Python3正则表达式
Python3 正则表达式
- 正则表达式是一个特殊的字符序列，它能帮助我们方便的检查一个字符串是否与某种模式匹配。
- 模式字符串使用特殊的语法来表示一个正则表达式
- 下面列出了正则表达式模式语法中的特殊元素
| 模 式 | 含义 |
|---|---|
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的末尾。 |
| . | 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。 |
| [...] | 用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k' |
| [^...] | 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。 |
| re* | 匹配0个或多个的表达式。 |
| re+ | 匹配1个或多个的表达式。 |
| re? | 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式 |
| re{ n} | 精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。 |
| re{ n,} | 匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。 |
| re{ n, m} | 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式 |
| a|b | 匹配a或b\n |
| (re) | 匹配括号内的表达式，也表示一个组 |
| (?imx) | 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。 |
| (?-imx) | 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 |
| (?: re) | 类似 (...), 但是不表示一个组 |
| (?imx: re) | 在括号中使用i, m, 或 x 可选标志 |
| (?-imx: re) | 在括号中不使用i, m, 或 x 可选标志 |
| (?#...) | 注释. |
| (?= re) | 前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。 |
| (?! re) | 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功 |
| (?> re) | 匹配的独立模式，省去回溯。 |
| \w | 匹配字母数字及下 |
| \W | 匹配非字母数字及下划线 |
| \s | 匹配任意空白字符，等价于 [\t\n\r\f]. |
| \S | 匹配任意非空字符 |
| \d | 匹配任意数字，等价于 [0-9]. |
| \D | 匹配任意非数字 |
| \A | 匹配字符串开始 |
| \Z | 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。 |
| \z | 匹配字符串结束 |
| \G | 匹配最后匹配完成的位置。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B | 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| \n, \t, 等. | 匹配一个换行符。匹配一个制表符。等 |
| \1...\9 | 匹配第n个分组的内容。 |
| \10 | 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。 |
match()和search()的区别
- match() 方法只从开始找，开始第一个字符不匹配就找不到了,返回none
- search()查找整个字符串，找到第一个为止
示例代码1：
#!/usr/bin/python3
import re
# 使用 match对象
match = re.match('yhyang','aayhyang正在学习正则表达式')
print(match) # 最开始匹配不到返回none
输出：
None
match = re.search('yhyang','aayhyang正在学习正则表达式')
print(match.group()) # 直到找到匹配的字符串
输出：
yhyang示例代码2：
公司主营业务：做网站、网站设计、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。创新互联是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。创新互联推出大丰免费做网站回馈大家。
#!/usr/bin/python3
import re
import re
s = """
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com
"""
target = '\d{4}' # \d 匹配数字 {4} 表示4个 代表找到4个数字
target = '\d{4}-\d{4}-\d{3}'
target = '\d{3}-\d{4}-\d{4}'
target = '\d+-\d+-\d+' # \d匹配数字，+ 表示1个或多个，search 找到第一个就停下来了
target = '[\d+-?]+' # ？ 表示后面跟0个或多个 [] 表示一个字符集如：[a-z]查找小写字母
target = '\w{5}@\w{2}.com' # \w 匹配字符
match = re.search(target,s)
if match:
print('找到，',target,s)
print(match.group())
else:
print('啥都没找到')
输出：
找到， \w{5}@\w{2}.com
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com
lilei@qq.com
分组
- () 括号分组
- | 管道符号匹配多个分组
- ？选择出现0次或1次
- re.x 换行，注释
- findall
- 有分组，返回元组列表
- 无分组，返回字符串列表
- split
- 返回用正则分割后的列表
compile 函数
compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
语法格式为：re.compile(pattern[, flags])
参数：
pattern : 一个字符串形式的正则表达式
flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性，忽略空格和' # '后面的注释示例代码1：
#!/usr/bin/python3
import re
regex = re.compile(r'yhyang') # r 表示raw 原始的
regex.findall('asdfasdfasfyhyang,235346747,yhyang')输出：
['yhyang', 'yhyang']
示例代码2：
#!/usr/bin/python3
import re
regex = re.compile(r'(yhyang)') # () 分割，分组
regex.split('asdfasdfasfyhyang,235346747,yhyang')输出：
['asdfasdfasf', 'yhyang', ',235346747,', 'yhyang', '']
