re模块
1.什么是正则?
正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法。或者说:正则就是用来描述一类事物的规则。(在Python中)它内嵌在Python中,并通过 re 模块实现。正则表达式模式被编译成一系列的字节码,然后由用 C 编写的匹配引擎执行。
元字符 |
匹配内容 |
---|---|
w | 匹配字母(包含中文)或数字或下划线 |
W | 匹配非字母(包含中文)或数字或下划线 |
s | 匹配任意的空白符 |
S | 匹配任意非空白符 |
d | 匹配数字 |
D | 匹配非数字 |
A | 从字符串开头匹配 |
z | 匹配字符串的结束,如果是换行,只匹配到换行前的结果 |
匹配一个换行符 | |
匹配一个制表符 | |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结尾 |
. | 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。 |
[...] | 匹配字符组中的字符 |
... | 匹配除了字符组中的字符的所有字符 |
* | 匹配0个或者多个左边的字符。 |
+ | 匹配一个或者多个左边的字符。 |
? | 匹配0个或者1个左边的字符,非贪婪方式。 |
{n} | 精准匹配n个前面的表达式。 |
{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 |
ab | 匹配a或者b |
() | 匹配括号内的表达式,也表示一个组 |
1.字符串的常用操作:一对一匹配
s1 = 'abcd111'
print(s1.find('11'))
2.正则匹配
w 匹配中文,字母,数字,下划线
import re
name = "11-abcd_123 "
print(re.findall("w",name))
#结果
['1', '1', 'a', 'b', 'c', 'd', '_', '1', '2', '3']
W 不匹配中文,字母,数字,下划线
import re
name = "11-abcd_123 "
print(re.findall("W",name))
# 结果
['-',' ']
s 匹配任意的空白符
import re
name = "11-abcd_123 "
print(re.findall("s",name))
# 结果
[' ']
S 匹配不是任意的空白符
import re
name = "你好-abcd_123 "
print(re.findall("s",name))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', '1', '2', '3']
d 匹配数字
import re
name = "你好-abcd_123 "
print(re.findall("d",name))
# 结果
['1', '2', '3']
D 匹配非数字
import re
name = "你好-abcd_123 "
print(re.findall("D",name))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', ' ']
A 与 ^ 从字符串开头匹配
import re
name = "你好-abcd_123 "
print(re.findall("A你好",name))
# 结果
['你好']
import re
name = "你好-abcd_123 "
print(re.findall("A你好",name))
# 结果
['你好']
与 z 与 $ 字符串结尾匹配
import re
name = "你好-abcd_123 "
print(re.findall("123 ",name))
# 结果
['123 ']
import re
name = "你好-abcd_123 "
print(re.findall("123 ",name))
# 结果
['123 ']
import re
name = "你好-abcd_123 "
print(re.findall("123 $",name))
# 结果
['123 ']
与 匹配换行符合制表符
import re
name = "你好-abcd_123
"
print(re.findall("
",name))
# 结果
['
']
import re
name = "你好-abcd_123
"
print(re.findall(" ",name))
# 结果
[' ']
. 匹配任意字符(换行符除外)
import re
name = "你好-abcd_123
"
print(re.findall(".",name))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', '1', '2', '3', ' ', ' ']
. 匹配任意字符
import re
name = "你好-abcd_123
"
print(re.findall(".",name,re.DOTALL))
# 结果
['你', '好', '-', 'a', 'b', 'c', 'd', '_', '1', '2', '3', ' ', '
']
? 匹配?前元素0个或1个
import re
name = "a-b-ab-abbc-abbc_123
"
print(re.findall("ab?",name))
# 结果
['a', 'ab', 'ab', 'ab']
***** 匹配 * 前面元素0个或多个 [贪婪匹配]
import re
name = "a-b-ab-abbc-abbc_123
"
print(re.findall("*",name))
# 结果
['a', 'ab', 'ab', 'ab']
+ 匹配 +前面元素1个或多个 [贪婪匹配]
import re
name = "a-b-ab-abbc-abbc_123
"
print(re.findall("me+",name))
# 结果
['ab', 'abb', 'abb']
{n,m} 匹配n到m个元素
import re
name = "a-b-ab-abbc-abbc_123
"
print(re.findall("b{1,2}",name))
# 结果
['b', 'b', 'bb', 'bb']
.* 任意内容0个或多个
import re
name = "a-b-ab-abbc-abbc_123
"
print(re.findall(".*",name))
# 结果
['a-b-ab-abbc-abbc_123', '']
.*? 任意内容0个或1个
