Python 正则表达式
原创
正则表达式（RegularExpression, re）
- 是一个计算机科学的概念
- 用于使用单个字符串来描述，匹配符合某个规则的字符串
- 常常用来检索，替换某些模式的文本
正则的写法
- .(点号): 表示任意一个字符，除了\n，比如查找所有的一个字符 .
- []: 匹配中括号中列举的任意字符，比如L,Y,0, LLY, Y0, LIU
- \d: 任意一个数字
- \D: 除了数字都可以
- \s: 表示空格，tab键
- \S: 除了空白符号
- \w: 单词字符，就是a-z, A-Z, 0-9, _
- \W: 除了“\w”表示的都可以
- : 表示前面内容重复零次或者多次, \w
- +: 表示前面内容至少出现一次
- ?: 前面才出现的内容零次或者一次
- {m,n}: 允许前面内容出现最少m次，最多n次
- ^: 匹配字符串的开始
- $: 匹配字符串的结尾
- \b: 匹配单词的边界
- (): 对正则表达式内容进行分组，从第一个括号开始，编号逐渐增大
验证一个数字: ^\d$ 必须有一个数字，最少一位: ^\d+$ 只能出现数字，且位数为5-10位: ^\d{5,10}$ 注册者输入年龄，要求16岁以上，99岁以下: ^[16,99]$ 只能输入英文字符和数字: ^[A-Za-z0-9]$ 验证qq号码: [0-9]{5,12}- \A: 只匹配字符串开头，\Aabcd, 则abcd
- \Z: 只匹配字符串末尾，abcd\Z, abcd
- |: 左右任意一个
- (?P<name>...): 分组，除了原来的编号再制定一个别名，(?P<id>12345){2}, 1234512345
- (?P=name): 引用分组RE使用大致步骤
- 使用compile将表示正则的字符串编译为一个pattern对象
- 通过pattern对象提供一系列方法度文本进行查找匹配，获得匹配结果，一个Match对象
- 最后使用Match对象提供的属性和方法获得信息，根据需要进行操作
RE常用函数
- group(): 获得一个或者多个分组匹配的字符串，当要获得整个匹配的子串时，直接使用group或者group(0)
- start: 获取分组匹配的子串在整个字符串中的起始位置，参数默认0
- end: 获取分组匹配的子串在整个字符串中的结束位置，默认为0
- span: 返回的结构技术(start(group), end(group))
# 导入相关包
import re
# 查找数字
# r表示字符串不转义
p = re.compile(r'\d+')
# 在字符串“one12twothree33456four78”中进行查找，按照规则p制定的正则进行查找
# 返回结果是None表示没有找到，否则会返回match对象
m = p.match("one12twothree33456four78")
print(m)None# 导入相关包
import re
# 查找数字
# r表示字符串不转义
p = re.compile(r'\d+')
# 在字符串“one12twothree33456four78”中进行查找，按照规则p制定的正则进行查找
# 返回结果是None表示没有找到，否则会返回match对象
# 参数3,6表示在字符串中查找的范围
m = p.match("one12twothree33456four78", 3, 26)
print(m)
# 上述代码说明的问题
# 1. match可以输入参数表示起始位置
# 2. 查找到的结果只包含一个，表示第一次进行匹配成功的内容<_sre.SRE_Match object; span=(3, 5), match='12'>print(m[0])
print(m.start(0))
print(m.end(0))1235import re
# I 表示忽略掉大小写
p = re.compile(r'([a-z]+) ([a-z]+)', re.I)
m = p.match("I am really love you")
print(m)<_sre.SRE_Match object; span=(0, 4), match='I am'>print(m.group(0))
print(m.start(0))
print(m.end(0))I am04print(m.group(1))
print(m.start(1))
print(m.end(1))I01print(m.group(2))
print(m.start(2))
print(m.end(2))am24print(m.groups())('I', 'am')查找
- search(str, [, pos, endpos]): 在字符串中查找匹配，pos和endpos表示起始位置
- findall: 查找所有
- finditer：查找，返回一个iter结果
import re
p = re.compile(r'\d+')
m = p.search("one12two34three567four")
print(m.group())12rst = p.findall("one12two34three567four")
print(type(rst))
print(rst)<class 'list'>['12', '34', '567']sub 替换
- sub(rep1, str, count)
# sub替换案例
import re
# \w 包含数字和英文字母
p = re.compile(r'(\w+) (\w+)')
s = "hello 123 wang 456, i love you"
rst = p.sub(r'Hello world', s)
print(rst)Hello world Hello world, Hello world you匹配中文
- 大部分中文表示范围是u4e00-u9fa5, 不包括全角标点
import re
title = '世界 你好， hello moto'
p = re.compile(r'[\u4e00-\u9fa5]+')
rst = p.findall(title)
print(rst)['世界', '你好']贪婪和非贪婪
- 贪婪：尽可能多的匹配, (*)表示贪婪匹配
- 非贪婪：找到符合条件的最小内容即可，(?)表示非贪婪
- 正则默认使用贪婪匹配
import re
title = u'<div>name</div><div>age</div>'
p1 = re.compile(r'<div>.*</div>')
p2 = re.compile(r'<div>.*?</div>')
m1 = p1.search(title)
print(m1.group())
m2 = p2.search(title)
print(m2.group())<div>name</div><div>age</div><div>name</div>原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录