Python 正則表示式 re
阿新 • • 發佈:2020-07-23
非列印字元
非列印字元也可以是正則表示式的組成部分。下表列出了表示非列印字元的轉義序列:
字元 | 描述 |
---|---|
\cx | 匹配由x指明的控制字元。例如, \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則,將 c 視為一個原義的 'c' 字元。 |
\f | 匹配一個換頁符。等價於 \x0c 和 \cL。 |
\n | 匹配一個換行符。等價於 \x0a 和 \cJ。 |
\r | 匹配一個回車符。等價於 \x0d 和 \cM。 |
\s | 匹配任何空白字元,包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。注意 Unicode 正則表示式會匹配全形空格符。 |
\S | 匹配任何非空白字元。等價於 [^ \f\n\r\t\v]。 |
\t | 匹配一個製表符。等價於 \x09 和 \cI。 |
\v | 匹配一個垂直製表符。等價於 \x0b 和 \cK。 |
特殊字元
許多元字元要求在試圖匹配它們時特別對待。若要匹配這些特殊字元,必須首先使字元"轉義",即,將反斜槓字元**** 放在它們前面。下表列出了正則表示式中的特殊字元:
特別字元 | 描述 |
---|---|
$ | 匹配輸入字串的結尾位置。如果設定了 RegExp 物件的 Multiline 屬性,則 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字元本身,請使用 $。 |
( ) | 標記一個子表示式的開始和結束位置。子表示式可以獲取供以後使用。要匹配這些字元,請使用 ( 和 )。 |
* | 匹配前面的子表示式零次或多次。要匹配 * 字元,請使用 *。 |
+ | 匹配前面的子表示式一次或多次。要匹配 + 字元,請使用 +。 |
. | 匹配除換行符 \n 之外的任何單字元。要匹配 . ,請使用 . 。 |
[ | 標記一箇中括號表示式的開始。要匹配 [,請使用 [。 |
? | 匹配前面的子表示式零次或一次,或指明一個非貪婪限定符。要匹配 ? 字元,請使用 ?。 |
\ | 將下一個字元標記為或特殊字元、或原義字元、或向後引用、或八進位制轉義符。例如, 'n' 匹配字元 'n'。'\n' 匹配換行符。序列 '\' 匹配 "",而 '(' 則匹配 "("。 |
^ | 匹配輸入字串的開始位置,除非在方括號表示式中使用,當該符號在方括號表示式中使用時,表示不接受該方括號表示式中的字元集合。要匹配 ^ 字元本身,請使用 ^。 |
{ | 標記限定符表示式的開始。要匹配 {,請使用 {。 |
| | 指明兩項之間的一個選擇。要匹配 |,請使用 |。 |
限定符
正則表示式的限定符有:
字元 | 描述 |
---|---|
* | 匹配前面的子表示式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等價於{0,}。 |
+ | 匹配前面的子表示式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等價於 {1,}。 |
? | 匹配前面的子表示式零次或一次。例如,"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等價於 {0,1}。 |
{n} | n 是一個非負整數。匹配確定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的兩個 o。 |
{n,} | n 是一個非負整數。至少匹配n 次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等價於 'o+'。'o{0,}' 則等價於 'o*'。 |
{n,m} | m 和 n 均為非負整數,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價於 'o?'。請注意在逗號和兩個數之間不能有空格。 |
定位符
定位符使您能夠將正則表示式固定到行首或行尾。它們還使您能夠建立這樣的正則表示式,這些正則表示式出現在一個單詞內、在一個單詞的開頭或者一個單詞的結尾。
定位符用來描述字串或單詞的邊界,^ 和 $ 分別指字串的開始與結束,\b 描述單詞的前或後邊界,\B 表示非單詞邊界。
正則表示式的定位符有:
字元 | 描述 |
---|---|
^ | 匹配輸入字串開始的位置。如果設定了 RegExp 物件的 Multiline 屬性,^ 還會與 \n 或 \r 之後的位置匹配。 |
$ | 匹配輸入字串結尾的位置。如果設定了 RegExp 物件的 Multiline 屬性,$ 還會與 \n 或 \r 之前的位置匹配。 |
\b | 匹配一個單詞邊界,即字與空格間的位置。 |
\B | 非單詞邊界匹配。 |
貪婪、非貪婪
+、*、{n,} 等預設都是貪婪匹配,即預設匹配最多的模式。如
haaaaaa
如果你用ha*
作為匹配模式,會匹配到haaaaaa
,這種預設會匹配最長的模式,就是貪婪模式。
如果你用ha*?