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("a.*?b",name))
# 结果
['a-b', 'ab', 'abb', 'abb']
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("a.?b",name))
# 结果
['a-b', 'ab', 'abb', 'abb']
[] 获取括号中的内容
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[1-9]",name))
# 结果
['1', '2', '3']
# []中的-是什么至什么不会匹配-
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[a-z]",name))
# 结果
['a', 'b', 'a', 'b', 'a', 'b', 'b', 'c', 'a', 'b', 'b', 'c']
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[A-z]",name))
# 结果
['a', 'b', 'a', 'b', 'a', 'b', 'b', 'c', 'a', 'b', 'b', 'c', '_']
# 是按照ascii码表位进行匹配的
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[a-zA-Z]",name))
# 结果
['a', 'b', 'a', 'b', 'a', 'b', 'b', 'c', 'a', 'b', 'b', 'c']
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[^A-z]",name))
# 结果
['-', '-', '-', '-', '1', '2', '3']
# [^A-z] 有上尖号就是取反,获取不是字母和特定的几个字符
如果想要匹配到-,就需要进行如下操作(将-号放到最前面)
import re
name = "a-b-ab-abbc-abbc_123"
print(re.findall("[-+*/]",name))
# 结果
['-', '-', '-', '-']
() 分组 定制一个匹配规则
import re
print(re.findall('(.*?)_sb', 'abc_sb def_sb ghi_sb'))
# 结果
['abc', ' def', ' ghi']
# 应用举例:
print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>')
# 结果
['http://www.baidu.com']
| 匹配 左边或者右边
import re
print(re.findall('abc|你好|def', 'abc你好defaleeeex你你好odlb'))
# 结果
['abc', '你好', 'def', '你好']
import re
print(re.findall('compan(day|morrow)','Work harder today than yesterday, and the day after tomorrow will be better'))
# 结果
['day', 'morrow']
import re
print(re.findall('compan(?:day|morrow)','Work harder today than yesterday, and the day after tomorrow will be better'))
# 结果
['today', 'tomorrow']
# 分组() 中加入?: 表示将整体匹配出来而不只是()里面的内容。
findall 全部找到返回一个列表
import re
print(re.findall("abc","abcdsb,abc_sb,abcnb,ab_cx"))
# 结果
['abc', 'abc', 'abc']
search 从字符串中任意位置进行匹配查找到一个就停止了,返回的是一个对象. 获取匹配的内容必须使用.group()进行获取
import re
print(re.search("sb|nb","abcdsb,abc_sb,abcnb,ab_cx").group())
# 结果
sb
match 从字符串开始位置进行匹配
import re
print(re.match('abc', 'abc def ghi 你好').group())
# 结果
abc
import re
print(re.match('abc', 'abc def ghi 你好'))
# 结果
None
split 分隔 可按照任意分隔符进行分隔
import re
print(re.split('[ ::,;;,]','abc def,111,222;333;444:555'))
# 结果
['abc', 'def', '111', '222', '333', '444', '555']
sub 替换
import re
print(re.sub('abc', 'def', 'abc就是一个普通老师,请不要将abc当男神对待。'))
# 结果
def就是一个普通老师,请不要将def当男神对待。
compile 定义匹配规则
import re
obj = re.compile('d{2}')
print(obj.findall("abcd12345"))
# 结果
['12', '34']
import re
['12', '34']
obj = re.compile('d{2}')
print(obj.search("abcd12345").group())
# 结果
12
finditer 返回一个迭代器
import re
g = re.finditer('ab',"abcd_absb,ab22,abadf")
print(next(g).group())
print([i.group() for i in g])
# 结果
ab
['ab','ab','ab']
给分组起名字
import re
ret = re.search("<(?P<tag_name>w+)>w+</w+>","<h1>hello</h1>")
print(ret.group("tag_name"))
print(ret.group())
# 结果
h1
<h1>hello</h1>
import re
ret = re.search(r"<(w+)>w+</1>","<h1>hello</h1>")
print(ret.group(1))
print(ret.group())