Python正则表达式总结

最新推荐文章于 2023-06-15 11:35:58 发布

猛得吓死猪

最新推荐文章于 2023-06-15 11:35:58 发布

阅读量403

点赞数

分类专栏： Python 文章标签： python 正则表达式

本文链接：https://blog.youkuaiyun.com/chenduanyun/article/details/105728832

版权

Python 专栏收录该内容

1 篇文章

订阅专栏

正则表达式定义：正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

正则表达式模块安装：pip install re

正则表达式模块导入：import re

正则表达式模式：

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	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。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'，可以使用拼接符列出多个字符，代表或的关系，例如[and\|or\|but]
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ 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
a\|b	匹配a或b
(re)	对正则表达式分组并记住匹配的文本
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\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	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

补充：

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

[^xyz] 负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'

\d 匹配一个数字字符。等价于 [0-9]

\D 匹配一个非数字字符。等价于 [^0-9]

\w 匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'

\W 匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'

[a-z] //匹配所有的小写字母

[A-Z] //匹配所有的大写字母

[a-zA-Z] //匹配所有的字母

[0-9] //匹配所有的数字

[0-9\.\-] //匹配所有的数字，句号和减号

[ \f\r\t\n] //匹配所有的白字符

注意：由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。

正则表达式+*？

+ 号代表前面的字符必须至少出现一次

* 号代表字符可以不出现，也可以出现一次或者多次

? 问号代表前面的字符最多只可以出现一次

*、+ 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。

通过在 *、+ 或 ? 限定符之后放置 ?，该表达式从"贪婪"表达式转换为"非贪婪"表达式或者最小匹配。

正则表达式函数应用

re.compile(pattern[, flags])

compile函数用于编译正则表达式，生成一个正则表达式(pattern)对象，供match()和search()等函数使用。

pattern:一个字符串形式的正则表达式

flags:可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

修饰符：

re.I 忽略大小写

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境

re.M 多行模式

re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）

re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库

re.X 为了增加可读性，忽略空格和 # 后面的注释

re.match和re.search()

re.match(pattern, string, flags=0) / re.search(pattern, string, flags=0)

pattern-匹配的正则表达式

string-要匹配的字符串。

flags-标志位，用于控制正则表达式的匹配方式

其中，我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group(num=0)-匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

groups()-返回一个包含所有小组字符串的元组，从 1 到所含的小组号。

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

import re
str = 'someone say : Cats are smarter than dogs, Cats are hahaha~'
regex = re.compile('(.*) Cats are (.*) ')
string1 = re.match(regex, str) # 返回一个匹配的对象
string2 = re.search(regex, str)
print(string1.group()) # match只匹配字符串的开始，开始不满足则报错
print(string2.group()) # search匹配整个字符串，直到找到一个匹配
print(string2.group(1))
print(string2.group(2))

someone say : Cats are smarter than dogs, Cats are
someone say :
smarter than dogs, Cats are

findall(string[, pos[, endpos]])

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

string:待匹配的字符串。

pos:可选参数，指定字符串的起始位置，默认为 0。

endpos:可选参数，指定字符串的结束位置，默认为字符串的长度。

注意：re.finditer和findall类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

str = 'someone say : Cats are smarter than dogs, Cats are hahaha~'
regex = re.compile('at')
string1 = re.findall(regex, str) # 返回一个列表
string2 = re.finditer(regex, str) # 返回一个迭代器对象
print(string1)
for strline in string2 :
print(strline.group())

['at', 'at']
at
at

re.sub(pattern, repl, string, count=0, flags=0)

re.sub用于替换字符串中的匹配项，是replace函数的扩展，可以匹配替换多次

pattern:正则中的模式字符串。

repl:替换的字符串，也可为一个函数，即将string中复核pattern规则的转换成repl。

string:要被查找替换的原始字符串。

count:模式匹配后替换的最大次数，默认0表示替换所有的匹配。

备注：re.subn(pattern, repl, string[, count]) 返回替换结果和替换次数

import re
str = 'someone say : Cats are smarter than dogs, Cats are hahaha~'
regex = re.compile ( 'Cats' )
string = re.sub(regex, 'Man', str)
count = re.subn(regex, 'Man', str)
print(string)
print(count)

someone say : Man are smarter than dogs, Man are hahaha~
('someone say : Man are smarter than dogs, Man are hahaha~', 2)

如下样例代码实现多次替换功能：

def name_Change(self) :
print('开始转换名称：', self.mobile_name)
try :
regex = re.compile('全网通|版|移动|标准|国行|高配|定制|电信|联通|4G|通用|公开|运营商')
mystr = re.sub(regex, '', self.mobile_name) # 去掉手机名称中有关字符
mystr = re.sub(r'$.*?$', '', mystr) # 去掉括号
print(mystr)
return mystr
except Exception as err :
print('转换失败或无需转换', err)
return self.mobile_name

re.split(pattern, string[, maxsplit=0, flags=0])

split 方法按照能够匹配的子串将字符串分割后返回列表

pattern-匹配的正则表达式

string-要匹配的字符串。

maxsplit-分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

flags-标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志

str = 'someone say : Cats are smarter than dogs, Cats are hahaha~'
str_list = re.split('[:, ]', str)
print(str_list)

['someone', 'say', '', '', 'Cats', 'are', 'smarter', 'than', 'dogs', '', 'Cats', 'are', 'hahaha~']

re.escape

re.escape(pattern) 可以对字符串中所有可能被解释为正则运算符的字符进行转义的应用函数。如果字符串很长且包含很多特殊技字符，而你又不想输入一大堆反斜杠，或者字符串来自于用户(比如通过raw_input函数获取输入的内容)，且要用作正则表达式的一部分的时候，可以使用这个函数。

其他

字符前面加“r”有什么作用？

在Python的string前面加上‘r’，是为了告诉编译器这个string是个raw string，不要转意backslash '\' 。例如，\n 在raw string中，是两个字符zhidao，\和n，而不会转意为换行符。由于正则表达式和 \ 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上'r'。