python语言之正则

目录

（一）正则表达式的构成

正则表达式由两种元素组成：

  • 字面值

    • 普通字符和
    • 需要转义的字符（，^，$，.，|，?，*，+，()，[]，{}）

  • 元字符（特殊意思）

    .：除 外的所有字符

    d：数字，等同于[0-9]

    D：匹配所有非数字 [ ^ 0-9]

    s：空白字符， fv

    S：非空白字符[ ^ fv]

    w：字母数字字符[A-Za-z0-9_]

    W：字母数字字符[ ^A-Za-z0-9_]

    |：yes|no

    +:一次或者多次

    ?:一次或者0次

    *：0次或者多次

    {3,5}：3次到5次

    {m}：m次

    {m,}：最少m次

    {，n}：最多n次

  • 贪婪与非贪婪

    • 非贪婪（两次后加？）

      .*?

    • 贪婪（默认）

  • 边界匹配

    ^：行首

    $：行尾

    ：单词边界

    B：非单词边界

    A：输入开头

    ：输入结尾

    ​

（二）Python正则模块之RegexObject

模块：import re

RegexObject：编译后的正则表达式对象（编译为字节码并缓存re.compile），有利于重用

findAll方法

import re
text = "Tom is 8 years old. Mike is 23 years old"
pattern = re.compile('d+')
pattern.findall(text)
['8', '23']
>>> pattern = re.compile('[A-Z]w+')
>>> pattern.findall(text)
['Tom', 'Mike']
----------------------------------------------------
s = '\author:Kobe'
pattern = re.compile('\author')
pattern.findall(s)
[]#p匹配不到

pattern = re.compile('\\author')
pattern.findall(s)
['\author']
pattern = re.compile(r'\author')
pattern.findall(s)
['\author']

match(str,[,pos[,endpos]])方法，返回MatchObject：从开始的位置匹配，或指定从某个位置匹配，到哪个位置结束

pattren = re.compile(r'<html>')
text = '<html><head></head><body></body></html>'
pattren.match(text)
<_sre.SRE_Match object; span=(0, 6), match='<html>'>

text1 = ' <html><head></head><body></body></html>'
pattren.match(text1)
pattren.match(text1,1)
<_sre.SRE_Match object; span=(1, 7), match='<html>'>

search(str,[,pos[,endpos]])方法任意位置搜索，返回MatchObject

text = "Tom is 8 years old. Mike is 23 years old"
p1 = re.compile('d+')
p2 = re.compile('[A-Z]w+')
p1.match(text)
p2.match(text)
<_sre.SRE_Match object; span=(0, 3), match='Tom'>
p1.search(text)
<_sre.SRE_Match object; span=(7, 8), match='8'>
p2.search(text)
<_sre.SRE_Match object; span=(0, 3), match='Tom'>

finditer方法，类似于findAll，查找所有匹配项，返回一个可迭代对象

it = p1.finditer(text)
for m in it:
    print(m)
    
<_sre.SRE_Match object; span=(7, 8), match='8'>
<_sre.SRE_Match object; span=(28, 30), match='23'>

（三）Python正则模块之MatchObject

text
'Tom is 8 years old. Mike is 23 years old'
pattern = re.compile(r'(d+).*?(d+)')
m = pattern.search(text)
m
<_sre.SRE_Match object; span=(7, 30), match='8 years old. Mike is 23'>
m.group()
'8 years old. Mike is 23'
m.group(0)
'8 years old. Mike is 23'
#查看匹配的第一个分组
m.group(1)
'8'
#查看匹配的第二个分组
m.group(2)
'23'
#查看匹配的第一个分组的起始下标
m.start(1)
7
#查看匹配的第一个分组的结束下标
m.end(1)
8
#查看匹配的第一个分组的开始下标和结束下标
m.span(1)
(7, 8)
#查看匹配的第二个分组的起始下标
m.start(2)
28
#查看匹配的第二个分组的结束下标
m.end(2)
30

m.groups()
('8', '23')
type(m.groups())
<class 'tuple'>

-----------------------------------------------
text = 'i am a good teacher'
pattern = re.compile('(w+) (w+)')
pattern.findall(text)
[('i', 'am'), ('a', 'good')]
iter = pattern.finditer(text)
for m in iter:
    print(m.group())
    
i am
a good

（四）Group编组

  1. 从匹配模式中抽取信息
re.search(r'ab+c','ababc')
<_sre.SRE_Match object; span=(2, 5), match='abc'>
re.search(r'(ab)+c','ababc')
<_sre.SRE_Match object; span=(0, 5), match='ababc'>

  1. 限制备选项范围

    re.search(r'Cent(er|re)','Center')
<_sre.SRE_Match object; span=(0, 6), match='Center'>
re.search(r'Cent(er|re)','Centre')
<_sre.SRE_Match object; span=(0, 6), match='Centre'>

  2. 重用正则模式中提取的内容

re.search(r'(w+) 1','hello world')
re.search(r'(w+) 1','hello hello world')
<_sre.SRE_Match object; span=(0, 11), match='hello hello'>
  1. 带名称的group
text = 'tom:98'
pattern = re.compile(r'(w+):(d+)')
m = pattern.search(text)
m.group()
'tom:98'
m.groups()
('tom', '98')
------------------------------------------------------
pattern = re.compile(r'(?P<name>w+):(?P<score>d+)')
p = pattern.search(text)
p.group()
'tom:98'
p.group('name')
'tom'
p.group('score')
'98'
--------------------------------------------------------
re.search(r'(?P<name>w+) (?P=name)','hello hello world')
<_sre.SRE_Match object; span=(0, 11), match='hello hello'>

（五）字符串操作

split

text = 'Beautiful is better than ugly.
Explicity is better than implicity'
p = re.compile(r'
')
p.split(text)
['Beautiful is better than ugly.', 'Explicity is better than implicity']
-----------------------------------------------------------------------
re.split(r'W','good morning')
['good', 'morning']
re.split(r'-','good-morning')
['good', 'morning']
re.split(r'(-)','good-morning-hello')
['good', '-', 'morning', '-', 'hello']

sub

ords = 'ord000
ord001
ord003'
re.sub(r'd+','-',ords)
'ord-
ord-
ord-'
---------------------------------------------
text = 'Beautiful is *better* than ugly.'
re.sub(r'*(.*?)*','<strong>g<1></strong>',text)
'Beautiful is <strong>better</strong> than ugly.'
re.sub(r'*(?P<name>.*?)*','<strong>g<name></strong>',text)
'Beautiful is <strong>better</strong> than ugly.'
-----------------------------------------------
ords = 'ord000
ord001
ord003'
re.sub(r'([a-z]+)(d+)','g<2>-g<1>',ords)
'000-ord
001-ord
003-ord'

re.subn(r'([a-z]+)(d+)','g<2>-g<1>',ords)
('000-ord
001-ord
003-ord', 3)

（六）编译标记

re.I 忽略大小写

text = 'python Python PYTHON'
re.findall(r'python',text)
['python']
re.findall(r'python',text,re.I)
['python', 'Python', 'PYTHON']

re.M 匹配多行

re.findall(r'^<html>','
<html>')
[]
re.findall(r'^<html>','
<html>',re.M)
['<html>']

re.S .匹配任意字符，包括 

re.findall(r'd(.)','1
e',re.S)
['
']

（七）模块级别的操作

清理正则缓存

re.purge()

逃逸字符

re.escape()

re.findall(r'^','^python^')
['']
re.findall(re.escape('^p'),'^python^')
['^p']
【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/gdy1993/p/12169172.html