python標準庫:re
1，匹配符號
- * : 匹配前一個字符0次，1次，多次
- + : 匹配前一個字符1次，多次
- ? : 匹配前一個字符0次，1次
- {n} : 匹配前一個字符n次
- {n,} : 匹配前一個字符至少n次
- {n,m} : 匹配前一個字符n到m次
- . : 匹配任意一個字符（除了換行符/n），若指定flag
- ^ : 匹配字符串開頭（無法匹配換行符後的位置）
- $ : 匹配字符串結尾（無法匹配換行符前的位置）
- | : 或
- [] : 或
- () : 捕獲分組，可以設置?:不捕獲分組
- \A : 匹配字符串開始，與^的區別是\A不受MULTILINE影響？
- \Z : 匹配字符結尾，與$的區別是\Z不受MULTILINE影響？
- \d : 匹配數字
- \D : 匹配非數字
- \w : 匹配[a-zA-Z0-9]
- \W : 匹配非[a-zA-Z0-9]
- \s : 匹配空白字符, 即[\f\n\r\t\v]
- \S : 匹配任何非空白字符，即[^ \f\n\r\t\v]
- \b : 單詞邊界
- \B : 非單詞邊界
- [a-z] : 匹配任意小寫字母
- [A-Z] : 匹配任意大寫字母
- [a-zA-Z] : 匹配任意字母
2，匹配flags
- MULTILINE(M)：改變“^”和“$”，讓“^”能夠匹配到換行符後的位置，讓“$”能夠匹配到換行符前的位置
- DOTALL(S)：改變“.”，讓“.”能夠匹配換行符
- IGNORECASE(I)：忽略大小寫
- LOCALE(L)
- UNICODE(U)
- VERBOSE(X)
- ASCII(A)
3，匹配模式
- 整體匹配（只匹配第一次）：re.search / re.match
- 全局匹配（匹配所有）：re.findall
- 分組捕獲：()，整體匹配和全局匹配都可以進行分組捕獲，捕獲匹配結果中的部分內容，分組捕獲可以嵌套，詳見匹配舉例
4，匹配寫法
方法一，需要重復執行匹配的，先編譯再匹配
regex = re.compile(p)
regex.search(s)
re.search(regex, s)
方法二，簡單的可以直接匹配
re.search(p, s)
5，匹配方法
1)re.search(p, s)
從s中提取完全符合p的內容，只提取第一次命中的，返回re.match對象
提取整體匹配結果：searchObj.group(), searchObj.group(0)
提取所有分組捕獲結果：searchObj.groups()
提取單個分組捕獲結果：searchObj.group(n), 即groups()[i] = group(i+1)
2)re.findall(p, s)
提取所有符合p的內容，返回字符串組成的列表
使用分組捕獲時，返回分組捕獲結果(元組)組成的列表
re.search使用分組捕獲時既可以捕獲整體匹配，也可以捕獲分組內容
re.findall使用分組捕獲時只能捕獲分組內容
3)re.match(p, s)
可以用re.search(^)替代
MULTILINE模式下，match也只匹配s，但re.search可以匹配換行後的開始
4)re.finditer(p, s)
re.findall的惰性版，返回iterator
5)re.split(p, s)
根據p分割字符串s
6)re.sub(p, repl, s, count=n)
p是匹配到的值，repl是替換後值，s是m目標字符串，count是替換多少次
6，分組捕獲時添加標簽
>>>ID = "310115199012128765"
>>>p = "(?P<dictrict>[0-9]{6})(?P<birthday>[0-9]{8})"
>>>re.search(p, ID).groupdict()
{‘dictrict‘: ‘310115‘, ‘birthday‘: ‘19901212‘}
7，懶惰匹配和貪婪匹配
.*是貪婪比配，盡可能多
.*?是懶惰匹配，滿足條件時，盡可能少
>>>re.search(‘a.*?b‘, ‘abab‘).group() ab >>>re.search(‘a.*?b‘, ‘abab‘).group() abab >>>re.search(‘192\.168\.1\..*$‘, ‘192.168.1.12‘).group() 192.168.1.12 >>>re.search(‘192\.168\.1\..*?‘, ‘192.168.1.12‘).group() # 沒有結束符，懶惰不匹配 192.168.1. >>>re.search(‘192\.168\.1\..*‘, ‘192.168.1.12‘).group() # 沒有結束符，貪婪匹配至最後 192.168.1.12
8，前向界定和後向界定
