Python正则表达式re讲解

正则表达式

正则表达式RE是一种小型的、高度专业化的编程语言，在Python中内嵌，通过re模块实现

正则表达式包括：

​ 字符匹配： 普通字符：大多数字母和字符，如正则表达式test会和字符串“test”完全匹配 元字符 . ^ $ * + ? [] {} \ | () RE最重要的就是学习元字符的使用，以实现更多的匹配规则

import re s= r'abc' #定义正则表达式模式 re.findall(s,str1) res= r"t[io]p" res= r"t[^io]p" 匹配非，除外

元字符讲解

​ [] 用来指定一个字符集：[abc],[a-z],[0-9][a-zA-Z0-9] 元字符在字符集中无效：[akm$] 匹配字符集取反，匹配除外：[^5] ^ 匹配行首， $ 匹配行尾，行尾被定义为要么是字符串尾，要么是一个换行字符后的任何位置 case s="helloworld,hello_boy" r=r"hello" re.findall(r,s) >>> re.findall(r,s) ['hello', 'hello'] >>> r1=r"hello*" >>> re.findall(r1,s) ['hello', 'hello'] >>> r2=r"^hello" >>> re.findall(r2,s) ['hello'] >>> r3=r"boy$" >>> re.findall(r3,s) ['boy'] >>>

元字符匹配实战

case >>> import re >>> r=r"^abc" >>> re.findall(r,'abc') ['abc'] >>> re.findall(r,'aa abc') [] >>> re.findall(r,'aa ^abc') [] >>> re.findall(r,'^abc ^abcd ^abcde') [] >>> re.findall(r,'^abc ^abcd ^abcde') [] >>> r1=r"\^a" >>> re.findall(r1,'^abc ^abcd ^abcde') ['^a', '^a', '^a'] \ 反斜杠\后面可以加不同的字符以表示不同特殊意义，也可以用于取消所有的元字符：\[或\\ \d匹配任何十进制数，相当于类[0-9] \D匹配任何非数字字符，相当于类[^0-9] \w匹配任何字母数字字符，相当于[a-zA-Z0-9] \W匹配任何非字母数字字符，相当于[^a-zA-Z0-9] case >>> r=r"[0-9]" >>> re.findall(r,'123456789') ['1', '2', '3', '4', '5', '6', '7', '8', '9'] >>> re.findall(r,'12345 6789') ['1', '2', '3', '4', '5', '6', '7', '8', '9'] >>> r1=r"\d" >>> re.findall(r1,'12345 6789') ['1', '2', '3', '4', '5', '6', '7', '8', '9'] >>> r2=r"\w" >>> re.findall(r2,'hsdkf 1234 ^jlk ab23') ['h', 's', 'd', 'k', 'f', '1', '2', '3', '4', 'j', 'l', 'k', 'a', 'b', '2', '3'] >>> 重复* 正则表达式第一功能是能够匹配不定长的字符集，另一个功能室可以指定正则表达式的一部分重复次数， * 指定前一个字符可以被匹配0或任意多次。如 a[bcd]*b匹配"abcbd" 匹配电话号码 r=r"^010-\d{8}" //将前面匹配规则重复{}次数 case >>> r3=r"a[bcd]*b" >>> re.findall(r3,'abcbd') ['abcb'] >>> r4=r"^010-\d{8}" >>> re.findall(r3,'010-29818485') [] >>> re.findall(r4,'010-29818485') ['010-29818485'] >>> r5=r"^010-\d{6}" >>> re.findall(r5,'010-29818485') ['010-298184'] >>> re.findall(r4,'010-298184') [] >>> r6=r"^a[bcd]*F$" >>> re.findall(r6,'adbccdF') ['adbccdF'] >>> re.findall(r6,'aF') ['aF'] >>> r7=r"^a[bcd]{3}F$" >>> re.findall(r6,'abbbF') ['abbbF'] >>> re.findall(r6,'abddF') ['abddF'] >>> + 表示匹配1或多次，注意*与+号不同，*可以匹配0或多，+ 匹配1或多次。 点号，代表任意一个字符 匹配0或1次，通常可用于标识某事物是可选的。比如匹配电话号中间的-，字符串中间的下划线_ case >>> >>> r8=r"^010-?\d{8}" >>> re.findall(r8,'010-29818485') ['010-29818485'] >>> re.findall(r8,'01029818485') ['01029818485'] >>> r9=r"^010-?\d{8}$" >>> re.findall(r8,'01029818485ab') ['01029818485'] >>> re.findall(r9,'01029818485ab') [] >>> >>> a1=r"hello.world" >>> re.findall(a1,'hello world') ['hello world'] >>> re.findall(a1,'hello-world') ['hello-world'] >>> re.findall(a1,'helloworld') [] >>> re.findall(a1,'hello?world') ['hello?world'] >>> {m,n} 花括号，其中m,n是十进制数，该限定符意思是至少m~n个重复。忽略m则下边界是0，忽略n上边界为无穷大。 {0,} 等同于 *，{1,} 等同于+，而{0,1}等同于? 非常灵活

