码迷，mamicode.com
首页 > 其他好文 > 详细

16-正则模块

时间：2017-06-09 22:26:06      阅读：202      评论：0      收藏：0      [点我收藏+]

标签：信息   contact   abc   位置   number   school   例子   company   指定   

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。
 
下图为常用匹配模式(元字符)
技术分享
 
需要注意的是：一段正则表达式，先交由python解释器来解释，然后再交由re模块执行解释，所以除了要注意正则表达式的元字符格式，也要注意python解释器对一些特殊符号的特殊意义.
 
#\n在python解释器中是换行的意思，会被优先解释，然后在交由re模块解释
例如：
 
 
  1. print(‘ab\nc‘)
  2. 运行结果:
  3. ab
  4. c
 
#如果不想经过python解释器解释，直接原封不动的将字符串交给re模块，加一个r即可
例如:
 
 
  1. print(r‘ab\nc‘)
  2. 运行结果:
  3. ab\nc
 
\w:匹配字符数字及下划线
\W:匹配非字母数字及下划线
  1. a = ‘as213df_*|‘
  2. b = ‘a_b a3b aEb a*b‘
  4. print(re.findall(‘\w‘, a))
  5. print(re.findall(‘\W‘, a))
  6. print(re.findall(‘a\wb‘, b))
  8. 运行结果:
  9. [‘a‘, ‘s‘, ‘2‘, ‘1‘, ‘3‘, ‘d‘, ‘f‘, ‘_‘]
  10. [‘*‘, ‘|‘]
  11. [‘a_b‘, ‘a3b‘, ‘aEb‘]
 
\s:匹配任意空白字符，包括[\t\n\t\f]
\S:匹配任意非空字符
  1. print(re.findall(‘\s‘, ‘a b\nc\td‘))
  2. print(re.findall(‘\S‘, ‘a b\nc\td‘))
  4. 运行结果:
  5. [‘ ‘, ‘\n‘, ‘\t‘]
  6. [‘a‘, ‘b‘, ‘c‘, ‘d‘]
 
\d:匹配任意数字，等价于[0-9]
\D:匹配任意非数字
  1. print(re.findall(‘\d‘,‘a123bcdef‘))
  2. print(re.findall(‘\D‘,‘a123bcdef‘))
  4. 运行结果：
  5. [‘1‘, ‘2‘, ‘3‘]
  6. [‘a‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘, ‘f‘]
 
\A:匹配以字符串开始,等同于^
\z:匹配字符串结束,等同于$
\Z:匹配字符串结束，如果存在换行符，则仅匹配到换行符前的字符串,等同于$
  1. print(re.findall(‘\Ahe‘, ‘hello, world, 2017‘))
  2. print(re.findall(‘2017\Z‘, ‘hello, world, 2017\n2017‘))
  4. 运行结果:
  5. [‘he‘]
  6. [‘2017‘]
 
\G:匹配最后匹配完成的位置
 
\n:匹配一个换行符
\t:匹配一个制表符
  1. print(re.findall(‘\n‘,‘a123\nbcdef‘))
  2. print(re.findall(‘\t‘,‘a123\tbc\td\tef‘))
  4. 运行结果:
  5. [‘\n‘]
  6. [‘\t‘, ‘\t‘, ‘\t‘]
 
^:匹配字符串的开头
$:匹配字符串的末尾
  1. print(re.findall(‘h‘,‘hello egon hao123‘))
  2. print(re.findall(‘^h‘,‘hello egon hao123‘))
  3. print(re.findall(‘^h‘,‘ello egon hao123‘))
  4. 运行结果：
  5. [‘h‘, ‘h‘]
  6. [‘h‘]
  7. []
  9. print(re.findall(‘3‘,‘e3ll3o e3gon hao123‘))
  10. print(re.findall(‘3$‘,‘e3ll3o e3gon hao123‘))
  11. print(re.findall(‘3$‘,‘e3ll3o e3gon hao123asdf‘))
  12. 运行结果:
  13. [‘3‘, ‘3‘, ‘3‘, ‘3‘]
  14. [‘3‘]
  15. []
 
[...]:匹配中括号内任意一个字符，如a[123]b,a1b,a2b,a3b等都会匹配
[m-n]:匹配一个范围
[...*-]:匹配*和-，特殊符号要写在开头或结尾
[]:内写什么就匹配什么，原生字符
  1. print(re.findall(‘a[1,2\n]c‘,‘a2c a,c abc a1c a*c a|c abd aed a\nc‘))
  2. print(re.findall(‘a[0-9]c‘,‘a2c a,c abc a1c a*c a|c abd aed a\nc‘))
  3. print(re.findall(‘a[0-9a-zA-Z*-]c‘,‘a1c abc a*c a-c aEc‘))
  5. 运行结果:
  6. [‘a2c‘, ‘a,c‘, ‘a1c‘, ‘a\nc‘]
  7. [‘a2c‘, ‘a1c‘]
  8. [‘a1c‘, ‘abc‘, ‘a*c‘, ‘a-c‘, ‘aEc‘]
 
