原文:https://www.cnblogs.com/QYGQH/p/12653871.html#!comments
python正则表达式的实现主要是通过python的re库,re库是python的标准库,所以无须安装
1.正则表达式的常用操作符
操作符 | 说明 | 实例 |
---|---|---|
. | 表示任何单个字符 | |
[ ] | 字符集,对单个字符给出取值范围 | [abc]表示a、b、c,[a‐z]表示a到z单个字符 |
[^ ] | 非字符集,对单个字符给出排除范围 | [^abc]表示非a或b或c的单个字符 |
* | 前一个字符0次或无限次扩展 | abc* 表示ab、abc、abcc、abccc等 |
+ | 前一个字符1次或无限次扩展 | abc+ 表示abc、abcc、abccc等 |
? | 前一个字符0次或1次扩展 | abc? 表示ab、abc |
| | 左右表达式任意一个 | abc|def表示abc、def |
{m} | 扩展前一个字符m次 | ab{2}c表示abbc |
{m,n} | 扩展前一个字符m至n次(含n) | ab{1,2}c表示abc、abbc |
^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头 |
$ | 匹配字符串结尾 | abc$表示abc且在一个字符串的结尾 |
( ) | 分组标记,内部只能使用 | 操作符|(abc)表示abc,(abc|def)表示abc、def |
\d | 数字,等价于[0‐9] | |
\w | 单词字符,等价于[A‐Za‐z0‐9_] |
2.re库的使用
主要功能函数
函数 | 说明 |
---|---|
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置,匹配成功返回match对象,否则返回None |
re.match() | 从一个字符串的开始位置起匹配正则表达式,匹配成功返回match对象,否则返回None |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
re.finditer() | 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
更详细的说明请参考Python re文档
例如:
re.search(pattern,string,flags=0)
其中:
-
pattern : 正则表达式的字符串或原生字符串表示
-
string : 待匹配字符串
-
flags : 正则表达式使用时的控制标记
常用标记 | 说明 |
---|---|
re.I或re.IGNORECASE | 忽略正则表达式的大小写,[A‐Z]能够匹配小写字符 |
re.M或re.MULTILINE | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
re.S或re.DOTALL | 正则表达式中的.操作符能够匹配所有字符,默认匹配除换行外的所有字符 |
>>> import re >>> m = re.search(r'[1-9]\d{5}', 'abc1234567') >>> if m: ... m.group(0) ... '123456'
还有一种写法是这样的
>>> import re >>> t = re.compile(r'[1-9]\d{5}') >>> m = t.search('abc1234567') >>> if m: ... m.group(0) ... '123456'
第二种写法的好处是:当要对一个正则表达式进行多次字符串匹配时,可以只编译一次,匹配多次,可以提升效率
3.Match对象
属性 | 说明 |
---|---|
.string | 待匹配的文本 |
.re | 匹配时使用的patter对象(正则表达式) |
.pos | 正则表达式搜索文本的开始位置 |
.endpos | 正则表达式搜索文本的结束位置 |
.group() | 获得匹配后的字符串 |
.start() | 匹配字符串在原始字符串的开始位置 |
.end() | 匹配字符串在原始字符串的结束位置 |
.span() | 返回(.start(), .end()) |
4.re库的贪婪匹配
re库默认采用贪婪匹配,即输出匹配长的子串
例如
>>> match = re.search(r'PY.*N', 'PYANBNCNDN') >>> match.group(0) 'PYANBNCNDN'
那么,如何输出最小的匹配呢
可以在.*
后面加个?
,就像这样
>>> match = re.search(r'PY.*?N', 'PYANBNCNDN') >>> match.group(0) 'PYAN'
还有一些其他的操作符
操作符 | 说明 |
---|---|
*? | 前一个字符0次或无限次扩展,小匹配 |
+? | 前一个字符1次或无限次扩展,小匹配 |
?? | 前一个字符0次或1次扩展,小匹配 |
{m,n}? | 扩展前一个字符m至n次(含n),最小匹配 |
正则表达式说明
函数 | 说明 |
---|---|
sub(pattern,repl,string) | 把字符串中的所有匹配表达式pattern中的地方替换成repl |
[^**] | 表示不匹配此字符集中的任何一个字符 |
\u4e00-\u9fa5 | 汉字的unicode范围 |
\u0030-\u0039 | 数字的unicode范围 |
\u0041-\u005a | 大写字母unicode范围 |
\u0061-\u007a | 小写字母unicode范围 |
\uAC00-\uD7AF | 韩文的unicode范围 |
\u3040-\u31FF | 日文的unicode范围 |