匹配IP地址
#!/usr/bin/python3
import re
parten = ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
# 2[0-4]\d 匹配 24x x为0-9
# 25[0-5] 匹配 25x x为0-5
# [01]?\d\d? [01]? 匹配0个或是一个0或1，\d？ 表示0个或1个数字
# \. 转义 .
# {3} 前面的规则匹配3次
# 注意命名 re开头
re_ip = re.compile(r'((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)')
match = re_ip.match('1.2.3.4')
print(match)
print(match.group())输出：
<_sre.SRE_Match object; span=(0, 7), match='1.2.3.4'>
1.2.3.4
示例代码2：
#!/usr/bin/python3
import re
re_ip = re.compile(r'''
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.) # IP表示一组数字包括后边的点
{3} # 表示3组数字
(2[0-4]\d|25[0-5]|[01]?\d\d?) # 最后一组数字
''',re.X) # 正则可以换行，注释
match = re_ip.match('192.168.3.4')
print(match)
print(match.group())输出：
<_sre.SRE_Match object; span=(0, 11), match='192.168.3.4'>
192.168.3.4
匹配要不要贪心一点
| 模式 | 含义 | 示例 |
|---|---|---|
| {m,n}? | 对于前一个字符重复m到n次，并取尽可能少的情况 | 在字符串‘aaaaaa’中，a{2,4}会匹配4个a，但a{2,4}?只会匹配2个a |
| .*与？的搭配 | 默认贪心，有多少要多少，？给加上限制，表示非贪心匹配，？把*匹配的字符限制到最少 | r'"(.)"'与 r'"(.?)"' |
- *？重复任意次，但尽可能少重复
- +？重复1次或多次，但尽可能少重复
- ？？重复0次或1次，但尽可能少重复
- {n,}？重复n次以上，但尽可能少重复
示例代码1：
#!/usr/bin/python3
import re
# 只匹配双引号中的内容，包括双引号
re_quote = re.compile(r'"(.*)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)输出：
['no']
['no" Phone says "yes']
示例代码2：
#!/usr/bin/python3
import re
re_quote = re.compile(r'"(.*?)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)输出：
['no']
['no', 'yes']
正则替换
示例代码：
#!/usr/bin/python3
import re
s = 'sadfasfasdfasdfyhyangdsafasf2352'
ss = s.replace('yhyang','******') # 替换
print(ss)
regex = re.compile(r'yhyang') # 生成规则对象
regex.sub('******',s) # 替换输出：
sadfasfasdfasdf**dsafasf2352
'sadfasfasdfasdf**dsafasf2352'
下边例子分组标号\1，\2，\3 类似于awk的列分组 $1 ……
示例代码1：
#!/usr/bin/python3
import re
# 通过分组替换字符串格式，mm/dd/yy -> yy-mm-dd
s = '替换日期格式：10/01/2018,12/25/2018'
re_date = re.compile(r'(\d+)/(\d+)/(\d+)') # 此处给(\d+)/(\d+)/(\d+)按/分为三组，标号为\1，\2，\3
re_date.sub(r'\3-\1-\2',s) # 将上边的\1，\2，\3位置按要求重新排列输出：
'替换日期格式：2018-10-01,2018-12-25'
示例代码2：
#!/usr/bin/python3
import re
# 替换字符串中间的多余空格
s = ' yhyang 正则 python 好难学， 坚持一下吧， 没 几 个了'
s.strip() # 只去掉最前边的
re_blank = re.compile(r'\s+') # \s 代表空格
re_blank.sub('',s)输出：
'yhyang正则python好难学，坚持一下吧，没几个了'
名称栏目：Python3正则表达式
URL链接：http://mswzjz.cn/article/poeggg.html