0
点赞
收藏
分享

微信扫一扫

#指尖人生#Python常用模块: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。

2、常用匹配模式(元字符)

正则表达式分类:

  • 基本的正则表达式(Basic Regular Expression 又叫 ​Basic​ RegEx  简称 BREs)
  • 扩展的正则表达式(Extended Regular Expression 又叫 ​Extended ​RegEx 简称 EREs)
  • Perl 的正则表达式(Perl Regular Expression 又叫​ Perl ​RegEx 简称 PREs

#指尖人生#Python常用模块:re模块_字符串

import re

ret=re.findall("yu[a,b]n",'123 yuan 34 an yubn') #[]多选已字符
ret=re.findall("[0-9]",'yua 123 n 34 an yubn') #-范围
ret=re.findall("[a-zA-Z]",'yua 123 n 34 an yubn')
ret=re.findall("[a-zA-Z]+",'yua 123 n 34 an yubn') #+ 最大匹配?
ret=re.findall("[^0-9a-zA-Z ]+",'yua 123lin n a34 an12 5yubn 中国') #^取反
ret=re.findall('[\u4e00-\u9fa5]+','yua 123lin n a34 an12 5yubn 中国') #中文

#贪婪匹配:按着规则内最长的内容进行匹配 【​.*默认为贪婪匹配】

import re
print(re.findall('a.*b','a1b22222222b')) #['a1b22222222b']

#取消贪婪匹配:? 【 ​.*?为非贪婪匹配】推荐使用

print(re.findall('a.*?b','a1b22222222b')) #['a1b']

findall:

#fineall:关于分组优先提取、取消分组优先提取?: 、 ()分组
ret=re.findall('http://www.(\w+).com','http://www.baidu.com http://www.jd.cn http://python.org')
ret=re.findall('http://www.(\w+).(com|cn)','http://www.baidu.com http://www.jd.cn http://python.org')

search:

# #search:查询匹配到的第一个结果,返回对象
ret=re.search('http://www.(?P<yuming>\w+).com','http://www.baidu.com http://www.jd.com http://python.org')
ret=re.search('(?P<xieyi>http)://www.(?P<yuming>\w+).com','http://www.baidu.com http://www.jd.com http://python.org')
print(ret.group("xieyi"))
print(ret.group("yuming"))

match:

# #match:只匹配第一个
ret=re.match('(?P<xieyi>http)://www.(?P<yuming>\w+).com','http://www.baidu.com http://www.jd.com http://python.org')
print(ret.group("xieyi"))
print(ret.group("yuming"))

附:常见3中类型正则表达式比较

字符

说明

Basic RegEx

Extended RegEx

python RegEx

Perl regEx

转义


\

\

\

\

^

匹配行首,例如'^dog'匹配以字符串dog开头的行(注意:awk 指令中,'^'则是匹配字符串的开始)

^

^

^

^

$

匹配行尾,例如:'^、dog$'匹配以字符串 dog 为结尾的行(注意:awk 指令中,'$'则是匹配字符串的结尾)

$

$

$

$

^$

匹配空行

^$

^$

^$

^$

^string$

匹配行,例如:'^dog$'匹配只含一个字符串 dog 的行

^string$

^string$

^string$

^string$

\<

匹配单词,例如:'\<frog' (等价于'\bfrog'),匹配以 frog 开头的单词

\<

\<

不支持

不支持​(但可以使用\b来匹配单词,例如:'\bfrog')

\>

匹配单词,例如:'frog\>'(等价于'frog\b '),匹配以 frog 结尾的单词

\>

\>

不支持

不支持​(但可以使用\b来匹配单词,例如:'frog\b')

\<x\>

匹配一个单词或者一个特定字符,例如:'\<frog\>'(等价于'\bfrog\b')、'\<G\>'

\<x\>

\<x\>

不支持

不支持​(但可以使用\b来匹配单词,例如:'\bfrog\b'

()

匹配表达式,例如:不支持'(frog)'

不支持​(但可以使用,如:​dog​dog

()

()

()


匹配表达式,例如:不支持'(frog)'

不支持​(同())

不支持​(同())

不支持​(同())

匹配前面的子表达式 0 次或 1 次(等价于{0,1}),例如:where(is)?能匹配"where" 以及"whereis"

不支持​(同\?)