(?<=s)：前向界定，s後面的位置
(?=s)：後向界定，s前面的位置
>>>s = ‘ab1c ab2c\nab3c‘ >>>re.findall(‘(a.*?)(?:\s|$)‘, s) # 貌似$不能用[]或 [‘ab1c‘, ‘ab2c‘, ‘ab3c‘] >>>re.findall(‘((?<=b).*?)(?:\s|$)‘, s) # b後面的位置開始 [‘1c‘, ‘2c‘, ‘3c‘] >>>re.findall(‘((?=b).*?)(?:\s|$)‘, s) # b前面的位置開始 [‘b1c‘, ‘b2c‘, ‘b3c‘]
9，轉義
編程語言的轉義：
>>>s = ‘c:\name.txt‘ >>>print(‘c:\name.txt‘) c: ame.txt
不轉義就會被換行處理，解決方法是print(‘c:\\name.txt‘)或者print(r‘c:\name.txt‘)
正則表達式的轉義：
>>>s = ‘c:\\name.txt‘ >>>re.search(‘c:\\\\.*?\.‘, s).group() ‘c:\\name.‘ >>>re.search(r‘c:\\.*?\.‘, s).group() ‘c:\\name.‘
自動轉義：
有些編程語言沒有特殊意義的字符，可能無需轉義
例如print(‘\n)和print(‘\\n‘)不一樣
但是print(‘\d)和print(‘\\d‘)是一樣的
10，匹配舉例
‘ab1c ab2c\nab3c‘匹配例子：
>>>s = ‘ab1c ab2c\nab3c‘ >>>re.search(‘a.*?c a.*?c‘, s).group() # 整體匹配 ab1c ab2c >>>re.search(‘a(.*?)c a(.*?)c‘, s).groups() # 整體匹配 + 捕獲分組 ‘b1 b2‘ >>>re.search(‘a(\w(\w))c a(\w(\w))c‘, s).groups() # 整體匹配 + 捕獲分組 (‘b1‘, ‘1‘, ‘b2‘, ‘2‘) >>>re.findall(‘a.*?c‘, s) # 全局匹配 [‘ab1c‘, ‘ab2c‘, ‘ab3c‘] >>>re.findall(‘a(.*?)c‘, s) # 全局匹配 + 捕獲分組：只能捕獲分組內容 [‘b1‘, ‘b2‘, ‘b3‘] >>>re.findall(‘a(\w(\w))c‘, s) # 全局匹配 + 捕獲分組嵌套 [(‘b1‘, ‘1‘), (‘b2‘, ‘2‘), (‘b3‘, ‘3‘)] >>>re.findall(‘a.*?c$‘, s) [‘ab3c‘] >>>re.findall(‘a.*?c$‘, s, flags=re.M) # re.M影響$ [‘ab1c ab2c‘, ‘ab3c‘] >>>re.findall(‘^a.*?c‘, s) [‘ab1c‘] >>>re.findall(‘^a.*?c‘, s, flags=re.M) # re.M影響^ [‘ab1c‘, ‘ab3c‘] >>>re.search(‘a.*c‘, s).group() ‘ab1c ab2c‘ >>>re.search(‘a.*c‘, s, flags=re.DOTALL).group() # re.DOTALL影響. ‘ab1c ab2c\nab3c‘ >>>re.split(‘\s‘, s) [‘ab1c‘, ‘ab2c‘, ‘ab3c‘] >>>re.split(‘(\s)‘, s) # re.split + 分組可以看到分隔符 [‘ab1c‘, ‘ ‘, ‘ab2c‘, ‘\n‘, ‘ab3c‘]
‘a b, c ; d\ e‘匹配例子：
>>>s = ‘a b, c ; d\ e‘ >>>s ‘a b, c ; d\\ e‘ # \被自動轉成\>>>re.split(r‘\s*[\s,;\\]\s*‘, s) [‘a‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘] >>>re.split(r‘\s*(?:\s|,|;|\\)\s*‘, s) # []的等效寫法 [‘a‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘] >>>re.split(r‘\s*(\s|,|;|\\)\s*‘, s) # 不用?:只抓到了單個分隔符，用它去對s分割會包含單個分隔符 [‘a‘, ‘ ‘, ‘b‘, ‘,‘, ‘c‘, ‘;‘, ‘d‘, ‘\\‘, ‘e‘] >>> re.split(r‘(\s*(?:\s|,|;|\\)\s*)‘, s) # 包含完整的分隔符 [‘a‘, ‘ ‘, ‘b‘, ‘, ‘, ‘c‘, ‘ ; ‘, ‘d‘, ‘\\ ‘, ‘e‘]
python標準庫:re