python(2):python_re模組
python之re模組
一、正則表示式
re模組是python獨有的匹配字串的模組,該模組中提供的很多功能是基於正則表示式實現的,而正則表示式是對字串進行模糊匹配,提取自己需要的字串部分,他對所有的語言都通用。注意:
- re模組是python獨有的
- 正則表示式所有程式語言都可以使用
- re模組、正則表示式是對字串進行操作
因為,re模組中的方法大都藉助於正則表示式,故先學習正則表示式。
(一)常用正則
1、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
正則 |
待匹配字元 |
匹配 |
說明 |
[0123456789] |
8 |
True |
在一個字元組裡列舉合法的所有字元,字元組裡的任意一個字元 |
[0123456789] |
a |
False |
由於字元組中沒有"a"字元,所以不能匹配 |
[0-9] |
7 |
True |
也可以用-表示範圍,[0-9]就和[0123456789]是一個意思 |
[a-z] |
s |
True |
同樣的如果要匹配所有的小寫字母,直接用[a-z]就可以表示 |
[A-Z] |
B |
True |
[A-Z]就表示所有的大寫字母 |
[0-9a-fA-F] |
e |
True |
可以匹配數字,大小寫形式的a~f,用來驗證十六進位制字元 |
2、字元
元字元 |
匹配內容 |
. | 匹配除換行符以外的任意字元 |
\w | 匹配字母或數字或下劃線 |
\s | 匹配任意的空白符 |
\d | 匹配數字 |
\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 |
\W |
匹配非字母或數字或下劃線 |
\D |
匹配非數字 |
\S |
匹配非空白符 |
a|b |
匹配字元a或字元b |
() |
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 |
3、量詞
量詞 |
用法說明 |
* | 重複零次或更多次 |
+ | 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 |
(二)正則表示式的使用
1、. ^ $
正則 | 待匹配字元 | 匹配結果 | 說明 |
a. | abacad | abacad | 匹配所有"a."的字元 |
^a. | abacad | ab | 只從開頭匹配"a." |
a.$ | abacad | ad | 只匹配結尾的"a.$" |
2、* + ? { }
正則 | 待匹配字元 | 匹配結果 | 說明 |
a.? | abefacgad | ab ac ad |
?表示重複零次或一次,即只匹配"a"後面一個任意字元。 |
a.* | abefacgad | abefacgad | *表示重複零次或多次,即匹配"a"後面0或多個任意字元。 |
a.+ | abefacgad | abefacgad | +表示重複一次或多次,即只匹配"a"後面1個或多個任意字元。 |
a.{1,2} | abefacgad | abe acg ad |
{1,2}匹配1到2次任意字元。 |
注意:前面的*,+,?等都是貪婪匹配,也就是儘可能匹配,後面加?號使其變成惰性匹配
正則 | 待匹配字元 | 匹配結果 | 說明 |
a.*? | abefacgad |
a |
惰性匹配 |
3、字符集[][^]
正則 | 待匹配字元 | 匹配結果 | 說明 |
a[befcgd]* | abefacgad |
abef |
表示匹配"a"後面[befcgd]的字元任意次 |
a[^f]* | abefacgad |
abe |
表示匹配一個不是"f"的字元任意次 |
[\d] | 412a3bc |
4 |
表示匹配任意一個數字,匹配到4個結果 |
[\d]+ | 412a3bc |
412 |
表示匹配任意個數字,匹配到2個結果 |
4、分組 ()與 或 |[^]
身份證號碼是一個長度為15或18個字元的字串,如果是15位則全部由數字組成,首位不能為0;如果是18位,則前17位全部是數字,末位可能是數字或x,下面我們嘗試用正則來表示:
正則 | 待匹配字元 | 匹配結果 | 說明 |
^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 |
110101198001017032 |
表示可以匹配一個正確的身份證號 |
^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 |
1101011980010170 |
表示也可以匹配這串數字,但這並不是一個正確的身份證號碼,它是一個16位的數字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 |
False |
現在不會匹配錯誤的身份證號了 |
