re模組和正則表示式
阿新 • • 發佈:2020-12-07
------------恢復內容開始------------
正則表示式本身也和python沒有什麼關係,就是匹配字串內容的一種規則。
官方定義:正則表示式是對字串操作的一種邏輯公式,就是用事先定義好的一些特定字元、及這些特定字元的組合,組成一個“規則字串”,這個“規則字串”用來表達對字串的一種過濾邏輯。
線上測試工具http://tool.chinaz.com/regex/
[]字元組
在同一個位置可能出現的各種字元組成了一個字元組,在正則表示式中用[]表示字元分為很多類,比如數字、字母、標點等等。
正則 | 待匹配字元 | 說明 |
[2345] | 3 |
在字串裡列舉合法的所有字元,字元組裡的任意一個字元和“待匹配字元”相同都視為可以匹配 |
[2345] | a #匹配錯誤 | 字元組中沒有'a'字元,所以不能匹配 |
[0-9] | 5 |
可以用-表示範圍,[0-9]和[0123456789]意思一樣 |
[a-z] | j | 表示範圍a-z,匹配所有小寫字母 |
[A-Z] | T | 匹配所有大寫字母 |
[0-9a-dA-D] | c | 匹配數字、a-d的大小寫 |
字元
元字元 | 匹配內容 |
. | 匹配除換行符以外的任意字元 |
\d |
匹配數字 |
\w | 匹配字母或數字或下劃線 |
\s | 匹配任意的空白符 |
\n | 匹配一個換行符 |
\t | 匹配一個製表符 |
\b | 匹配一個單詞的結尾 |
^ | 匹配字串的開始 |
$ | 匹配字串的結尾 |
\D | 匹配非數字 |
\W | 匹配非字母或數字或下劃線 |
\S | 匹配非空白符 |
a|b | 匹配字元a或字元b,只要匹配上就不繼續,座椅要把長的放前面 |
() | 匹配括號內的表示式,也表示一個組 |
[…] | 匹配字元組中的字元 |
[^…] | 匹配除了字元組中字元的所有字元 |
量詞
量詞 | 用法說明 |
* | 重複零次或者更多次 |
+ | 重複一次或更多次 |
? | 重複零次或一次 |
{n} | 重複n次 |
{n,} | 重複n次或更多次 |
{n,m} | 重複n到m次 |
前面的 *,+,?等都是貪婪匹配,也就是儘可能匹配,後面加?號使其變成惰性匹配
轉義符'\'如果要匹配'\n'就要輸入'\\n',如果要匹配'\\n',就要輸入'\\\\n',就很麻煩,這個時候,可以使用r'\n',使''內的字元不用轉義
正則 | 待匹配字元 | 匹配結果 | 說明 |
<.*> | <class>…<class> | <class>…<class> | 預設為貪婪模式,會盡量匹配長的字串 |
<.*?> | <class>…<class> | <class> <class> |
加上?為將貪婪匹配模式轉為非貪婪匹配模式,會匹配儘量短的字串 |
re模組下的常用方法
import re ret = re.findall('a', 'eva egon yuan') # 返回所有滿足匹配條件的結果,放在列表裡 print(ret) #結果 : ['a', 'a'] ret = re.search('a', 'eva egon yuan').group() print(ret) #結果 : 'a' # 函式會在字串內查詢模式匹配,只到找到第一個匹配然後返回一個包含匹配資訊的物件,該物件可以 # 通過呼叫group()方法得到匹配的字串,如果字串沒有匹配,則返回None。 ret = re.match('a', 'abc').group() # 同search,不過盡在字串開始處進行匹配 print(ret) #結果 : 'a' ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 print(ret) # ['', '', 'cd'] ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#將數字替換成'H',引數1表示只替換1個 print(ret) #evaHegon4yuan4 ret = re.subn('\d', 'H', 'eva3egon4yuan4')#將數字替換成'H',返回元組(替換的結果,替換了多少次) print(ret) obj = re.compile('\d{3}') #將正則表示式編譯成為一個 正則表示式物件,規則要匹配的是3個數字 ret = obj.search('abc123eeee') #正則表示式物件呼叫search,引數為待匹配的字串 print(ret.group()) #結果 : 123 import re ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一個存放匹配結果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #檢視第一個結果 print(next(ret).group()) #檢視第二個結果 print([i.group() for i in ret]) #檢視剩餘的左右結果
findall的優先順序查詢:
import re ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['oldboy'] 這是因為findall會優先把匹配結果組裡內容返回,如果想要匹配結果,取消許可權即可 ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com') print(ret) # ['www.oldboy.com']
split的優先順序查詢:
ret=re.split("\d+","eva3egon4yuan") print(ret) #結果 : ['eva', 'egon', 'yuan'] ret=re.split("(\d+)","eva3egon4yuan") print(ret) #結果 : ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上()之後所切出的結果是不同的, #沒有()的沒有保留所匹配的項,但是有()的卻能夠保留了匹配的項, #這個在某些需要保留匹配部分的使用過程是非常重要的。