作為匹配模式,會匹配到ha
,加了?
以後,就會將*
轉變成非貪婪模式,只會匹配最短。
所以,當?
在其他限定符之後出現,就是作為非貪婪模式。
元字元大全
下表包含了元字元的完整列表以及它們在正則表示式上下文中的行為:
字元 | 描述 |
---|---|
\ | 將下一個字元標記為一個特殊字元、或一個原義字元、或一個 向後引用、或一個八進位制轉義符。例如,'n' 匹配字元 "n"。'\n' 匹配一個換行符。序列 '\' 匹配 "" 而 "(" 則匹配 "("。 |
^ | 匹配輸入字串的開始位置。如果設定了 RegExp 物件的 Multiline 屬性,^ 也匹配 '\n' 或 '\r' 之後的位置。 |
$ | 匹配輸入字串的結束位置。如果設定了RegExp 物件的 Multiline 屬性,$ 也匹配 '\n' 或 '\r' 之前的位置。 |
* | 匹配前面的子表示式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等價於{0,}。 |
+ | 匹配前面的子表示式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等價於 {1,}。 |
? | 匹配前面的子表示式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 。? 等價於 {0,1}。 |
{n} | n 是一個非負整數。匹配確定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的兩個 o。 |
{n,} | n 是一個非負整數。至少匹配n 次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等價於 'o+'。'o{0,}' 則等價於 'o*'。 |
{n,m} | m 和 n 均為非負整數,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價於 'o?'。請注意在逗號和兩個數之間不能有空格。 |
? | 當該字元緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 後面時,匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜尋的字串,而預設的貪婪模式則儘可能多的匹配所搜尋的字串。例如,對於字串 "oooo",'o+?' 將匹配單個 "o",而 'o+' 將匹配所有 'o'。 |
. | 匹配除換行符(\n、\r)之外的任何單個字元。要匹配包括 '\n' 在內的任何字元,請使用像"(.|\n)"的模式。 |
(pattern) | 匹配 pattern 並獲取這一匹配。所獲取的匹配可以從產生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中則使用 $0…$9 屬性。要匹配圓括號字元,請使用 '(' 或 ')'。 |
(?:pattern) | 匹配 pattern 但不獲取匹配結果,也就是說這是一個非獲取匹配,不進行儲存供以後使用。這在使用 "或" 字元 (|) 來組合一個模式的各個部分是很有用。例如, 'industr(?:y|ies) 就是一個比 'industry|industries' 更簡略的表示式。 |
(?=pattern) | 正向肯定預查(look ahead positive assert),在任何匹配pattern的字串開始處匹配查詢字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如,"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows",但不能匹配"Windows3.1"中的"Windows"。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜尋,而不是從包含預查的字元之後開始。 |
(?!pattern) | 正向否定預查(negative assert),在任何不匹配pattern的字串開始處匹配查詢字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows",但不能匹配"Windows2000"中的"Windows"。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜尋,而不是從包含預查的字元之後開始。 |
(?<=pattern) | 反向(look behind)肯定預查,與正向肯定預查類似,只是方向相反。例如,"(?<=95|98|NT|2000)Windows "能匹配"2000Windows "中的"Windows ",但不能匹配"3.1Windows "中的"Windows "。 |
(?<!pattern) | 反向否定預查,與正向否定預查類似,只是方向相反。例如"(?"能匹配" 3.1Windows"中的" Windows",但不能匹配" 2000Windows"中的" Windows`"。 |
x|y | 匹配 x 或 y。例如,'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"。 |
[xyz] | 字元集合。匹配所包含的任意一個字元。例如, '[abc]' 可以匹配 "plain" 中的 'a'。 |
[^xyz] | 負值字元集合。匹配未包含的任意字元。例如, '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。 |
[a-z] | 字元範圍。匹配指定範圍內的任意字元。例如,'[a-z]' 可以匹配 'a' 到 'z' 範圍內的任意小寫字母字元。 |
[^a-z] | 負值字元範圍。匹配任何不在指定範圍內的任意字元。例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 範圍內的任意字元。 |
\b | 匹配一個單詞邊界,也就是指單詞和空格間的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。 |
\B | 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。 |
\cx | 匹配由 x 指明的控制字元。例如, \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則,將 c 視為一個原義的 'c' 字元。 |
\d | 匹配一個數字字元。等價於 [0-9]。 |
\D | 匹配一個非數字字元。等價於 [^0-9]。 |
\f | 匹配一個換頁符。等價於 \x0c 和 \cL。 |
\n | 匹配一個換行符。等價於 \x0a 和 \cJ。 |