[^...]:取反，不再[]中的字符,在括号外则代表取开头
  1. print(re.findall(‘a[^0-9]c‘,‘a1c abc a*c a-c aEc‘))
  3. 运行结果:
  4. [‘abc‘, ‘a*c‘, ‘a-c‘, ‘aEc‘]
 
., *, +, ?, {m,n} ：表示重复匹配
 
.:匹配任意1个字符，除了换行符
如果要匹配换行符,需要在findall后面加参数re.S，即re.findall(‘‘, ‘‘, re.S)
  1. print(re.findall(‘a.c‘,‘abc a1c a*c a|c abd aed ac‘))
  2. print(re.findall(‘a.c‘,‘abc a1c a*c a|c abd aed a\nc‘,re.S))
  4. 运行结果:
  5. [‘abc‘, ‘a1c‘, ‘a*c‘, ‘a|c‘]
  6. [‘abc‘, ‘a1c‘, ‘a*c‘, ‘a|c‘, ‘a\nc‘]
 
*:匹配0个或多个，匹配尽可能多的字符
  1. print(re.findall(‘ab*‘,‘a‘))
  2. print(re.findall(‘ab*‘,‘abbbbbb‘))
  3. print(re.findall(‘ab*‘,‘bbbbbb‘))
  5. 运行结果:
  6. [‘a‘]
  7. [‘abbbbbb‘]
  8. []
 
+:匹配1个或多个
  1. print(re.findall(‘ab+‘,‘a‘))
  2. print(re.findall(‘ab+‘,‘abbbbbb‘))
  3. print(re.findall(‘ab+‘,‘bbbbbb‘))
  4. print(re.findall(‘ab[123]+‘,‘ab11111111 ab2 ab3 abc1 ab11112 ab12222 ab1233333‘)) #ab1+,ab2+,ab3+,ab[123][123][123]
  6. 运行结果：
  7. []
  8. [‘abbbbbb‘]
  9. []
  10. [‘ab11111111‘, ‘ab2‘, ‘ab3‘, ‘ab11112‘, ‘ab12222‘, ‘ab1233333‘]
 
?:匹配0个或1个，非贪婪方式，匹配尽可能少的字符
  1. print(re.findall(‘ab?‘,‘a‘)) #[‘a‘]
  2. print(re.findall(‘ab?‘,‘abbb‘)) #[‘ab‘]
  3. print(re.findall(‘ab?c‘,‘ac abc aec a1c‘))
  5. 运行结果:
  6. [‘a‘]
  7. [‘ab‘]
  8. [‘ac‘, ‘abc‘]
 
{n}:精确匹配n次
{n,m]:匹配n到m次由前面的正则表达式定的片段，贪婪方式
  1. print(re.findall(‘ab{3}‘,‘ab1 abbbbbbbb2 abbbbb3 ab4 ab122‘)) #出现3次
  2. print(re.findall(‘ab{3,4}‘,‘ab1 abbb123 abbbb123 abbbbbt‘)) #出现3次到4次
  3. print(re.findall(‘ab{3,}‘,‘ab1 abbb123 abbbb123 abbbbbt‘)) #出现3次到无穷次
  4. print(re.findall(‘ab{0,}‘,‘a123123123 ab1 abbb123 abbbb123 abbbbbt‘)) #出现0次到无穷次，类似*
  5. print(re.findall(‘ab{1,}‘,‘a123123123 ab1 abbb123 abbbb123 abbbbbt‘)) #出现1次到无穷次，类似+
  7. 运行结果:
  8. [‘abbb‘, ‘abbb‘]
  9. [‘abbb‘, ‘abbbb‘, ‘abbbb‘]
  10. [‘abbb‘, ‘abbbb‘, ‘abbbbb‘]
  11. [‘a‘, ‘ab‘, ‘abbb‘, ‘abbbb‘, ‘abbbbb‘]
  12. [‘ab‘, ‘abbb‘, ‘abbbb‘, ‘abbbbb‘]
 