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ | 110105199812067023 |
110105199812067023 |
表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14} |
5、轉義符 \
在正則表示式中,有很多有特殊意義的是元字元,比如\n和\s等,如果要在正則中匹配正常的"\n"而不是"換行符"就需要對"\"進行轉義,變成'\\'。
在python中,無論是正則表示式,還是待匹配的內容,都是以字串的形式出現的,在字串中\也有特殊的含義,本身還需要轉義。所以如果匹配一次"\n",字串中要寫成'\\n',那麼正則裡就要寫成"\\\\n",這樣就太麻煩了。這個時候我們就用到了r'\n'這個概念,此時的正則是r'\\n'就可以了。
正則 | 待匹配字元 | 匹配 結果 |
說明 |
\n | \n | False |
因為在正則表示式中\是有特殊意義的字元,所以要匹配\n本身,用表示式\n無法匹配 |
\\n | \n | True |
轉義\之後變成\\,即可匹配 |
"\\\\n" | '\\n' | True |
如果在python中,字串中的'\'也需要轉義,所以每一個字串'\'又需要轉義一次 |
r'\\n' | r'\n' | True |
在字串之前加r,讓整個字串不轉義 |
6、貪婪匹配
貪婪匹配:在滿足匹配時,匹配儘可能長的字串,預設情況下,採用貪婪匹配
正則 | 待匹配字元 | 匹配結果 | 說明 |
<.*> |
<script>... <script> |
<script>... <script> |
預設為貪婪匹配模式,會匹配儘量長的字串 |
<.*?> |
<script>... <script> |
<script> |
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 |
幾個常用的非貪婪匹配Pattern
*? 重複任意次,但儘可能少重複 +? 重複1次或更多次,但儘可能少重複 ?? 重複0次或1次,但儘可能少重複 {n,m}? 重複n到m次,但儘可能少重複 {n,}? 重複n次以上,但儘可能少重複
.*?的用法
. 是任意字元 * 是取 0 至 無限長度 ? 是非貪婪模式。 何在一起就是 取儘量少的任意字元,一般不會這麼單獨寫,他大多用在: .*?x 就是取前面任意長度的字元,直到一個x出現
二、re模組
(一)常量、屬性
1、re.A(re.ASCII)
讓\w,\W,\b,\B,\d,\D,\s和\S 執行ASCII-只匹配完整的Unicode匹配代替。這僅對Unicode模式有意義,而對於位元組模式則忽略。
2、re.I(re.IGNORECASE)
執行不區分大小寫的匹配;類似的表示式也[A-Z]將匹配小寫字母。
3、re.L(re.LOCALE)
讓\w,\W,\b,\B和區分大小寫的匹配取決於當前的語言環境。該標誌只能與位元組模式一起使用。不建議使用此標誌,因為語言環境機制非常不可靠,它一次只能處理一種“區域性”,並且僅適用於8位語言環境。預設情況下,Python 3中已為Unicode(str)模式啟用了Unicode匹配,並且能夠處理不同的語言環境/語言。
4、re.M(re.MULTILINE)
指定時,模式字元'^'在字串的開頭和每行的開頭(緊隨每個換行符之後)匹配;模式字元''在字串的末尾和每行的末尾(緊接在每個換行符之前)匹配。預設情況下,'^' 僅在字串的開頭,字串''在字串的末尾和每行的末尾(緊接在每個換行符之前)匹配。預設情況下,'^' 僅在字串的開頭,字串''的末尾和字串末尾的換行符(如果有)之前立即匹配。
5、re.S(re.DOTALL)
使'.'特殊字元與任何字元都匹配,包括換行符;沒有此標誌,'.'將匹配除換行符以外的任何內容。
(二)常用方法
1、re.compile(pattern,flags = 0 )
將正則表示式模式編譯為正則表示式物件,可使用match(),search()以及下面所述的其他方法將其用於匹配
>>> prog = re.compile('\d{2}') # 正則物件 >>> prog.search('12abc') <_sre.SRE_Match object; span=(0, 2), match='12'> >>> prog.search('12abc').group() # 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。 '12' >>> prog.match('123abc') <_sre.SRE_Match object; span=(0, 2), match='12'> >>> prog.match('123abc').group() '12' >>>
2、re.search(pattern,string,flags = 0 )
掃描字串以查詢正則表示式模式產生匹配項的第一個位置 ,然後返回相應的match物件。None