\r | 匹配一個回車符。等價於 \x0d 和 \cM。 |
\s | 匹配任何空白字元,包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。 |
\S | 匹配任何非空白字元。等價於 [^ \f\n\r\t\v]。 |
\t | 匹配一個製表符。等價於 \x09 和 \cI。 |
\v | 匹配一個垂直製表符。等價於 \x0b 和 \cK。 |
\w | 匹配字母、數字、下劃線。等價於'[A-Za-z0-9_]'。 |
\W | 匹配非字母、數字、下劃線。等價於 '[^A-Za-z0-9_]'。 |
\xn | 匹配 n,其中 n 為十六進位制轉義值。十六進位制轉義值必須為確定的兩個數字長。例如,'\x41' 匹配 "A"。'\x041' 則等價於 '\x04' & "1"。正則表示式中可以使用 ASCII 編碼。 |
\num | 匹配 num,其中 num 是一個正整數。對所獲取的匹配的引用。例如,'(.)\1' 匹配兩個連續的相同字元。 |
\n | 標識一個八進位制轉義值或一個向後引用。如果 \n 之前至少 n 個獲取的子表示式,則 n 為向後引用。否則,如果 n 為八進位制數字 (0-7),則 n 為一個八進位制轉義值。 |
\nm | 標識一個八進位制轉義值或一個向後引用。如果 \nm 之前至少有 nm 個獲得子表示式,則 nm 為向後引用。如果 \nm 之前至少有 n 個獲取,則 n 為一個後跟文字 m 的向後引用。如果前面的條件都不滿足,若 n 和 m 均為八進位制數字 (0-7),則 \nm 將匹配八進位制轉義值 nm。 |
\nml | 如果 n 為八進位制數字 (0-3),且 m 和 l 均為八進位制數字 (0-7),則匹配八進位制轉義值 nml。 |
\un | 匹配 n,其中 n 是一個用四個十六進位制數字表示的 Unicode 字元。例如, \u00A9 匹配版權符號 (?)。 |
python的簡單例項
下面的例子,和上面的元字元大全列表的順序基本一一對應。
import re
s_true = r"of course, you looked ok. I like your name eg:([email protected]+++), it is\( a great name"
# 查詢特殊字元\(,前兩個\轉義了\本身,第三個\轉義了(
patt = r"\\\("
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 以of開頭
patt = "^of"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 以name結尾
patt = "name$"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查詢以nam開始,0個或多個e的字元
patt = "name*"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查詢以2開始,1個或多個3的數字
patt = "23+"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查詢以2開始,0個或1個(2或者3)
patt = "2[2-3]?"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查詢以2開頭,2個3的數字
patt = "23{2}"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查詢以2開頭,1個或2個3的數字
patt = "23{1,2}"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 查詢以2開頭,後面有2個以上個3的數字
patt = "23{2,}"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 非貪婪模式,查詢以2開頭,最少一個3的數字
patt = "23{1,}?"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配任意除了\n以外的字元
patt = "c.urse"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配括號內的模式,括號內的元素會儲存下來,可以單獨拿出來,groups方法
patt = "na(me) (eg)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true),re_obj.search(string=s_true).groups() ,re_obj.search(string=s_true).group())
# ?:pattern , 匹配pattern,但是不把結果儲存下來供以後使用
patt = "na(?:me)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true),re_obj.search(string=s_true).groups(),re_obj.search(string=s_true).group())
# 匹配後面跟著me的na,如果後面跟的不是me,就匹配不上
patt = "na(?=me)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true),re_obj.search(string=s_true).groups(),re_obj.search(string=s_true).group())
patt = "na(?=ms)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配後面不是me的na,如果後面不是me,就能匹配上,否則匹配不上,和 ?= 相反。
patt = "na(?!me)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
patt = "na(?!ms)"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配前面是na的me,如果前面是na,就匹配上了。否則匹配不上。
patt = "(?<=na)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
patt = "(?<=li)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配前面不是na的me,如果前面不是na,就匹配上,和 ?<= 相反。
patt = "(?<!na)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
