就其本质而言,正则表达式(或 RE)是一种小型的、高度专业化的编程语言,(在Python中)它内嵌在Python中,并通过 re 模块实现。正则表达式模式被编译成一系列的字节码,然后由用 C 编写的匹配引擎执行。
字符匹配(普通字符,元字符):
1 普通字符:大多数字符和字母都会和自身匹配
>>> re.findall(‘alvin‘,‘yuanaleSxalexwupeiqi‘)
[‘alvin‘]
2 元字符:. ^ $ * + ? { } [ ] | ( ) \
元字符之. ^ $ * + ? { }
1 import re 2
3 ret=re.findall(‘a..in‘,‘helloalvin‘) 4 print(ret)#[‘alvin‘]
5
6
7 ret=re.findall(‘^a...n‘,‘alvinhelloawwwn‘) 8 print(ret)#[‘alvin‘]
9
10
11 ret=re.findall(‘a...n$‘,‘alvinhelloawwwn‘) 12 print(ret)#[‘awwwn‘]
13
14
15 ret=re.findall(‘a...n$‘,‘alvinhelloawwwn‘) 16 print(ret)#[‘awwwn‘]
17
18
19 ret=re.findall(‘abc*‘,‘abcccc‘)#贪婪匹配[0,+oo]
20 print(ret)#[‘abcccc‘]
21
22 ret=re.findall(‘abc+‘,‘abccc‘)#[1,+oo]
23 print(ret)#[‘abccc‘]
24
25 ret=re.findall(‘abc?‘,‘abccc‘)#[0,1]
26 print(ret)#[‘abc‘]
27
28
29 ret=re.findall(‘abc{1,4}‘,‘abccc‘) 30 print(ret)#[‘abccc‘] 贪婪匹配
注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
1 ret=re.findall(‘abc*?‘,‘abcccccc‘) 2 print(ret)#[‘ab‘]
元字符之字符集[]:
1 #--------------------------------------------字符集[]
2 ret=re.findall(‘a[bc]d‘,‘acd‘) 3 print(ret)#[‘acd‘]
4
5 ret=re.findall(‘[a-z]‘,‘acd‘) 6 print(ret)#[‘a‘,‘c‘,‘d‘]
7
8 ret=re.findall(‘[.*+]‘,‘a.cd+‘) 9 print(ret)#[‘.‘,‘+‘]
10
11 #在字符集里有功能的符号: - ^ \
12
13 ret=re.findall(‘[1-9]‘,‘45dha3‘) 14 print(ret)#[‘4‘,‘5‘,‘3‘]
15
16 ret=re.findall(‘[^ab]‘,‘45bdha3‘) 17 print(ret)#[‘4‘,‘d‘,‘h‘,‘3‘]
18
19 ret=re.findall(‘[\d]‘,‘45bdha3‘) 20 print(ret)#[‘4‘,‘3‘]
元字符之转义符\
反斜杠后边跟元字符去除特殊功能,比如\.
反斜杠后边跟普通字符实现特殊功能,比如\d
\d 匹配任何十进制数;它相当于类 [0-9]。
\D 匹配任何非数字字符;它相当于类 [^0-9]。
\s 匹配任何空白字符;它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符;它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符;它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符;它相当于类 [^a-zA-Z0-9_]
\b 匹配一个特殊字符边界,比如空格 ,&,#等
1 ret=re.findall(‘I\b‘,‘I am LIST‘) 2 print(ret)#[]
3 ret=re.findall(r‘I\b‘,‘I am LIST‘) 4 print(ret)#[‘I‘]
现在我们聊一聊\,先看下面两个匹配:
1 #-----------------------------eg1:
2 import re 3 ret=re.findall(‘c\l‘,‘abc\le‘) 4 print(ret)#[]
5 ret=re.findall(‘c\\l‘,‘abc\le‘) 6 print(ret)#[]
7 ret=re.findall(‘c\\\\l‘,‘abc\le‘) 8 print(ret)#[‘c\\l‘]
9 ret=re.findall(r‘c\\l‘,‘abc\le‘) 10 print(ret)#[‘c\\l‘]
11
12 #-----------------------------eg2:
13 #之所以选择\b是因为\b在ASCII表中是有意义的
14 m = re.findall(‘\bblow‘,‘blow‘) 15 print(m) 16 m = re.findall(r‘\bblow‘,‘blow‘) 17 print(m)
元字符之分组()
1 m = re.findall(r‘(ad)+‘,‘add‘) 2 print(m) 3
4 ret=re.search(‘(?P<id>\d{2})/(?P<name>\w{3})‘,‘23/com‘) 5 print(ret.group())#23/com
6 print(ret.group(‘id‘))#23
元字符之|
1 ret=re.search(‘(ab)|\d‘,‘rabhdg8sd‘) 2 print(ret.group())#ab
re模块下的常用方法
1 import re 2 #1
3 re.findall(‘a‘,‘alvin yuan‘) #返回所有满足匹配条件的结果,放在列表里
4 #2
5 re.search(‘a‘,‘alvin yuan‘).group() #函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
6 # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。
7
8 #3
9 re.match(‘a‘,‘abc‘).group() #同search,不过尽在字符串开始处进行匹配
10
11 #4
12 ret=re.split(‘[ab]‘,‘abcd‘) #先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割
13 print(ret)#[‘‘,‘‘,‘cd‘]
14
15 #5
16 ret=re.sub(‘\d‘,‘abc‘,‘alvin5yuan6‘,1) 17 print(ret)#alvinabcyuan6
18 ret=re.subn(‘\d‘,‘alvin5yuan6‘) 19 print(ret)#(‘alvinabcyuanabc‘,2)
20
21 #6
22 obj=re.compile(‘\d{3}‘) 23 ret=obj.search(‘abc123eeee‘) 24 print(ret.group())#123
1 import re 2 ret=re.finditer(‘\d‘,‘ds3sy4784a‘) 3 print(ret) #<callable_iterator object at 0x10195f940>
4
5 print(next(ret).group()) 6 print(next(ret).group())
注意:
1 import re 2
3 ret=re.findall(‘www.(baidu|oldboy).com‘,‘www.oldboy.com‘) 4 print(ret)#[‘oldboy‘] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
5
6 ret=re.findall(‘www.(?:baidu|oldboy).com‘,‘www.oldboy.com‘) 7 print(ret)#[‘www.oldboy.com‘]
补充:
1 import re 2
3 print(re.findall("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")) 4 print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")) 5 print(re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")) 6
7
8
9 #匹配出所有的整数
10 import re 11
12 #ret=re.findall(r"\d+{0}]","1-2*(60+(-40.35/5)-(-4*3))")
13 ret=re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))") 14 ret.remove("") 15
16 print(ret)