正則表達(dá)式的基礎(chǔ)
正則表達(dá)式并不是Python的一部分。正則表達(dá)式是用于處理字符串的強(qiáng)大工具，擁有自己獨(dú)特的語法以及一個獨(dú)立的處理引擎，效率上可能不如str自帶的方法，但功能十分強(qiáng)大。得益于這一點(diǎn)，在提供了正則表達(dá)式的語言里，正則表達(dá)式的語法都是一樣的，區(qū)別只在于不同的編程語言實現(xiàn)支持的語法數(shù)量不同。就其本質(zhì)而言，正則表達(dá)式（或 RE）是一種小型的、高度專業(yè)化的編程語言，（在Python中）它內(nèi)嵌在Python中，并通過 re 模塊實現(xiàn)。
元字符: . ^ $ * + ? { [ ] \ | ( )
. 匹配除了換行符外所有字符 (通配符)
1 2 3 4 | content = 'Abcdefghijklmnopq'
test = re.findall(r"b.d",content)
print(test)
['bcd']
|
^ 以....開頭
1 2 3 4 | content = 'Abcdefghijklmnopq'
test = re.findall(r"^Abcd",content)
print(test)
['Abcd']
|
$ 以....結(jié)尾
1 2 3 4 | content = 'Abcdefghijklmnopq'
test = re.findall(r"nopq$",content)
print(test)
['nopq']
|
* 匹配0到多次 {0, } 控制它前面的字符
1 2 3 4 | content = 'Abcdefghijklmnopq'
test = re.findall(r"A.*e",content)
print(test)
['Abcde']
|
+ 匹配1到多次 {1, }
1 2 3 4 | content = 'abcdefab111111'
test = re.findall(r"ab1+",content)
print(test)
['ab111111']
|
? 匹配0到1次 {0,1}
1 2 3 4 | content = 'abcdefab111111'
test = re.findall(r"ab1?",content)
print(test)
['ab', 'ab1']
|
* + ? 都是按照貪婪模式進(jìn)行匹配 非貪婪模式 需要在后面加個?
1 2 3 4 5 6 7 8 9 10 | content = 'abcdefab111111'
test = re.findall(r"ab1+?",content)
print(test)
['ab1']
re.search(r"a(\d+?)","a2345").group() => a2
re.search(r"a(\d*?)","a2345").group() => a
#如果前后均有限定條件 ?不起作用 re.search(r"a(\d*?)b","a2345b").group() => a2345b
|
( ) 組 作為一個整體
1 2 3 4 | content = 'abcdefab111111'
test = re.findall(r"(ab1)",content)
print(test)
['ab1']
|
{ } 重復(fù)次數(shù)自定義
1 2 3 4 | content = 'abcdefab111111'
test = re.findall(r"ab1{3,9}",content)
print(test)
['ab111111']
|
[ ] 字符集 表示或
字符集里面元字符會失去意義 除了 - \ ^ 3個元字符外
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 | content1 = 'wwwwwabdxxxxx'
test1 = re.findall(r"a[bc]d",content1)
print(test1)
#['abd']
content2 = 'wwwwwacdxxxxx'
test2 = re.findall(r"a[bc]d",content2)
print(test2)
#['acd']
***********************************************************************
content = 'wwwwwa.xxxxx'
test = re.findall(r"a[.]x",content)
print(test)
#['a.x']
content = 'wwwww1234xxxxx'
test = re.findall(r"[1-9]",content) #1~9的數(shù)字
print(test)
#['1', '2', '3', '4']
content = 'wwwww1234xxxxx'
test = re.findall(r"[^1-9]",content) #非1~9的數(shù)字
print(test)
#['w', 'w', 'w', 'w', 'w', 'x', 'x', 'x', 'x', 'x']
|
\ 作用:
- 后面跟元字符去除特殊功能
- 后面跟普通字符實現(xiàn)特殊功能
- 引用序號對應(yīng)的字組所匹配的字符串
1 2 3 | test = re.search(r"(alex)(eric)com\2","alexericcomeric")
print(test.group())
#alexericcomeric
|
\d 匹配任何十進(jìn)制數(shù), [0-9]
\D 匹配任何非數(shù)字字符 [^0-9]
\s 匹配任何空白字符 [ \t\n\r\f\v ]
