正則表示式基礎.md
阿新 • • 發佈：2018-12-10
正則表示式基礎
| 模式 | 描述 |
|---|---|
| \w | 匹配字母數字及下劃線 |
| \W | 匹配非字母數字下劃線 |
| \s | 匹配任意空白字元，等價於 [\t\n\r\f]. |
| \S | 匹配任意非空字元 |
| \d | 匹配任意數字，等價於 [0-9] |
| \D | 匹配任意非數字 |
| \A | 匹配字串開始 |
| \Z | 匹配字串結束，如果是存在換行，只匹配到換行前的結束字串 |
| \z | 匹配字串結束 |
| \G | 匹配最後匹配完成的位置 |
| \n | 匹配一個換行符 |
| \t | 匹配一個製表符 |
| ^ | 匹配字串的開頭 |
| $ | 匹配字串的末尾。 |
| . | 匹配任意字元，除了換行符，當re.DOTALL標記被指定時，則可以匹配包括換行符的任意字元。 |
| […] | 用來表示一組字元,單獨列出：[amk] 匹配 ‘a’，‘m’或’k’ |
| [^…] | 不在[]中的字元：[^abc] 匹配除了a,b,c之外的字元。 |
| * | 匹配0個或多個的表示式。 |
| + | 匹配1個或多個的表示式。 |
| ? | 匹配0個或1個由前面的正則表示式定義的片段，非貪婪方式 |
| {n} | 精確匹配n個前面表示式。 |
| {n, m} | 匹配 n 到 m 次由前面的正則表示式定義的片段，貪婪方式 |
| a|b | 匹配a或b |
| ( ) | 匹配括號內的表示式，也表示一個組 |
1 re.match
1.1 常規匹配
嘗試從字串的起始位置匹配一個模式，如果不是起始位置匹配成功的話，match()就返回none。
import re
content = 'Hello 123 4567 World_This is a Regex Demo666666666' #長度50
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo', content)
s = re.match(r"abc(.*?)i", "abcdefghi").group(1)
print(result.group())
print(result.span())
print(s)
Hello 123 4567 World_This is a Regex Demo
(0, 41)
defgh
1.2 泛匹配
content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*Demo$', content)
1.3匹配目標
import re
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWo(\w)ld.*Demo$', content)
print(result.group())
print(result.group(0))
print(result.group(1))
print(result.group(2))
print(result.span())
輸出：
Hello 1234567 World_This is a Regex Demo
Hello 1234567 World_This is a Regex Demo
1234567
r
(0, 40)
1.4 貪婪匹配/非貪婪模式
import re
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$', content)
result1 = re.match('^He.*?(\d+).*Demo$', content)
print(result.group(1))
print(result1.group(1))
輸出：
7
1234567
1.5 匹配模式
re.S（.包括換行符）
import re
content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content, re.S)
print(result.group(1))
1234567
1.6 轉義字元
content = 'price is $5.00'
result = re.match('price is \$5\.00', content)
總結：儘量使用泛匹配、使用括號得到匹配目標、儘量使用非貪婪模式、有換行符就用re.S
2 re.search
掃描整個字串並返回第一個成功的匹配。
總結：為匹配方便，能用search就不用match
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
result = re.search('Hello.*?(\d+).*?Demo', content)
print(result)
print(result.group(1))
<_sre.SRE_Match object; span=(13, 53), match=‘Hello 1234567 World_This is a Regex Demo’>
1234567
3 re.findall
搜尋字串，以列表形式返回全部能匹配的子串。
import re
html = '''<div id="songs-list">
<h2 class="title">經典老歌</h2>
<p class="introduction">
經典老歌列表
</p>
<ul id="list" class="list-group">
<li data-view="2">一路上有你</li>
<li data-view="7">
<a href="/2.mp3" singer="任賢齊">滄海一聲笑</a>
</li>
<li data-view="4" class="active">
<a href="/3.mp3" singer="齊秦">往事隨風</a>
</li>
<li data-view="6"><a href="/4.mp3" singer="beyond">光輝歲月</a></li>
<li data-view="5"><a href="/5.mp3" singer="陳慧琳">記事本</a></li>
<li data-view="5">
<a href="/6.mp3" singer="鄧麗君">但願人長久</a>
</li>
</ul>
</div>'''
results = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>', html, re.S)
# 另一種匹配策略，html = re.sub('<a.*?>|</a>', '', html)，去掉不同的內容，再匹配
print(results)
for result in results:
print(result[1])
| 表示式 | 描述 |
|---|---|
| * | 0個或多個 |
| ? | 0個或1個 |
| *? | 非貪婪模式 |
| \s*? | 是否有換行符 |
| () | 表示一個組，可用來匹配目標 |
| (<a.*?>)? | 是否有a標籤 |
4 re.sub
替換字串中每一個匹配的子串後返回替換後的字串。
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('\d+', '', content)
print(content)
Extra stings Hello World_This is a Regex Demo Extra stings
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)
Extra stings Hello 1234567 8910 World_This is a Regex Demo Extra stings
5 re.compile
將正則字串編譯成正則表示式物件，以便於複用該匹配模式。
pattern = re.compile('^Hello.*Demo$', re.S)
result = re.match(pattern, content)