python正規表示式

python使用正規表示式之前需要先倒入re模組

import re

可選標誌位

re.a

ascii，使得\w，\w，\b，\b，\s 和

\s 只匹配 ascii

字元，而不匹配完整的

unicode

字元。這個標誌僅對

unicode

模式有意義，並忽略位元組模式。

re.i

ignorecase，字元類和文字字串在匹配的時候不區分大小寫

re.l

locale，使得\w，\w

，\b

和\b

依賴當前的語言（區域）環境，而不是

unicode

資料庫re.m

multiline，通常^

只匹配字串的開頭，而

$ 則匹配字串的結尾。當這個標誌被設定的時候，

^ 不僅匹配字串的開頭，還匹配每一行的行首；

& 不僅匹配字串的結尾，還匹配每一行的行尾。

re.s

dotall，使 . 匹配包括換行符在內的所有字元

re.x

verbose，這個標誌使你的正規表示式可以寫得更好看和更有條理，因為使用了這個標誌，空格會被忽略（除了出現在字元類中和使用反斜槓轉義的空格）；這個標誌同時允許你在正規表示式字串中使用注釋，#

符號後邊的內容是注釋，不會遞交給匹配引擎（除了出現在字元類中和使用反斜槓轉義的#）。

可以同時使用多個標誌位，方法：re.search(r'正規表示式', '字串', re.m|re.i)

特殊字元

\d匹配任何十進位制數字；相當於類[0-9]

\d與\d

相反，匹配任何非十進位制數字的字元；相當於類

[^0-9]

\s匹配任何空白字元（包含空格、換行符、製表符等）；相當於[ \t\n\r\f\v]

\s匹配任何非空白字元；相當於類

[^\t\n\r\f\v]

\w匹配字母數字及下劃線

\w匹配非字母數字及下劃線

\b匹配單詞的開始或結束

\b匹配非單詞邊界

元字元

或操作符,a | b匹配a或b

匹配字串的開頭，如果設定了 multiline 標誌，就會變成匹配每一行的起始位置。

匹配字串的末尾。如果設定了 multiline 標誌，就會變成匹配每一行的結束位置。

匹配任意單個字元，除了換行符，如果設定了dotall標誌，則可以匹配包括換行符的任意字元。

[abc]

匹配括號中的a,b,c任意單個字元，而不是abc字串

[^abc]

匹配除了a,b,c

之外的任意字元

匹配前乙個字元0次或多次

匹配前乙個字元1次或多次

匹配前乙個字元0次或1次

精確匹配前乙個字元 n次，例如ab，可以匹配aaab

匹配前乙個字元0次到n次

匹配前乙個字元 n次到無限次

匹配前乙個字元 m 到 n 次

\1...\9

匹配第n個分組的內容。(abc)小括號括起來的為一組\1匹配第乙個小括號的組...

1.compile函式：用於編譯正規表示式，生成乙個正規表示式物件

p = re.compile(r'正規表示式'[, 可選標誌位])
p.search('待匹配內容').group()

2.match函式：從字串的起始位置開始匹配，如果起始位置匹配不成功返回none

re.match(r'正規表示式','字串'[,可選標誌位])

匹配物件包含了很多方法和屬性，以下幾個是最重要的

group()

返回匹配的字串

start()

返回匹配的開始位置

end()

返回匹配的結束位置

span()

返回乙個元組表示匹配位置（開始，結束）

3.search函式：掃瞄整個字串並返回第乙個成功匹配的子串

re.search(r'正規表示式','字串'[,可選標誌位])

匹配物件同樣包含了很多方法和屬性

group()

返回匹配的字串

start()

返回匹配的開始位置

end()

返回匹配的結束位置

span()

返回乙個元組表示匹配位置（開始，結束）

4.findall函式：掃瞄整個字串，並返回乙個列表，所有成功匹配的子串，如果沒有匹配成功返回none

r = re.findall('\d+','111aaa222bbb333ccc')
print(r)
['111', '222', '333']
#當正規表示式加上括號時，返回結果會優先顯示括號內匹配到的內容
#如果不想要優先顯示括號內匹配到的內容，可以在括號內頂格加上?:
#(?:正規表示式)

5.finditer函式：和findall類似，成功匹配時返回乙個迭代器

p = re.compile('\d+')
iterator = p.finditer('3只小甲魚，15條腿，還有3條去了**？')
for match in iterator:
print (match.group())

6.sub函式：替換，類似字串的replace

>>> r = re.sub('\d+', 'b', 'aaa111aaa222aaa333')
>>> print(r)
aaabaaabaaab

7.split函式：切割

>>> r = re.split('\d+','111aaa222bbb333ccc') 
>>> print(r)
['', 'aaa', 'bbb', 'ccc']
#可以加上切割次數
>>> r = re.split('\d+','111aaa222bbb333ccc',1)
>>> print(r)
['', 'aaa222bbb333ccc']
#當需要顯示切割的內容時，可以在正規表示式兩邊加上括號
#列印時會把切割的內容一併顯示
>>> r = re.split('(\d+)','111aaa222bbb333ccc')
>>> print(r)
['', '111', 'aaa', '222', 'bbb', '333', 'ccc']

8.分組命名

定義分組：(?p正規表示式)
分組引用：(?p=name)
>>> r = re.search('(?p<\w+>)(?p\w+)(?p=tag)','haha')
>>> print(r.group("t"))
haha
>>> print(r.group("tag"))

貪婪 vs 非貪婪

當重複乙個正規表示式時，如果使用 a*，那麼結果是盡可能多地去匹配。當你嘗試匹配一對對稱的定界符，例如 html 標誌中的尖括號，預設的貪婪模式會使得你很困擾。

我們來看下例子：

>>> s = 'title'
>>> len(s)
32>>> print(re.match('<.*>', s).span())
(0, 32)
>>> print(re.match('<.*>', s).group())
title

re 匹配在的 < 後，.* 消耗掉字串的剩餘部分。由於正規表示式預設是貪婪的原因，re 必須從字串的尾部乙個字元乙個字元地回溯，直到找到匹配的 >。大家看到，按照這種方法，最後找到匹配內容竟是的 < 開始，到的 > 結束。顯然這不是你想要的結果。

在這種情況下，解決方案是使用非貪婪的限定符 *?、+?、?? 或 ?，盡可能地匹配小的文字。

>>> print(re.match('<.*?>', s).group())

python正規表示式

python正規表示式元字元正規表示式

Python 正規表示式

Python正規表示式

python正規表示式

python正規表示式元字元 正規表示式

Python 正規表示式

Python正規表示式

相關推薦

python正規表示式元字元正規表示式