\S 匹配任何非空白字符 [^ \t\n\r\f\v ]
\w 匹配任何字母數(shù)字字符 [a-zA-Z0-9_]
\W 匹配任何非字母數(shù)字字符 [^a-zA-Z0-9]
\b 匹配一個單詞邊界,單詞和空格間的位置 匹配特殊字符(不單止空格)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 | content = 'wwwww1234xxxxx'
test = re.findall(r"\d",content)
print(test)
# ['1', '2', '3', '4']
content = 'ww&*#$%ww1234xx'
test = re.findall(r"\D",content)
print(test)
# ['w', 'w', '&', '*', '#', '$', '%', 'w', 'w', 'x', 'x']
content = 'asdasd '
test = re.findall(r"\s",content)
print(test)
# [' ', ' ', ' ']
content = ' asdasd '
test = re.findall(r"\S",content)
print(test)
# ['a', 's', 'd', 'a', 's', 'd']
content = 'abc123^&*lm-\_'
test = re.findall(r"\w",content)
print(test)
# ['a', 'b', 'c', '1', '2', '3', 'l', 'm', '_']
content = 'abc123^&*lm-\_'
test = re.findall(r"\W",content)
print(test)
# ['^', '&', '*', '-', '\\']
content = 'I like Sooooo'
test = re.findall(r"like\b",content)
print(test)
# ['like']
*******************************************
test = re.findall(r"abc\b","asdasd abc ")
test = re.findall(r"abc\b","asdasd abc*")
print(test)
# ['abc']
|
match()
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 | # match，從起始位置開始匹配，匹配成功返回一個對象，未匹配成功返回None
match(pattern, string, flags=0)
# pattern： 正則模型
# string ： 要匹配的字符串
# falgs ： 匹配模式
# re.I(re.IGNORECASE): 忽略大小寫（括號內(nèi)是完整寫法，下同）
# M(MULTILINE): 多行模式，改變'^'和'$'的行為
# S(DOTALL): 點(diǎn)任意匹配模式，改變'.'的行為 使 . 匹配包括換行在內(nèi)的所有字符
# L(LOCALE): 使預(yù)定字符類 \w \W \b \B \s \S 取決于當(dāng)前區(qū)域設(shè)定
# U(UNICODE): 使預(yù)定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
# X(VERBOSE): 詳細(xì)模式。這個模式下正則表達(dá)式可以是多行，忽略空白字符，并可以加入注釋。以下兩個正則表達(dá)式是等價的：
*************************************
# match對象的方法
.group() 獲取匹配到的所有結(jié)果
.groups() 獲取模型中匹配到的分組結(jié)果
.groupdict() 獲取模型中匹配到的分組中所有執(zhí)行了key的組
.group() 返回被RE匹配的字符串 可以加參數(shù)group(1) 組號
.start() 返回匹配開始的位置
.end() 返回匹配結(jié)束的位置
.span() 返回一個元組包含的匹配的位置
|
demo search()
1 2 3 4 | # search 匹配成功有結(jié)果,返回match對象
# 查看返回結(jié)果用.group()
# search,瀏覽整個字符串去匹配第一個，未匹配成功返回None
# search(pattern, string, flags=0)
|
demo findall()
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 | # 優(yōu)先取組里內(nèi)容返回!
# findall，獲取非重復(fù)的匹配列表；如果有一個組則以列表形式返回，且每一個匹配均是字符串；如果模型中有多個組，則以列表形式返回，且每一個匹配均是元祖；
# 空的匹配也會包含在結(jié)果中
# findall(pattern, string, flags=0)
data = re.findall("\d+\w\d+",'a2b3c4d5')
# ['2b3', '4d5']
# re.findall() 匹配成功一個后,從匹配成功最后位置開始下一次查找
# 空的匹配也會包含在結(jié)果中
data = re.findall("",'a2')
print(data)
# ['', '', '']
***********************************
#有幾個括號就取幾次
data = re.findall(r'(\dasd)*','1asd2asdp3asd3434')
print(data)