():匹配括号内的表达式，也表示一个组,‘?:‘固定格式
  1. print(re.findall(‘ab+‘,‘ababab123‘))
  2. print(re.findall(‘(ab)+123‘,‘ababab123‘)) #[‘ab‘]，匹配到末尾的ab123中的ab，不太明白
  3. print(re.findall(‘(?:ab)+123‘,‘ababab123‘)) #findall的结果不是匹配的全部内容，而是组内的内容,?:可以让结果为匹配的全部内容
  5. 运行结果：
  6. [‘ab‘, ‘ab‘, ‘ab‘]
  7. [‘ab‘]
  8. [‘ababab123‘]
 
a|b:匹配a或b
  1. print(re.findall(‘compan(y|ies)‘, ‘Too many companies have gone bankrupt, and the next one is my company‘))
  2. print(re.findall(‘compan(?:y|ies)‘, ‘Too many companies have gone bankrupt, and the next one is my company‘))
  4. 运行结果：
  5. [‘ies‘, ‘y‘]
  6. [‘companies‘, ‘company‘]
 
-------------->
.*:任意长度的任意字符，贪婪匹配
  1. print(re.findall(‘a.*c‘,‘ac abc aec a1c‘)) #开头是a，最后是c
  2.  
  3. 运行结果：
  4. [‘ac abc aec a1c‘] #一个值
 
.*?:非贪婪匹配,?表示将.*转换为非贪婪模式
  1. print(re.findall(‘a.*?c‘,‘ac abc aec a1c‘))
  2. print(re.findall(‘a.*?c‘,‘ac abc a111111111c a\nc a1c‘,re.S))
  4. 运行结果：
  5. [‘ac‘, ‘abc‘, ‘aec‘, ‘a1c‘] #列表多个值
  6. [‘ac‘, ‘abc‘, ‘a111111111c‘, ‘a\nc‘, ‘a1c‘] #列表多个值
 
正则在线调试工具：tool.oschina.net/regex/
 
re模块方法:
import re
 
.group(n):获取指定数据
  1. content=‘Hello 123 456 World_This is a Regex Demo‘
  2. res=re.match(‘^Hello\s(\d+)\s(\d+)\s.*Demo‘,content)
  3. print(res.group()) #取所有匹配的内容
  4. print(res.group(1)) #取匹配的第一个括号内的内容
  5. print(res.group(2)) #去陪陪的第二个括号内的内容
  7. 运行结果：
  8. Hello 123 456 World_This is a Regex Demo
  9. 123
  10. 456
 
re.findall():遍历所有，返回满足条件的结果，放在列表里
  1. print(re.findall(‘a‘, ‘ababb ab abababbaab‘))
  3. 运行结果：
  4. [‘a‘, ‘a‘, ‘a‘, ‘a‘, ‘a‘, ‘a‘, ‘a‘, ‘a‘]
 
re.search():只找到第一次匹配到的条件，返回一个包含匹配信息的对象,该对象可通过调用group()方法来得到匹配的字符串,没有匹配则返回None
  1. print(re.search(‘a‘, ‘ababb ab abababbaab‘))
  2. print(re.search(‘a‘, ‘ababb ab abababbaab‘).group())
  4. 运行结果:
  5. <_sre.SRE_Match object; span=(0, 1), match=‘a‘>
  6. a
 
re.match():同search(^),从字符串开头进行匹配查找,没有则返回None
  1. print(re.match(‘a‘, ‘ababb ab abababbaab‘).group())
  2. print(re.match(‘a‘, ‘babb ab abababbaab‘))
  3. print(re.search(‘^a‘, ‘ababb ab abababbaab‘).group())
  5. 运行结果：
  6. a
  7. None
  8. a
 
--->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
 
 
re.split():  分割
  1. print(re.split(‘[ab]‘, ‘abcd‘))　　#先按‘a‘分割得到‘‘和‘bcd‘,再对‘‘和‘bcd‘分别按‘b‘分运行结果：
  2.  
  3. 运行结果：
  4. [‘‘, ‘‘, ‘cd‘]
 