\?

匹配前面的子表达式 0 次或 1 次(等价于'\{0,1\}'),例如:'where​is​is​\? '能匹配 "where"以及"whereis"

\?

不支持​(同?)

不支持​(同?)

不支持​(同?)

?

当该字符紧跟在任何一个其他限制符(*, +, ?, {n},{n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'o+?' 将匹配单个"o",而 'o+' 将匹配所有 'o'

不支持

不支持

不支持

不支持

.

匹配除换行符('\n')之外的任意单个字符(注意:awk 指令中的句点能匹配换行符)

.

.(如果要匹配包括“\n”在内的任何一个字符,请使用:'(^$)|(.)

.

.(如果要匹配包括“\n”在内的任何一个字符,请使用:' [.\n] '

*

匹配前面的子表达式 0 次或多次(等价于{0, }),例如:zo* 能匹配 "z"以及 "zoo"

*

*

*

*

\+

匹配前面的子表达式 1 次或多次(等价于'\{1, \}'),例如:'where​is​is​\+ '能匹配 "whereis"以及"whereisis"

\+

不支持​(同+)

不支持​(同+)

不支持​(同+)

+

匹配前面的子表达式 1 次或多次(等价于{1, }),例如:zo+能匹配 "zo"以及 "zoo",但不能匹配 "z"

不支持​(同\+)

+

+

+

{n}

n 必须是一个 0 或者正整数,匹配子表达式 n 次,例如:zo{2}能匹配

不支持​(同\{n\})

{n}

{n}

{n}

{n,}

"zooz",但不能匹配 "Bob"n 必须是一个 0 或者正整数,匹配子表达式大于等于 n次,例如:go{2,}

不支持​(同\{n,\})

{n,}

{n,}

{n,}

{n,m}

能匹配 "good",但不能匹配 godm 和 n 均为非负整数,其中 n <= m,最少匹配 n 次且最多匹配 m 次 ,例如:o{1,3}将配"fooooood" 中的前三个 o(请注意在逗号和两个数之间不能有空格)

不支持​(同\{n,m\})

{n,m}

{n,m}

{n,m}

x|y

匹配 x 或 y,例如: 不支持'z|(food)' 能匹配 "z" 或"food";'(z|f)ood' 则匹配"zood" 或 "food"

不支持​(同x\|y)

x|y

x|y

x|y

[0-9]

匹配从 0 到 9 中的任意一个数字字符(注意:要写成递增)

[0-9]

[0-9]

[0-9]

[0-9]

[xyz]

字符集合,匹配所包含的任意一个字符,例如:'[abc]'可以匹配"lay" 中的 'a'(注意:如果元字符,例如:. *等,它们被放在[ ]中,那么它们将变成一个普通字符)

[xyz]

[xyz]

[xyz]

[xyz]

[^xyz]

负值字符集合,匹配未包含的任意一个字符(注意:不包括换行符),例如:'[^abc]' 可以匹配 "Lay" 中的'L'(注意:[^xyz]在awk 指令中则是匹配未包含的任意一个字符+换行符)

[^xyz]

[^xyz]

[^xyz]

[^xyz]

[A-Za-z]

匹配大写字母或者小写字母中的任意一个字符(注意:要写成递增)

[A-Za-z]

[A-Za-z]

[A-Za-z]

[A-Za-z]

[^A-Za-z]

匹配除了大写与小写字母之外的任意一个字符(注意:写成递增)

[^A-Za-z]

[^A-Za-z]

[^A-Za-z]

[^A-Za-z]

\d

匹配从 0 到 9 中的任意一个数字字符(等价于 [0-9])

不支持

不支持

\d

\d

\D

匹配非数字字符(等价于 [^0-9])

不支持

不支持

\D

\D

\S

匹配任何非空白字符(等价于[^\f\n\r\t\v])

