任何十进制数，它相当于类[0-9]，\d+如果需要匹配一位或者多位数的数字时用




a\bc




a1c








\D




\D匹配任何非数字字符，它相当于类[^0-9]




a\Dc




abc








\s




\s匹配任何空白字符，它相当于类[\t\n\r\f\v]




a\sc




a c








\S




\S匹配任何非空白字符，它相当于类[^\t\n\r\f\v]




a\Sc




abc








\w




\w匹配包括下划线在内任何字母数字字符，它相当于类[a-zA-Z0-9_]




a\wc




abc








\W




\W匹配非任何字母数字字符包括下划线在内，它相当于类[^a-zA-Z0-9_]




a\Wc




a c








\A




仅匹配字符串开头,同^




\Aabc




abc








\Z




仅匹配字符串结尾，同$




abc\Z




abc








\b




b匹配一个单词边界，也就是指单词和空格间的位置




\babc\b

  a\b!bc




空格abc空格

  a!bc








\B




[^\b]




a\Bbc




abc







特殊分组用法表：只对正则函数返回对象的有用







(?P<name>)




?P<>定义组里匹配内容的key(键)，<>里面写key名称，值就是匹配到的内容，在用groupdict()方法打印字符串




(?P<id>abc){2}




abcabc








(?P=name)




引用别名为<name>的分组匹配到字符串




(?P<id>\d)abc(?P=id)




1abc1


5abc5








\<number>




引用编号为<number>的分组匹配到字符串




(\d)abc\1




1abc1


5abc5











正则匹配模式表







标志




含义








re.S(DOTALL)




使.匹配包括换行在内的所有字符








re.I（IGNORECASE）




使匹配对大小写不敏感








re.L（LOCALE）




做本地化识别（locale-aware)匹配，法语等








re.M(MULTILINE)




多行匹配，影响^和$








re.X(VERBOSE)




该标志通过给予更灵活的格式以便将正则表达式写得更易于理解








re.U




根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B







正则小示例


1、匹配电话号码




p = re.compile(r'\d{3}-\d{6}')

print(p.findall('010-628888'))




2、匹配IP




re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\.)","192.168.1.1")




 




IP：

^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$

手机号：

^1[3|4|5|8][0-9]\d{8}$

邮箱：

[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+




正则表达式重点


一、


r原生字符


将在python里有特殊意义的字符如\b，转换成原生字符（就是去除它在python的特殊意义），不然会给正则表达式有冲突，为了避免这种冲突可以在规则前加原始字符r


二、


正则表达式，返回类型为表达式对象的


如：<_sre.SRE_Match object; span=(6, 7), match='a'>  


返回对象的，需要用正则方法取字符串，


方法有


group() # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来，有参取匹配到的第几个如2
groups() # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果
groupdict() # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果


三、


匹配到的字符串里出现空字符


注意：正则匹配到空字符的情况，如果规则里只有一个组，而组后面是*就表示组里的内容可以是0个或者多过，这样组里就有了两个意思，一个意思是匹配组里的内容，二个意思是匹配组里0内容（即是空白）所以尽量避免用*否则会有可能匹配出空字符串




四、


()分组


注意：分组的意义，就是在匹配成功的字符串中，在提取()里，组里面的字符串


五、


?:在有分组的情况下findall()函数，不只拿分组里的字符串，拿所有匹配到的字符串，注意?:只用于不是返回正则对象的函数如findall()


 
相关文章