python中的正則表達式全解
一、 Re
1. 常用的正則表達式符號
2. 常用的匹配方法
1) re.match(pattern, string, flags=0)
說明:在string的開始處匹配模式
>>> import re
>>> a = re.match(‘in‘,"inet addr:10.161.146.134") #從頭開始匹配in字符
>>> a.group()
‘in‘
>>> a = re.match(‘addr‘,"inet addr:10.161.146.134")
#開頭匹配不到,所以返回none
>>> print(a)
None
2) re.search(pattern, string, flags=0)
說明:在string中尋找模式
>>> import re
>>> a = re.search(‘addr‘,"inet addr:10.161.146.134") #在字符串中尋找
>>> a.group()
‘addr‘
3) re.findall(pattern, string, flags=0)
說明:把匹配到的字符以列表的形式返回
>>> import re
>>> re.findall(‘[0-9]{1,3}‘,"inet addri:10.161.146.134")
[‘10‘, ‘161‘, ‘146‘, ‘134‘] #符合條件的以列表的形式返回
4) re.split(pattern, string, maxsplit=0, flags=0)
說明:匹配到的字符被當做列表分割符
>>> import re
>>> re.split(‘\.‘,"inet addri:10.161.146.134")
[‘inet addri:10‘, ‘161‘, ‘146‘, ‘134‘]
5) re.sub(pattern, repl, string, count=0, flags=0)
說明:匹配字符並替換
>>> import re
>>> re.sub(‘\.‘,‘-‘,"inet addri:10.161.146.134")
‘inet addri:10-161-146-134‘ #默認全部替換
>>> re.sub(‘\.‘,‘-‘,"inet addri:10.161.146.134",count=2)
‘inet addri:10-161-146.134‘ #用count控制替換次數
6) finditer(pattern, string)
說明:返回叠代器
>>> import re
>>> re.finditer(‘addr‘,"inet addr:10.161.146.134")
<callable_iterator object at 0x00000000030C4BE0> #返回一個叠代器
3. 常用方法
1) group([group1, ...])
說明:獲得一個或多個分組截獲的字符串;指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名;編號0代表整個匹配的子串;不填寫參數時,返回group(0);沒有截獲字符串的組返回None;截獲了多次的組返回最後一次截獲的子串。
>>> import re
>>> a = re.search(‘addr‘,"inet addr:10.161.146.134")
>>> a.group()
‘addr‘
>>> a.group(0)
‘addr‘
2) groups(default=None)
說明:以元組形式返回全部分組截獲的字符串。相當於調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代,默認為None。這個要跟分組匹配結合起來使用‘(...)‘
>>> import re
>>> a = re.search("(\d{2})(\d{2})(\d{2})(\d{4})","320922199508083319") #一個小括號表示一個組,有4個括號,就是4個組
>>> a.groups()
(‘32‘, ‘09‘, ‘22‘, ‘1995‘)
3) groupdict(default=None)
說明:返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典,沒有別名的組不包含在內。default含義同上。這個是跟另外一個分組匹配結合起來用的,即:‘(?P<name>...)‘
>>> import re
>>> a = re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242")
#以下兩種情況獲取的值都是一樣的
>>> a.groupdict()
{‘birthday‘: ‘1993‘, ‘city‘: ‘81‘, ‘province‘: ‘3714‘}
>>> a.groupdict("city")
{‘birthday‘: ‘1993‘, ‘city‘: ‘81‘, ‘province‘: ‘3714‘}
4) span([group])
說明:返回(start(group), end(group))
>>> import re
>>> a = re.search(‘addr‘,"inet addr:10.161.146.134")
>>> a.group()
‘addr‘
>>> a.span() #獲取‘addr‘在字符串中的開始位置和結束位置
(5, 9)
5) start([group])
說明:返回指定的組截獲的子串在string中的起始索引(子串第一個字符的索引),group默認值為0。
>>> import re
>>> a = re.search(‘addr‘,"inet addr:10.161.146.134")
>>> a.group()
‘addr‘
>>> a.span()
(5, 9)
>>> a.start() #獲取字符串的起始索引
5
6) end([group])
說明:返回指定的組截獲的子串在string中的結束索引(子串最後一個字符的索引+1),group默認值為0。
>>> import re
>>> a = re.search(‘addr‘,"inet addr:10.161.146.134")
>>> a.group()
‘addr‘
>>> a.span()
(5, 9)
>>> a.end() #獲取string中的結束索引
9
7) compile(pattern[, flags])
說明:根據包含正則表達式的字符串創建模式對象
>>> import re
>>> m = re.compile("addr") #創建正則模式對象
>>> n = m.search("inet addr:10.161.146.134") #通過模式對象去匹配
>>> n.group()
‘addr‘
4. 反斜杠的困擾
與大多數編程語言相同,正則表達式裏使用"\"作為轉義字符,這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"\",那麽使用編程語言表示的正則表達式裏將需要4個反斜杠"\\\\":前兩個和後兩個分別用於在編程語言裏轉義成反斜杠,轉換成兩個反斜杠後再在正則表達式裏轉義成一個反斜杠。Python裏的原生字符串很好地解決了這個問題,這個例子中的正則表達式可以使用r"\\"表示。同樣,匹配一個數字的"\\d"可以寫成r"\d"。有了原生字符串,你再也不用擔心是不是漏寫了反斜杠,寫出來的表達式也更直觀。
>>> import re
>>> a = re.split("\\\\","C:\ \wushuaishuai\yhd_settings")
>>> a
[‘C:‘, ‘ ‘, ‘wushuaishuai‘, ‘yhd_settings‘]
>>> re.findall(‘\\‘,‘abc\com‘)
Traceback (most recent call last)
>>> re.findall(‘\\\\‘,‘abc\com‘)
[‘\\‘]
>>> re.findall(r‘\\‘,‘abc\com‘)
[‘\\‘]
5. 其他匹配模式
1) re.I(re.IGNORECASE)
說明:忽略大小寫(括號內是完整的寫法,下同)
>>> import re
>>> a = re.search(‘addr‘,"inet Addr:10.161.146.134",flags=re.I)
>>> a.group()
‘Addr‘ #忽略大小寫
2) re.M(MULTILINE)
說明:多行模式,改變‘^‘和‘$‘的行為,詳細請見第2點
>>> import re
>>> a = re.search(‘^a‘,"inet\naddr:10.161.146.134",flags=re.M)
>>> a.group()
‘a‘
3) re.S(DOTALL)
說明:點任意匹配模式,改變‘.‘的行為
>>> import re
>>> a = re.search(‘.+‘,"inet\naddr:10.161.146.134",flags=re.S)
>>> a.group()
‘inet\naddr:10.161.146.134‘
6. 總結
1、用r‘‘的方式表示的字符串叫做raw字符串,用於抑制轉義。
2、正則表達式使用反斜桿(\)來轉義特殊字符,使其可以匹配字符本身,而不是指定其他特殊的含義。
3、這可能會和python字面意義上的字符串轉義相沖突,這也許有些令人費解,比如,要匹配一個反斜桿本身,你也許要用‘\\\\‘來做為正則表達式的字符串,因為正則表達式要是\\,而字符串裏,每個反斜桿都要寫成\\。
4、你也可以在字符串前加上 r 這個前綴來避免部分疑惑,因為 r 開頭的python字符串是 raw 字符串,所以裏面的所有字符都不會被轉義,比如r‘\n‘這個字符串就是一個反斜桿加上一字母n,而‘\n‘我們知道這是個換行符。因此,上面的‘\\\\‘你也可以寫成r‘\\‘,這樣,應該就好理解很多了。
python中的正則表達式全解