不支持

不支持

\S

\S

\s

匹配任何空白字符,包括空格、制表符、换页符等等(等价于[ \f\n\r\t\v])

不支持

不支持

\s

\s

\W

匹配任何非单词字符 (等价于[^A-Za-z0-9_])

\W

\W

\W

\W

\w

匹配包括下划线的任何单词字符(等价于[A-Za-z0-9_])

\w

\w

\w

\w

\B

匹配非单词边界,例如:'er\B' 能匹配 "verb" 中的'er',但不能匹配"never" 中的'er'

\B

\B

\B

\B

\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

\b

\b

\b

\t

匹配一个横向制表符(等价于 \x09和 \cI)

不支持

不支持

\t

\t

\v

匹配一个垂直制表符(等价于 \x0b和 \cK)

不支持

不支持

\v

\v

\n

匹配一个换行符(等价于 \x0a 和\cJ)

不支持

不支持

\n

\n

\f

匹配一个换页符(等价于\x0c 和\cL)

不支持

不支持

\f

\f

\r

匹配一个回车符(等价于 \x0d 和\cM)

不支持

不支持

\r

\r

\\

匹配转义字符本身"\"

\\

\\

\\

\\

\cx

匹配由 x 指明的控制字符,例如:\cM匹配一个Control-M 或回车符,x 的值必须为A-Z 或 a-z 之一,否则,将 c 视为一个原义的 'c' 字符

不支持

不支持


\cx

\xn

匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长,例如:'\x41' 匹配 "A"。'\x041' 则等价于'\x04' & "1"。正则表达式中可以使用 ASCII 编码

不支持

不支持


\xn

\num

匹配 num,其中 num是一个正整数。表示对所获取的匹配的引用

不支持

\num

\num


[:alnum:]

匹配任何一个字母或数字([A-Za-z0-9]),例如:'[[:alnum:]] '

[:alnum:]

[:alnum:]

[:alnum:]

[:alnum:]

[:alpha:]

匹配任何一个字母([A-Za-z]), 例如:' [[:alpha:]] '

[:alpha:]

[:alpha:]

[:alpha:]

[:alpha:]

[:digit:]

匹配任何一个数字([0-9]),例如:'[[:digit:]] '

[:digit:]

[:digit:]

[:digit:]

[:digit:]

[:lower:]

匹配任何一个小写字母([a-z]), 例如:' [[:lower:]] '

[:lower:]

[:lower:]

[:lower:]

[:lower:]

[:upper:]

匹配任何一个大写字母([A-Z])

[:upper:]

[:upper:]

[:upper:]

[:upper:]

[:space:]

任何一个空白字符: 支持制表符、空格,例如:' [[:space:]] '

[:space:]

[:space:]

[:space:]

[:space:]

[:blank:]

空格和制表符(横向和纵向),例如:'[[:blank:]]'ó'[\s\t\v]'

[:blank:]

[:blank:]

[:blank:]

[:blank:]

[:graph:]

任何一个可以看得见的且可以打印的字符(注意:不包括空格和换行符等),例如:'[[:graph:]] '

[:graph:]

[:graph:]

[:graph:]

[:graph:]

[:print:]

任何一个可以打印的字符(注意:不包括:[:cntrl:]、字符串结束符'\0'、EOF 文件结束符(-1), 但包括空格符号),例如:'[[:print:]] '

[:print:]

[:print:]

[:print:]

[:print:]

[:cntrl:]

任何一个控制字符(ASCII 字符集中的前 32 个字符,即:用十进制表示为从 0 到31,例如:换行符、制表符等等),例如:' [[:cntrl:]]'

[:cntrl:]

[:cntrl:]

[:cntrl:]

[:cntrl:]

[:punct:]

任何一个标点符号(不包括:[:alnum:]、[:cntrl:]、[:space:]这些字符集)

[:punct:]

[:punct:]

[:punct:]

[:punct:]

[:xdigit:]

任何一个十六进制数(即:0-9,a-f,A-F)

[:xdigit:]

[:xdigit:]

[:xdigit:]

[:xdigit:]



举报

相关推荐

0 条评论