如果字串中沒有位置與模式匹配,則返回;否則返回false。請注意,這與在字串中的某個點找到零長度匹配不同。
#在這個字串進行匹配,只會匹配一個物件
>>> re.search('\w+','abcde').group() 'abcde' >>> re.search('a','abcde').group() 'a' >>>
3、re.match(pattern,string,flags = 0 )
如果字串開頭的零個或多個字元與正則表示式模式匹配,則返回相應的匹配物件。None如果字串與模式不匹配,則返回;否則返回false。請注意,這與零長度匹配不同。
# 同search,不過在字串開始處進行匹配,只會匹配一個物件 >>> re.match('a','abcade').group() 'a' >>> re.match('\w+','abc123de').group() 'abc123de' >>> re.match('\D+','abc123de').group() #非數字 'abc' >>>
4、re.fullmatch(pattern,string,flags = 0 )
如果整個字串與正則表示式模式匹配,則返回相應的match物件。None如果字串與模式不匹配,則返回;否則返回false。請注意,這與零長度匹配不同。
>>> re.fullmatch('\w+','abcade').group() 'abcade' >>> re.fullmatch('abcade','abcade').group() 'abcade' >>>
5、re.split(pattern,string,maxsplit = 0,flags = 0 )
通過出現模式來拆分字串。如果在pattern中使用了捕獲括號,那麼模式中所有組的文字也將作為結果列表的一部分返回。如果maxsplit不為零,則最多會發生maxsplit分割,並將字串的其餘部分作為列表的最後一個元素返回。
>>> re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 ['', '', 'cd'] >>> re.split(r'\W+', 'Words, words, words.') ['Words', 'words', 'words', ''] >>> re.split(r'(\W+)', 'Words, words, words.') ['Words', ', ', 'words', ', ', 'words', '.', ''] >>> re.split(r'\W+', 'Words, words, words.', 1) ['Words', 'words, words.'] >>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE) ['0', '3', '9']
如果分隔符中有捕獲組,並且該匹配組在字串的開頭匹配,則結果將從空字串開始。字串的末尾也是如此:
>>> re.split(r'(\W+)', '...words, words...') ['', '...', 'words', ', ', 'words', '...', '']
6、re.findall(pattern,string,flags = 0 )
以string列表形式返回string中pattern的所有非重疊匹配項。從左到右掃描該字串,並以找到的順序返回匹配項。如果該模式中存在一個或多個組,則返回一個組列表;否則,返回一個列表。如果模式包含多個組,則這將是一個元組列表。空匹配項包含在結果中。
>>> re.findall('a', 'This is a beautiful place!') ['a', 'a', 'a'] >>>
7、re.finditer(pattern,string,flags = 0 )
返回一個迭代器,該迭代器在string型別的RE 模式的所有非重疊匹配中產生匹配物件。 從左到右掃描該字串,並以找到的順序返回匹配項。空匹配項包含在結果中。
>>> re.finditer('[ab]', 'This is a beautiful place!') <callable_iterator object at 0x0000000000DCDA90> #迭代器物件 >>> ret=re.finditer('[ab]', 'This is a beautiful place!') >>> next(ret).group() #檢視下一個匹配值 'a' >>> [i.group() for i in ret] #檢視剩下所有匹配的值 ['b', 'a', 'a'] >>>
8、re.sub(pattern,repl,string,count = 0,flags = 0 )
返回通過用替換repl替換字串中最左邊的不重疊模式所獲得的字串。如果找不到該模式, 則返回的字串不變。 repl可以是字串或函式;如果是字串,則處理其中的任何反斜槓轉義。即,將其轉換為單個換行符,將其轉換為回車,依此類推。count引數表示將匹配到的內容進行替換的次數
