先了解正则表达式使用场景:
- 判断用户注册帐号是否满足格式
- 爬取页面中特定部分数据
- 判断用户提交的邮箱的格式是否正确 等等等等
操作符 | 说明 | 实例 |
---|---|---|
. | 表示任何单个字符 | |
* | 前一个字符0次或无限次扩展 | abc*表示ab、abc、abcc等 |
+ | 前一个字符1次或无限次扩展 | abc+表示abc、abcc、abccc等 |
? | 前一个字符1次或0次扩展 | abc?表示ab或abc |
$ | 匹配字符串结尾 | abc$表示abc在一个字符串的结尾 |
[ ] | 对单个字符给出取值范围 | [abc]表示a或b或c,[a-z]表示a到z的单个字符 |
.[^ ] | 非字符集,对单个字符给出排除范围 | [^abc]表示非a或b或c的单个字符 |
{m} | 扩展前一个字符m次 | ab{2}c表示abbc |
{m,n} | 扩展前一个字符m至n次 | ab{1,2}c表示abc、abbc |
^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头 |
( ) | 分组标记,内部只能使用|操作符 | (abc|def)表示abc、def |
\d | 数字 | 等价于[0-9] |
\w | 单词字符 | 等价于[a-zA-Z0-9] |
re库的基本介绍
re库是python的标准库,只需要在代码开头添加:import re即可使用
1. re.match()
re.match 尝试从字符串的起始位置匹配一个模式,匹配成功则返回的是一个匹配对象(这个对象包含了我们匹配的信息),如果不是起始位置匹配成功的话,返回的是空
re.match(pattern, string, flags=0)
s = 'python123python666python888'
result = re.match('python', s)
print(result) # <re.Match object; span=(0, 6), match='python'>
print(result.span()) # (0, 6)
print(result.group()) # python
#是否区分大小写
res = re.match("ang","Angsan5lisi")
print(res) # ==> None
res = re.match("ang","Angsan5lisi",re.I)
print(res) # 输出结果:<_sre.SRE_Match object; span=(0, 3), match='Ang'>
print(res.group()) # ==> Ang
- 通过span()提取匹配到的字符下标
- 通过group()提取匹配到的内容
- s字符串中有3个’python’的存在,但match只能匹配到一个
s = '1python123python666python888'
result = re.match('python', s)
print(result) #None
因为match从字符串的起始位置开始匹配,这里起始的第一个字符为1,所以匹配失败返回None.
那么要如何才能匹配到字符串中间我们想要的部分呢,这个时候就用到了search函数
2. re.search()
在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象,search也只能匹配到一个,找到符合规则的就返回,不会一直往后找
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,如:是否区分大小写,多行匹配等等。
s = '1python123python666python888'
result = re.search('python', s)
print(result) # <re.Match object; span=(1, 7), match='python'>
print(result.span()) # (1, 7)
print(result.group()) # python
找不到的话,返回none。
s = '1python123python666python888'
result = re.search('python98', s)
print(result) # None
search方法虽然解决了match的从头匹配的弊端,但它也只能匹配到一个,这个时候我们就可以使用findall方法了
3. re.findall()
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,如果有多个匹配模式,则返回元组列表,如果没有找到匹配的,则返回空列表。
s = '1python123python666python888'
result = re.findall('python', s)
print(result) # ['python', 'python', 'python']
pattern = re.compile(r'\d+') # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
print(result1) # ['123', '456']
print(result2) # ['88', '12']
4. re.sub()
用于替换字符串中的匹配项。
re.sub(pattern, repl, string, count)
import re
text = "osc ring efuse info"
print re.sub(r'\s+', '_', text)
# 输出结果:
"osc_ring_efuse_info"