re.sub(‘查找条件‘,‘替换内容‘,‘查找内容字符串‘,n):查找匹配条件并替换
  1. print(‘===>‘,re.sub(‘a‘,‘A‘,‘alex make love‘)) #不指定n，默认替换所有
  2. print(‘===>‘,re.sub(‘a‘,‘A‘,‘alex make love‘,1)) #n为1，表示匹配1次
  3. print(‘===>‘,re.sub(‘a‘,‘A‘,‘alex make love‘,2)) #n为2，表示匹配2次
  5. print(‘===>‘,re.sub(‘^(\w+)(.*?\s)(\w+)(.*?\s)(\w+)(.*?)$‘,r‘\5\2\3\4\1‘,‘alex make love‘))
  6. #\w+任意多个字母,\s任意1个空白字符,\5\2\3\4\1,5表示第5个()分组内容,4表示第4个分组内容,以此类推
  8. print(‘===>‘,re.subn(‘a‘,‘A‘,‘alex make love‘)) #统计总共替换的次数
  9. print(re.sub(‘^a‘,‘A‘,‘alex make love‘)) #匹配开头，替换为大写
  10.  
  11. print(re.sub(‘^(\w+)(\s)(\w+)(\s)(\w+)‘,r‘\5\2\3\4\1‘,‘alex make love‘))
  12. print(re.sub(‘^(\w+)(\s+)(\w+)(\s+)(\w+)‘,r‘\5‘,‘alex make love‘)) #\s+匹配多个空白字符
  13. print(re.sub(‘^(\w+)(\W+)(\w+)(\W+)(\w+)‘,r‘\5\2\3\4\1‘,‘alex " \ + = make ----/== love‘)) #\W+匹配多个非字母数字下划线
  15. 运行结果：
  16. ===> Alex mAke love
  17. ===> Alex make love
  18. ===> Alex mAke love
  19. ===> love make alex
  20. ===> (‘Alex mAke love‘, 2)
  21. Alex make love
  22. love make alex
  23. love
  24. love " \ + = make ----/== alex
 
 
补充示例1：
  1. print(re.findall("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")) #[‘h1‘]
  2. print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>").group()) #<h1>hello</h1>
  3. print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>").groupdict()) #<h1>hello</h1>
  5. print(re.search(r"<(\w+)>\w+</(\w+)>","<h1>hello</h1>").group())
  6. print(re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>").group())
  8. 运行结果：
  9. [‘h1‘]
  10. <h1>hello</h1>
  11. {‘tag_name‘: ‘h1‘}
  12. <h1>hello</h1>
  13. <h1>hello</h1>
 
补充示例2：
  1. print(re.findall(r‘-?\d+\.?\d*‘,"1-12*(60+(-40.35/5)-(-4*3))")) #找出所有数字[‘1‘, ‘-12‘, ‘60‘, ‘-40.35‘, ‘5‘, ‘-4‘, ‘3‘]
  4. #使用|，先匹配的先生效，|左边是匹配小数，而findall最终结果是查看分组，所有即使匹配成功小数也不会存入结果
  5. #而不是小数时，就去匹配(-?\d+)，匹配到的自然就是，非小数的数，在此处即整数
  6. print(re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))")) #找出所有整数[‘1‘, ‘-2‘, ‘60‘, ‘‘, ‘5‘, ‘-4‘, ‘3‘]
  9. 运行结果：
  10. [‘1‘, ‘-12‘, ‘60‘, ‘-40.35‘, ‘5‘, ‘-4‘, ‘3‘]
  11. [‘1‘, ‘-2‘, ‘60‘, ‘‘, ‘5‘, ‘-4‘, ‘3‘]
 
总结:
尽量精简,详细的如下
尽量使用泛匹配模式.*
尽量使用非贪婪模式:.*?
使用括号得到匹配目标:用group(n)去取得结果
有换行符就用re.S:修改模式
 
几个常见正则例子：
匹配手机号：
  1. phone_str = "hey my name is alex, and my phone number is 13651054607, please call me if you are pretty!"
  2. phone_str2 = "hey my name is alex, and my phone number is 18651054604, please call me if you are pretty!"
  4. m = re.search("(1)([358]\d{9})",phone_str2)
  5. if m:
  6. print(m.group())
 
匹配IPv4
  1. ip_addr = "inet 192.168.60.223 netmask 0xffffff00 broadcast 192.168.60.255"
  3. m = re.search("\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}", ip_addr)
  5. print(m.group())
 
分组匹配地址
  1. contactInfo = ‘Oldboy School, Beijing Changping Shahe: 010-8343245‘
  2. match = re.search(r‘(\w+), (\w+): (\S+)‘, contactInfo) #分组
  3. """
  4. >>> match.group(1)
  5. ‘Doe‘
  6. >>> match.group(2)
  7. ‘John‘
  8. >>> match.group(3)
  9. ‘555-1212‘
  10. """
  11. match = re.search(r‘(?P<last>\w+), (?P<first>\w+): (?P<phone>\S+)‘, contactInfo)
  12. """
  13. >>> match.group(‘last‘)
  14. ‘Doe‘
  15. >>> match.group(‘first‘)
  16. ‘John‘
  17. >>> match.group(‘phone‘)
  18. ‘555-1212‘
  19. """
 
匹配email
  1. email = "alex.li@126.com http://www.oldboyedu.com"
  3. m = re.search(r"[0-9.a-z]{0,26}@[0-9.a-z]{0,20}.[0-9a-z]{0,8}", email)
  4. print(m.group())
 

16-正则模块

标签：信息   contact   abc   位置   number   school   例子   company   指定   

原文地址：http://www.cnblogs.com/xiaofeiweb/p/6973816.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！