>>> re.sub('\d', 'S', 'abc12jh45li78', 2) #將匹配到的數字替換成S,替換2個 'abcSSjh45li78' >>> re.sub('\d', 'S', 'abc12jh45li78') #將匹配到所有的數字替換成S 'abcSSjhSSliSS' >>>
9、re.subn(pattern,repl,string,count = 0,flags = 0 )
執行與相同的操作sub(),但返回一個元組。(new_string, number_of_subs_made)
>>> re.subn('\d', 'S', 'abc12jh45li78', 3) ('abcSSjhS5li78', 3) >>>
10、re.escape(pattern)
escape中的所有字元圖案,除了ASCII字母,數字和'_'
。如果要匹配可能包含正則表示式元字元的任意文字字串,這將很有用。
>>> re.escape('python.exe\n') 'python\\.exe\\\n' >>>
11、search()與match()方法
Python提供了兩種基於正則表示式的原始操作: re.match()僅在字串的開頭匹配,re.search()檢查匹配項,在字串中的任何位置檢查匹配項(這是Perl的預設設定)。
>>> re.match("c", "abcdef") #Not match >>> re.search("c", "abcdef") #match <_sre.SRE_Match object; span=(2, 3), match='c'> >>>
以開頭的正則表示式'^'可用於search()限制字串開頭的匹配項:
>>> re.match("c", "abcdef") #Not match >>> re.search("^c", "abcdef") #Not match >>> re.search("^a", "abcdef") #match <_sre.SRE_Match object; span=(0, 1), match='a'> >>>
參考:
https://docs.python.org/3.6/library/re.html
https://www.cnblogs.com/Eva-J/articles/7228075.html#_label7
作者:iveBoy 出處:http://www.cnblogs.com/shenjianping/ 本文版權歸作者和部落格園共有,歡迎轉載,但未經作者同意必須在文章頁面給出原文連線,否則保留追究法律責任的權利。
一、正則表示式
re模組是python獨有的匹配字串的模組,該模組中提供的很多功能是基於正則表示式實現的,而正則表示式是對字串進行模糊匹配,提取自己需要的字串部分,他對所有的語言都通用。注意:
- re模組是python獨有的
- 正則表示式所有程式語言都可以使用
- re模組、正則表示式是對字串進行操作
因為,re模組中的方法大都藉助於正則表示式,故先學習正則表示式。
(一)常用正則
1、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
正則 |
待匹配字元 |
匹配 |
說明 |
[0123456789] |
8 |
True |
在一個字元組裡列舉合法的所有字元,字元組裡的任意一個字元 |
[0123456789] |
a |
False |
由於字元組中沒有"a"字元,所以不能匹配 |
[0-9] |
7 |
True |
也可以用-表示範圍,[0-9]就和[0123456789]是一個意思 |
[a-z] |
s |
True |
同樣的如果要匹配所有的小寫字母,直接用[a-z]就可以表示 |
[A-Z] |
B |
True |
[A-Z]就表示所有的大寫字母 |
[0-9a-fA-F] |
e |
True |
可以匹配數字,大小寫形式的a~f,用來驗證十六進位制字元 |
2、字元
元字元 |
匹配內容 |
. | 匹配除換行符以外的任意字元 |
\w | 匹配字母或數字或下劃線 |
\s | 匹配任意的空白符 |
\d | 匹配數字 |
\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 |
\W |
匹配非字母或數字或下劃線 |
\D |
匹配非數字 |
\S |
匹配非空白符 |
a|b |
匹配字元a或字元b |
() |
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 |
3、量詞
量詞 |
用法說明 |
* | 重複零次或更多次 |
+ | 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 |
(二)正則表示式的使用
1、. ^ $
正則 | 待匹配字元 | 匹配結果 | 說明 |