re compile

如果某个正则表达式 r“regrexpre” 使用率较高，更好的方式是利用re模块自带的编译compile将正则表达式编译，这样每次re匹配时就不需要re模块解释器翻译了，速度更快。

p_tel = re.compile(r8) >>> p_tel.findall('01029818485ab') ['01029818485'] >>> 编译之后的re正则，会比未编译的速度快很多。而且编译后还可以选择其他一些参数，例如re.compile()中接受可选的标志参数，常用来实现不同的特殊功能，指定是否区分大小写，让正则更灵活 反斜杠的麻烦----字符串前加“r”反斜杠就不会被任何特殊方式处理 使用re编译后的对象，执行匹配，可以利用re内的方法执行更复杂精确的匹配。---‘RegexObject’实例有一些方法和属性，完整的列表可查阅Python library Reference match() 决定RE时候在字符串刚开始的位置匹配（在开头位置匹配） search() 扫描字符串，找到这个RE匹配的位置 findall() 找到这个RE匹配的所有子串，并把他们作为一个列表返回 finditer() 找到这个RE匹配的所有子串，并把他们作为一个迭代器返回 如果没有匹配到的话，match()和search()将返回None，如果成功的话，就会返回一个‘MatchObject’实例。 >>> p_tel.match('01029818485ab') <_sre.SRE_Match object at 0x0139A838> >>> p_tel.match('01029818485ab8') <_sre.SRE_Match object at 0x0139A870> >>> p_tel.match('0102981ab8485ab8') >>> 未匹配到，返回None

RE分组 group

case >>> email = r"\w{3}@\w+(\.com|\.cn)" >>> re.match(email,'www@wert.com') <_sre.SRE_Match object at 0x01390560> >>> re.match(email,'www.ilovepython.cn') >>> re.match(email,'www@ilovepython.cn') <_sre.SRE_Match object at 0x013996E0> >>> re.match(email,'www@ilovepython.org') >>> re.findall(email,'www@ilovepython.cn') ['.cn'] >>> 分组(re)可以把多种或or关系的放在一起，或进行其他操作，当使用分组后，findall()会优先返回re分组中的匹配结果。re分组的这一特点可以应用与筛选结果，链接，标签等：见下case >>> s="""hhsdj dskj hello src=csvt yes jdjsds djhsjk src=123 yes jdsa src=234 yes hello src=python yes ksa """ >>> s 'hhsdj dskj hello src=csvt yes jdjsds\n djhsjk src=123 yes jdsa\n src=234 yes\n hello src=python yes ksa\n ' >>> import re >>> r1=r"hello src=.+ yes" >>> re.findall(r1,s) ['hello src=python yes'] >>> r2=r"hello src=(.+) yes" >>> re.findall(r2,s) ['python']