patt = "(?<!li)me"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配 a 或者 i
patt = "l(a|i)ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配ais中任意一個即 lake 或 like 或 lske
patt = "l[ais]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非 lake
patt = "l[^a]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配 a-z
patt = "l[a-z]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非 a-z
patt = "l[^a-z]ke"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配單詞邊界,也就是ok前面要有空格,ok作為一個單詞的開頭才能匹配上。
patt = r"\bok"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非單詞邊界,也就是ok後面不是邊界,還有字母才能匹配上,如 oked
patt = r"ok\B"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配數字
patt = "\d"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非數字
patt = "\D"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配任意空白字元,如回車,空格,製表符等
patt = "\s"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配任意非空白字元
patt = "\S"
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配數字、字母、下劃線
patt = 'wzt\w'
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 匹配非數字、字母、下劃線
patt = 'com\W+'
re_obj = re.compile(patt)
print(re_obj.search(string=s_true))
# 其他 (?P<name>),這種模式,可以將當前group,也就是當前的括號的部分給命名為 name,然後返回一個字典
print(re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city"))
python re的常用方法
- re.match 從字元的開頭開始匹配,返回一個SRE_Match型別的物件,否則返回None;SRE_match物件可以呼叫 group()方法獲取結果,groups()方法獲取元組物件,也可以用group(num)獲取元組的第幾個物件。
- re.search 從字串任意位置中匹配,返回一個SRE_Match型別的物件,否則返回None
- re.findall 把所有匹配到的字元放到以列表中的元素返回
- re.splitall 以匹配到的字元當做列表分隔符
- re.sub 匹配字元並替換
re.compile(pattern,flags)
引數 flags = re.IGNORECASE
如果想同時使用兩個以上的此引數,可以使用|,如:re.I | re.M | re.S
re.I(re.IGNORECASE): 忽略大小寫(括號內是完整寫法,下同)
re.M(MULTILINE): 多行模式,忽略換行\n
re.S(DOTALL): 點任意匹配模式,改變'.'的行為,可以搜尋所有,包括換行符
- findall 方法
re_str = "hello this is python 2.7.13 and python 3.4.5"
pattern = "python [0-9]\.[0-9]\.[0-9]"
res = re.findall(pattern=pattern, string=re_str) # res = re.findall(pattern, re_str)
print(res)
# 一般採用編譯的方式使用python的正則模組,如果在大量的資料量中,編譯的方式使用正則效能會提高很多
re_str = "hello this is python 2.7.13 and Python 3.4.5"
re_obj = re.compile(pattern = "python [0-9]\.[0-9]\.[0-9]",flags=re.IGNORECASE) # Regex物件
res = re_obj.findall(re_str)
print(res)
- sub 方法
# sub() 替換方法
re_str = "what is a different between python 2.7.14 and python 3.5.4"
re_obj = re.compile("\d{1,}\.\d{1,}\.\d{1,}")
print(re_obj.sub("a.b.c", re_str, count=1)) # 替換一次
# what is a different between python a.b.c and python 3.5.4
print(re_obj.sub("a.b.c", re_str, count=2)) # 替換兩次
# what is a different between python a.b.c and python a.b.c
print(re_obj.sub("a.b.c", re_str)) # 全部替換
# what is a different between python a.b.c and python a.b.c
- split
# split() 分割字串
re_str = "what is a different between python 2.7.14 and python 3.5.4 USA:NewYork!Zidan.FRA"
re_obj = re.compile("[. :!]") # 按照此列表的元素來分割
print(re_obj.split(re_str))
# ['what', 'is', 'a', 'different', 'between', 'python', '2', '7', '14', 'and', 'python', '3', '5', '4', 'USA', 'NewYork', 'Zidan', 'FRA']