a. | abacad | abacad | 匹配所有"a."的字元 |
^a. | abacad | ab | 只從開頭匹配"a." |
a.$ | abacad | ad | 只匹配結尾的"a.$" |
2、* + ? { }
正則 | 待匹配字元 | 匹配結果 | 說明 |
a.? | abefacgad | ab ac ad |
?表示重複零次或一次,即只匹配"a"後面一個任意字元。 |
a.* | abefacgad | abefacgad | *表示重複零次或多次,即匹配"a"後面0或多個任意字元。 |
a.+ | abefacgad | abefacgad | +表示重複一次或多次,即只匹配"a"後面1個或多個任意字元。 |
a.{1,2} | abefacgad | abe acg ad |
{1,2}匹配1到2次任意字元。 |
注意:前面的*,+,?等都是貪婪匹配,也就是儘可能匹配,後面加?號使其變成惰性匹配
正則 | 待匹配字元 | 匹配結果 | 說明 |
a.*? | abefacgad |
a |
惰性匹配 |
3、字符集[][^]
正則 | 待匹配字元 | 匹配結果 | 說明 |
a[befcgd]* | abefacgad |
abef |
表示匹配"a"後面[befcgd]的字元任意次 |
a[^f]* | abefacgad |
abe |
表示匹配一個不是"f"的字元任意次 |
[\d] | 412a3bc |
4 |
表示匹配任意一個數字,匹配到4個結果 |
[\d]+ | 412a3bc |
412 |
表示匹配任意個數字,匹配到2個結果 |
4、分組 ()與 或 |[^]
身份證號碼是一個長度為15或18個字元的字串,如果是15位則全部由數字組成,首位不能為0;如果是18位,則前17位全部是數字,末位可能是數字或x,下面我們嘗試用正則來表示:
正則 | 待匹配字元 | 匹配結果 | 說明 |
^[1-9]\d{13,16}[0-9x]$ | 110101198001017032 |
110101198001017032 |
表示可以匹配一個正確的身份證號 |
^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 |
1101011980010170 |
表示也可以匹配這串數字,但這並不是一個正確的身份證號碼,它是一個16位的數字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 |
False |
現在不會匹配錯誤的身份證號了 |
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ | 110105199812067023 |
110105199812067023 |
表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14} |
5、轉義符 \
在正則表示式中,有很多有特殊意義的是元字元,比如\n和\s等,如果要在正則中匹配正常的"\n"而不是"換行符"就需要對"\"進行轉義,變成'\\'。
在python中,無論是正則表示式,還是待匹配的內容,都是以字串的形式出現的,在字串中\也有特殊的含義,本身還需要轉義。所以如果匹配一次"\n",字串中要寫成'\\n',那麼正則裡就要寫成"\\\\n",這樣就太麻煩了。這個時候我們就用到了r'\n'這個概念,此時的正則是r'\\n'就可以了。
正則 | 待匹配字元 | 匹配 結果 |
說明 |
\n | \n | False |
因為在正則表示式中\是有特殊意義的字元,所以要匹配\n本身,用表示式\n無法匹配 |
\\n | \n | True |
轉義\之後變成\\,即可匹配 |
"\\\\n" | '\\n' | True |
如果在python中,字串中的'\'也需要轉義,所以每一個字串'\'又需要轉義一次 |
r'\\n' | r'\n' | True |
在字串之前加r,讓整個字串不轉義 |
6、貪婪匹配
貪婪匹配:在滿足匹配時,匹配儘可能長的字串,預設情況下,採用貪婪匹配
正則 | 待匹配字元 | 匹配結果 | 說明 |
<.*> |
<script>... <script> |
<script>... <script> |
預設為貪婪匹配模式,會匹配儘量長的字串 |
<.*?> |
<script>... <script> |
<script> |
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 |
幾個常用的非貪婪匹配Pattern
*? 重複任意次,但儘可能少重複 +? 重複1次或更多次,但儘可能少重複 ?? 重複0次或1次,但儘可能少重複 {n,m}? 重複n到m次,但儘可能少重複 {n,}? 重複n次以上,但儘可能少重複
.*?的用法
. 是任意字元 * 是取 0 至 無限長度 ? 是非貪婪模式。 何在一起就是 取儘量少的任意字元,一般不會這麼單獨寫,他大多用在: .*?x 就是取前面任意長度的字元,直到一個x出現