# ['2asd', '', '3asd', '', '', '', '', '']
# 貪婪匹配 第一段取到1asd2asd 但最后返回 2asd 取最后一個!
如下:
a= "alex"
data = re.findall(r'(\w)(\w)(\w)(\w)',a)
print(data)
# [('a', 'l', 'e', 'x')]
data = re.findall(r'(\w){4}',a)
print(data)
# ['x'] => 只是執(zhí)行了4次,返回還是按一個括號算,取最后匹配的一項
***********************************
test = re.findall("www.(baidu|laonanhai).com","asdsa www.baidu.com")
print(test)
# ['baidu']
添加 ?: 去掉優(yōu)先權(quán)
test = re.findall("www.(?:baidu|laonanhai).com","asdsa www.baidu.com")
print(test)
# ['www.baidu.com']
|
demo sub()
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | # sub，替換匹配成功的指定位置字符串
sub(pattern, repl, string, count=0, flags=0)
# pattern： 正則模型
# repl ： 要替換的字符串或可執(zhí)行對象
# string ： 要匹配的字符串
# count ： 指定匹配個數(shù)
# flags ： 匹配模式
test = re.sub("g.t","have","I get A, I got B , I gut C")
print(test)
#I have A, I have B , I have C
********************************************
#subn 最后還返回一個替換次數(shù)
origin = "ale4 xc 19"
data,counts = re.subn("\d+","KKK",origin)
print(data,counts)
# aleKKK xc KKK 2
|
compile()
1 2 3 4 5 | regex = re.compile(r"\w*oo\w*")
text = " JGood is ,he is cool"
data = regex.findall(text)
print(data)
#['JGood', 'cool']
|
split()
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 | # split，根據(jù)正則匹配分割字符串
split(pattern, string, maxsplit=0, flags=0)
# pattern： 正則模型
# string ： 要匹配的字符串
# maxsplit：指定分割個數(shù)
# flags ： 匹配模式
*****************************************
# 有分組情況下, 把分割的項也添加進(jìn)去
origin = "hello alex bcd alex lge alex acd 19"
r1 = re.split("(alex)", origin, 1)
print(r1)
# ['hello ', 'alex', ' bcd alex lge alex acd 19']
r2 = re.split("(al(ex))", origin, 1)
print(r2)
# ['hello ', 'alex', 'ex', ' bcd alex lge alex acd 19']
*****************************************
p = re.compile(r"\d+")
test = p.split("one1two2three3four4")
print(test)
# ['one', 'two', 'three', 'four', '']
# 末尾有空字符串
=> one,two2three3four4 => ['one'] two,three3four4 => ..
test = re.split('[bc]','abcd')
print(test)
# ['a', '', 'd']
|
demo finditer()
1 2 3 4 5 6 7 8 9 10 11 | # 返回結(jié)果為迭代對象
p = re.compile(r"\d+")
w = p.finditer(' 1 drum44ers druming , 11 ... 10 ...')
for match in w:
print(match.group(),match.span())
# 1 (1, 2)
# 44 (7, 9)
# 11 (23, 25)
# 10 (30, 32)
|
反斜杠的困擾
與大多數(shù)編程語言相同，正則表達(dá)式里使用"\"作為轉(zhuǎn)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"\"，那么使用編程語言表示的正則表達(dá)式里將需要4個反斜杠"\\\\"
前兩個和后兩個分別用于在編程語言里轉(zhuǎn)義成反斜杠，轉(zhuǎn)換成兩個反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個反斜杠。
Python里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(dá)式可以使用r"\\"表示。
同樣，匹配一個數(shù)字的"\\d"可以寫成r"\d"。有了原生字符串，你再也不用擔(dān)心是不是漏寫了反斜杠，寫出來的表達(dá)式也更直觀。
常用正則表達(dá)式
1 2 3 4 5 6 7 8 | # IP：
^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$
# 手機(jī)號：
^1[3|4|5|8][0-9]\d{8}$
# 郵箱：
[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+
|
練習(xí)題:計算器
View Code
|
