Python基础(15)——正则表达式
re.match()
re.match(正则表达式,要匹配的字符串)，匹配出以字符串的起始位置开始匹配正则表达式,如果匹配，返回匹配对象（Match Object），否则返回None（注意不是空字符串""）。
import re
print(re.match('hello','hello world'))
print(re.match('world','hello world'))
# <_sre.SRE_Match object; span=(0, 5), match='hello'>
#None单字符匹配
字符 | 说明 |
|---|---|
[] | 匹配中括号里任意一个字符 |
[^] | 除了中括号里的字符意外 |
\s | 任意空格 |
\S | 非空格 |
\d | 匹配数字0-9 |
\D | 匹配非数字，表示除了数字之外的字符 |
\w | 任意字符[A-Za-z0-9] |
\W | 匹配非单词字符 |
点号匹配
import re
result = re.match("A.C", "ABC")
print(result.group())
result = re.match("A.C", "A1C")
print(result.group())中括号匹配
import re
result = re.match("A[B1D]C", "ABC")
print(result.group())
result = re.match("A[BCD]C", "AGC")
if result:
print(result.group())竖线匹配
text = "123test"
regexStr = "(123|txt)"
matchOjc = re.match(regexStr,text)
if matchOjc:
print(matchOjc.group(1))开头结尾匹配
字符 | 说明 |
|---|---|
^ | 以箭头后面的字符开头 |
$ | 以美元符号前面的字符结尾 |
text = "test123"
regexStr = "^t.*3$"
if re.match(regexStr,text):
print("match")多个字符匹配
字符 | 说明 |
|---|---|
* | 匹配前一个字符出现0次或者无限次，即可有可无 |
+ | 匹配前面的字符出现出现1次或者无限次，即至少有1次 |
? | 匹配前一个字符出现1次或者0次，即要么有1次，要么没有,同时使贪婪变成非贪婪模式 |
{m} | 匹配前一个字符出现m次 |
{m,n} | 匹配前一个字符出现从m到n次 |
import re
regStr = '[A-Za-z_]+[\w]*'
result = re.match(regStr, "test_1")
if result:
print(result.group())
result = re.match(regStr, "1_test")
if result:
print(result.group())匹配分组
字符 | 功能 |
|---|---|
| | 匹配左右任意一个表达式 |
(ab) | 将括号中字符作为一个分组 |
\num | 引用第num分组匹配到的字符串 |
(?P<name>) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
import re
regStr = '[\w]{4,20}@(163|qq|gmail)\.com'
result = re.match(regStr, "test@qq.com")
if result:
print(result.group())'r'是防止字符转义的 如果路径中出现'\t'的话 不加r的话\t就会被转义 而加了'r'之后'\t'就能保留原有的样子。
import re
regStr = r'<(\w*)><(\w*)>.*</\2></\1>'
result = re.match(regStr, "<html><head>test</head></html>")
if result:
print(result.group())
result = re.match(regStr, "<html><head>test</body></html>")
if result:
print(result.group())分组别名
import re
regStr = r'<(?P<label1>\w*)><(?P<label2>\w*)>.*</(?P=label2)></(?P=label1)>'
result = re.match(regStr, "<html><head>test</head></html>")
if result:
print(result.group())
result = re.match(regStr, "<html><head>test</body></html>")
if result:
print(result.group())匹配子表达式
使用小括号()将想要提取的内容括起来。
import re
content = 'hello 12345 python'
result = re.match('^h\w{4}\s(\d+)\s\w+',content)
print(result.group())
print(result.group(1))
print(result.span())贪婪匹配
点(.)可以匹配任意字符（除去换行符）星号（）代表匹配前面字符的无限次。点星(.)组合可以匹配任意字符，但是点星(.)会匹配尽可能多的字符，被认为是贪婪匹配.贪婪匹配表达式^h.(\d+)\s\w+造成group(1)只会得到数字7，因为点星(.*)会尽可能的取匹配字符，就把1234也吞噬了，只留下数字5了
import re
content = 'hello 12345 python'
result = re.match('^h.*(\d+)\s\w+',content)
print(result.group())
print(result.group(1))
print(result.span())
# hello 12345 python
# 5
# (0, 18)非贪婪匹配
非贪婪匹配的模式在点星后面加一个问号？即点星问(.*?)是非贪婪匹配，尽可能的少匹配字符
import re
content = 'hello 12345 python'
result = re.match('^h.*?(\d+)\s\w+',content)
print(result.group())
print(result.group(1))
print(result.span())匹配修饰符
修饰符 | 说明 |
|---|---|
re.I | 对大小写不敏感 |
re. L | 做本地化识别匹配 |
re. M | 多行匹配，影响^和$ |
re. S | 匹配包括换行在内的所有字符 |
import re
content = '''hello 12345
python'''
result = re.match('^h.*?(\d+).*?n$',content,re.S)
print(result.group())
print(result.group(1))
print(result.span())Search
匹配整个字符串，直到找到一个匹配的对象，匹配结束没有找到匹配对象才放回None
import re
result = re.search('\d+', "查找数字：1245")
if result:
print(result.group())findall
匹配所有符合规律的内容，返回包含结果的列表
import re
rList = re.findall('\d+', "查找数字：1245注册时11112中1")
for r in rList:
print(r)
#1245
#11112
#1sub
re.sub(pattern, repl, string, count=0, flags=0) 使用repl替换string中每一个匹配的子串后返回替换后的字符串。 当repl是一个字符串时，可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。 当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。 count用于指定最多替换次数，不指定时全部替换。
import re
content = 'hello12345python'
result = re.sub('\d',"",content)
print(result)
#hellopythonimport re
def func(matchObj):
if matchObj:
return "python"
print(re.sub(r"\d+", func, 'hello 123'))split
根据匹配进行切割字符串，并返回一个列表
import re
rList = re.split(r':| ', "查找数字:1245注册时 11112中1")
for r in rList:
print(r)