二、re模組
(一)常量、屬性
1、re.A(re.ASCII)
讓\w,\W,\b,\B,\d,\D,\s和\S 執行ASCII-只匹配完整的Unicode匹配代替。這僅對Unicode模式有意義,而對於位元組模式則忽略。
2、re.I(re.IGNORECASE)
執行不區分大小寫的匹配;類似的表示式也[A-Z]將匹配小寫字母。
3、re.L(re.LOCALE)
讓\w,\W,\b,\B和區分大小寫的匹配取決於當前的語言環境。該標誌只能與位元組模式一起使用。不建議使用此標誌,因為語言環境機制非常不可靠,它一次只能處理一種“區域性”,並且僅適用於8位語言環境。預設情況下,Python 3中已為Unicode(str)模式啟用了Unicode匹配,並且能夠處理不同的語言環境/語言。
4、re.M(re.MULTILINE)
指定時,模式字元'^'在字串的開頭和每行的開頭(緊隨每個換行符之後)匹配;模式字元''在字串的末尾和每行的末尾(緊接在每個換行符之前)匹配。預設情況下,'^' 僅在字串的開頭,字串''在字串的末尾和每行的末尾(緊接在每個換行符之前)匹配。預設情況下,'^' 僅在字串的開頭,字串''的末尾和字串末尾的換行符(如果有)之前立即匹配。
5、re.S(re.DOTALL)
使'.'特殊字元與任何字元都匹配,包括換行符;沒有此標誌,'.'將匹配除換行符以外的任何內容。
(二)常用方法
1、re.compile(pattern,flags = 0 )
將正則表示式模式編譯為正則表示式物件,可使用match(),search()以及下面所述的其他方法將其用於匹配
>>> prog = re.compile('\d{2}') # 正則物件 >>> prog.search('12abc') <_sre.SRE_Match object; span=(0, 2), match='12'> >>> prog.search('12abc').group() # 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。 '12' >>> prog.match('123abc') <_sre.SRE_Match object; span=(0, 2), match='12'> >>> prog.match('123abc').group() '12' >>>
2、re.search(pattern,string,flags = 0 )
掃描字串以查詢正則表示式模式產生匹配項的第一個位置 ,然後返回相應的match物件。None
如果字串中沒有位置與模式匹配,則返回;否則返回false。請注意,這與在字串中的某個點找到零長度匹配不同。
#在這個字串進行匹配,只會匹配一個物件
>>> re.search('\w+','abcde').group() 'abcde' >>> re.search('a','abcde').group() 'a' >>>
3、re.match(pattern,string,flags = 0 )
如果字串開頭的零個或多個字元與正則表示式模式匹配,則返回相應的匹配物件。None如果字串與模式不匹配,則返回;否則返回false。請注意,這與零長度匹配不同。
# 同search,不過在字串開始處進行匹配,只會匹配一個物件 >>> re.match('a','abcade').group() 'a' >>> re.match('\w+','abc123de').group() 'abc123de' >>> re.match('\D+','abc123de').group() #非數字 'abc' >>>
4、re.fullmatch(pattern,string,flags = 0 )
如果整個字串與正則表示式模式匹配,則返回相應的match物件。None如果字串與模式不匹配,則返回;否則返回false。請注意,這與零長度匹配不同。
>>> re.fullmatch('\w+','abcade').group() 'abcade' >>> re.fullmatch('abcade','abcade').group() 'abcade' >>>
5、re.split(pattern,string,maxsplit = 0,flags = 0 )
通過出現模式來拆分字串。如果在pattern中使用了捕獲括號,那麼模式中所有組的文字也將作為結果列表的一部分返回。如果maxsplit不為零,則最多會發生maxsplit分割,並將字串的其餘部分作為列表的最後一個元素返回。
>>> re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 ['', '', 'cd'] >>> re.split(r'\W+', 'Words, words, words.') ['Words', 'words', 'words', ''] >>> re.split(r'(\W+)', 'Words, words, words.') ['Words', ', ', 'words', ', ', 'words', '.', ''] >>> re.split(r'\W+', 'Words, words, words.', 1) ['Words', 'words, words.'] >>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE) ['0', '3', '9']
