python3 学习5 正则表达式，re模块学习

 

正则表达式：

正则表达式有特殊的语法，有些符号需要转义，所以一般来说使用原始字符串模式，也就是r''。

转自：https://blog.youkuaiyun.com/qq_33720683/article/details/81023115

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'
[^...]	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}	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,}	精确匹配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)	G匹配括号内的表达式，也表示一个组
(?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	匹配数字字母下划线
\W	匹配非数字字母下划线
\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。

 

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

标志位：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

贪婪模式和非贪婪模式：

贪婪模式：往多的匹配

非贪婪模式：往少的匹配

比如说：有一个字符串"fooooood，food，foood",我要匹配有两个o及以上的字符串，贪婪模式，匹配到的是fooooood，非贪婪模式匹配到的是food。

看清楚语法，选择合适的。

正则表达式的方法有哪些？

re模块中有match和search两个常用方法。

共同点：

参数第一个是pattern，正则表达式

第二个是string，需要匹配的字符串

第三个是flag，标志位

成功返回匹配对象，匹配对象有两个方法，group和groups，失败返回None

不同点：

match是从字符串第一个字符开始匹配，如果不符合就匹配失败，search是匹配整个字符串，直到找到一个匹配

group和groups的区别：

group(num=0):根据参数返回匹配对象，默认参数为0

groups()：直接返回匹配成功的所有对象的元组

1. import re

2.  

3. line = "cats are smarter than dogs"

4. matchObj = re.match(r'（.*） are （.*?） .*',line,re.M|re.I)

5. if matchObj:

6. print(matchObj.group(0))

7. print(matchObj.groups())

8. else:

9. print("No match")

字符串的替换：

re.sub()

第一个参数pattern：正则

第二个参数：替换的字符串或者函数

第三个参数：需要替换的字符串

第四个参数：替换最大次数，默认全部匹配

返回值：替换后的字符串

1. line2 = re.sub('cats','mouse',line,0)

2. print(isinstance(line2,str))

compile函数根据正则生成正则表达式对象：

参数有两个：一个必选，一个可选

第一个参数：正则表达式

第二个参数：标志位

finall方法：

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。

与前面两个方法的不同之处，前面的是匹配一次，这个是匹配所有子字符串

第一个参数：需要匹配的字符串

可选参数：开始位置和结束位置

split方法：

第一个参数：正则表达式

第二个参数：匹配的字符串

第三个参数：匹配次数 ，默认为0，不限次数

1. split = re.split('\d+','dfd1fdf2efrfd2qw2fwef31r3wrf131fsa2d')

2. print(split)

 

第四个参数：标志位