152 lines
6.7 KiB
Markdown
152 lines
6.7 KiB
Markdown
# re模块
|
||
|
||
## 正则表达式
|
||
|
||
正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在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，然后由用 C 编写的匹配引擎执行。
|
||
|
||
| 元字符 | 匹配内容 |
|
||
| :----- | :----------------------------------------------------------- |
|
||
| \w | 匹配字母（包含中文）或数字或下划线 |
|
||
| \W | 匹配非字母（包含中文）或数字或下划线 |
|
||
| \s | 匹配任意的空白符 |
|
||
| \S | 匹配任意非空白符 |
|
||
| \d | 匹配数字 |
|
||
| \D | 匹配非数字 |
|
||
| \A | 从字符串开头匹配 |
|
||
| \Z | 匹配字符串的结束，如果是换行，只匹配到换行前的结果 |
|
||
| \n | 匹配一个换行符 |
|
||
| \t | 匹配一个制表符 |
|
||
| ^ | 匹配字符串的开始 |
|
||
| $ | 匹配字符串的结尾 |
|
||
| . | 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。 |
|
||
| [...] | 匹配字符组中的字符 |
|
||
| [^...] | 匹配除了字符组中的字符的所有字符 |
|
||
| * | 匹配0个或者多个左边的字符。 |
|
||
| + | 匹配一个或者多个左边的字符。 |
|
||
| ？ | 匹配0个或者1个左边的字符，非贪婪方式。 |
|
||
| {n} | 精准匹配n个前面的表达式。 |
|
||
| {n,m} | 匹配n到m次由前面的正则表达式定义的片段，贪婪方式 |
|
||
| a | b |
|
||
| () | 匹配括号内的表达式，也表示一个组 |
|
||
|
||
### 单字符匹配
|
||
|
||
```python
|
||
import re
|
||
|
||
print(re.findall('\w','上大人123asdfg%^&*(_ \t \n)'))
|
||
print(re.findall('\W','上大人123asdfg%^&*(_ \t \n)'))
|
||
|
||
print(re.findall('\s','上大人123asdfg%^&*(_ \t \n)'))
|
||
print(re.findall('\S','上大人123asdfg%^&*(_ \t \n)'))
|
||
|
||
print(re.findall('\d','上大人123asdfg%^&*(_ \t \n)'))
|
||
print(re.findall('\D','上大人123asdfg%^&*(_ \t \n)'))
|
||
|
||
print(re.findall('\A上大','上大人123asdfg%^&*(_ \t \n)'))
|
||
print(re.findall('^上大','上大人123asdfg%^&*(_ \t \n)'))
|
||
|
||
print(re.findall('666\z','上大人123asdfg%^&*(_ \t \n)666'))
|
||
print(re.findall('666\Z','上大人123asdfg%^&*(_ \t \n)666'))
|
||
print(re.findall('666$','上大人123asdfg%^&*(_ \t \n)666'))
|
||
|
||
print(re.findall('\n','上大人123asdfg%^&*(_ \t \n)'))
|
||
print(re.findall('\t','上大人123asdfg%^&*(_ \t \n)'))
|
||
```
|
||
|
||
### 重复匹配
|
||
|
||
```python
|
||
import re
|
||
|
||
print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb'))
|
||
print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb',re.DOTALL))
|
||
|
||
print(re.findall('a?b', 'ab aab abb aaaab a牛b aba**b'))
|
||
|
||
print(re.findall('a*b', 'ab aab aaab abbb'))
|
||
print(re.findall('ab*', 'ab aab aaab abbbbb'))
|
||
|
||
print(re.findall('a+b', 'ab aab aaab abbb'))
|
||
|
||
print(re.findall('a{2,4}b', 'ab aab aaab aaaaabb'))
|
||
|
||
print(re.findall('a.*b', 'ab aab a*()b'))
|
||
|
||
print(re.findall('a.*?b', 'ab a1b a*()b, aaaaaab'))
|
||
# .*? 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!
|
||
|
||
# []: 括号中可以放任意一个字符,一个中括号代表一个字符
|
||
# - 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.
|
||
# ^ 在[]中表示取反的意思.
|
||
print(re.findall('a.b', 'a1b a3b aeb a*b arb a_b'))
|
||
print(re.findall('a[abc]b', 'aab abb acb adb afb a_b'))
|
||
print(re.findall('a[0-9]b', 'a1b a3b aeb a*b arb a_b'))
|
||
print(re.findall('a[a-z]b', 'a1b a3b aeb a*b arb a_b'))
|
||
print(re.findall('a[a-zA-Z]b', 'aAb aWb aeb a*b arb a_b'))
|
||
print(re.findall('a[0-9][0-9]b', 'a11b a12b a34b a*b arb a_b'))
|
||
print(re.findall('a[*-+]b','a-b a*b a+b a/b a6b'))
|
||
print(re.findall('a[-*+]b','a-b a*b a+b a/b a6b'))
|
||
print(re.findall('a[^a-z]b', 'acb adb a3b a*b'))
|
||
|
||
# 分组：() 制定一个规则,将满足规则的结果匹配出来
|
||
print(re.findall('(.*?)_66', 'heihei_66 xixi_66 haha_66'))
|
||
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))
|
||
|
||
print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company'))
|
||
print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company'))
|
||
# 分组() 中加入?: 表示将整体匹配出来而不只是()里面的内容
|
||
```
|
||
|
||
### 常用方法举例
|
||
|
||
```python
|
||
import re
|
||
|
||
# findall 全部找到返回一个列表
|
||
print(re.findall('a','aghjmnbghagjmnbafgv'))
|
||
|
||
# search 只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None
|
||
print(re.search('Eagle', 'welcome to Eagleslab'))
|
||
print(re.search('Eagle', 'welcome to Eagleslab').group())
|
||
|
||
# match：None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match
|
||
print(re.match('haha|heihei', 'heihei 66 66 demon happy'))
|
||
print(re.match('happy', 'happy 66 66 barry yes').group())
|
||
|
||
# split 分割 可按照任意分割符进行分割
|
||
print(re.split('[:：,;；，]','1;3,c,a：3'))
|
||
|
||
# sub 替换
|
||
print(re.sub('镇江','英格科技','欢迎来到镇江'))
|
||
|
||
# complie 根据包含的正则表达式的字符串创建模式对象。可以实现更有效率的匹配。
|
||
obj = re.compile('\d{2}')
|
||
print(obj.search('abc123eeee').group())
|
||
print(obj.findall('1231232aasd'))
|
||
|
||
ret = re.finditer('\d','asd123affess32432') # finditer返回一个存放匹配结果的迭代器
|
||
print(ret)
|
||
print(next(ret).group())
|
||
print(next(ret).group())
|
||
print([i.group() for i in ret])
|
||
```
|
||
|
||
### 命名分组举例
|
||
|
||
```python
|
||
import re
|
||
|
||
ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
|
||
print(ret.group('tag_name'))
|
||
print(ret.group())
|
||
|
||
ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")
|
||
# 如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致
|
||
# 获取的匹配结果可以直接用group(序号)拿到对应的值
|
||
print(ret.group(1))
|
||
print(ret.group())
|
||
```
|
||
|