如果分隔符中有捕獲組,並且該匹配組在字串的開頭匹配,則結果將從空字串開始。字串的末尾也是如此:
>>> re.split(r'(\W+)', '...words, words...') ['', '...', 'words', ', ', 'words', '...', '']
6、re.findall(pattern,string,flags = 0 )
以string列表形式返回string中pattern的所有非重疊匹配項。從左到右掃描該字串,並以找到的順序返回匹配項。如果該模式中存在一個或多個組,則返回一個組列表;否則,返回一個列表。如果模式包含多個組,則這將是一個元組列表。空匹配項包含在結果中。
>>> re.findall('a', 'This is a beautiful place!') ['a', 'a', 'a'] >>>
7、re.finditer(pattern,string,flags = 0 )
返回一個迭代器,該迭代器在string型別的RE 模式的所有非重疊匹配中產生匹配物件。 從左到右掃描該字串,並以找到的順序返回匹配項。空匹配項包含在結果中。
>>> re.finditer('[ab]', 'This is a beautiful place!') <callable_iterator object at 0x0000000000DCDA90> #迭代器物件 >>> ret=re.finditer('[ab]', 'This is a beautiful place!') >>> next(ret).group() #檢視下一個匹配值 'a' >>> [i.group() for i in ret] #檢視剩下所有匹配的值 ['b', 'a', 'a'] >>>
8、re.sub(pattern,repl,string,count = 0,flags = 0 )
返回通過用替換repl替換字串中最左邊的不重疊模式所獲得的字串。如果找不到該模式, 則返回的字串不變。 repl可以是字串或函式;如果是字串,則處理其中的任何反斜槓轉義。即,將其轉換為單個換行符,將其轉換為回車,依此類推。count引數表示將匹配到的內容進行替換的次數
>>> re.sub('\d', 'S', 'abc12jh45li78', 2) #將匹配到的數字替換成S,替換2個 'abcSSjh45li78' >>> re.sub('\d', 'S', 'abc12jh45li78') #將匹配到所有的數字替換成S 'abcSSjhSSliSS' >>>
9、re.subn(pattern,repl,string,count = 0,flags = 0 )
執行與相同的操作sub(),但返回一個元組。(new_string, number_of_subs_made)
>>> re.subn('\d', 'S', 'abc12jh45li78', 3) ('abcSSjhS5li78', 3) >>>
10、re.escape(pattern)
escape中的所有字元圖案,除了ASCII字母,數字和'_'
。如果要匹配可能包含正則表示式元字元的任意文字字串,這將很有用。
>>> re.escape('python.exe\n') 'python\\.exe\\\n' >>>
11、search()與match()方法
Python提供了兩種基於正則表示式的原始操作: re.match()僅在字串的開頭匹配,re.search()檢查匹配項,在字串中的任何位置檢查匹配項(這是Perl的預設設定)。
>>> re.match("c", "abcdef") #Not match >>> re.search("c", "abcdef") #match <_sre.SRE_Match object; span=(2, 3), match='c'> >>>
以開頭的正則表示式'^'可用於search()限制字串開頭的匹配項:
>>> re.match("c", "abcdef") #Not match >>> re.search("^c", "abcdef") #Not match >>> re.search("^a", "abcdef") #match <_sre.SRE_Match object; span=(0, 1), match='a'> >>>
參考:
https://docs.python.org/3.6/library/re.html
https://www.cnblogs.com/Eva-J/articles/7228075.html#_label7