标签：amp match 特殊字符 查找 十进制 范围 概念 pil 换行符
正则表达式并不是Python的一部分，本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言。正则表达式是用于处理字符串的强大工具，很多编程语言都支持正则表达式的语法。
字符匹配分为普通字符和元字符：
普通字符：精确匹配
>>> re.findall(‘nick‘,‘asdanickkyuj‘) [‘nick‘]
元字符：. ^ $ * + ? { } [ ] | ( ) \
. 通配符，匹配任意除换行符"\n"外的一个字符
>>> re.findall(‘n..k‘,‘asdanerkyuj‘) [‘nerk‘]
^ 以什么开头
>>> re.findall(‘^n..k‘,‘asdanickkyuj‘) #中间有nick是无法匹配的 [] >>> re.findall(‘^n..k‘,‘nickkyuj‘) #必须是从头开始匹配 [‘nick‘]
$ 以什么结尾
>>> re.findall(‘n..k$‘,‘nickkyuj‘) [] >>> re.findall(‘n..k$‘,‘nickkyujnfdk‘) #必须是从尾匹配 [‘nfdk‘]
* 重复匹配上一个字符0到无穷大次
+ 重复匹配上一个字符1到无穷大次
？ 重复匹配上一个字符0到1次
>>> re.findall(‘yus*‘,‘nickkyusssss‘) #s*匹配5个s
[‘yusssss‘]
>>> re.findall(‘yus+‘,‘nickkyusssss‘) #s+匹配5个s
[‘yusssss‘]
>>> re.findall(‘yus*‘,‘nickkyu‘) #s*匹配0个s
[‘yu‘]
>>> re.findall(‘yus+‘,‘nickkyu‘) #s+无法匹配
[]
>>> re.findall(‘yus?‘,‘nickkyu‘) #s？匹配0个s
[‘yu‘]
>>> re.findall(‘yus?‘,‘nickkyusssss‘) #s？匹配一个s
[‘yus‘]
{} 重复匹配上一个字符自定义的次数
{0，}相当于* {1，}相当于+ {0，1}相当于？
>>> re.findall(‘yus{0,6}‘,‘nickkyusssss‘) #匹配0~6之间任意次数 [‘yusssss‘] >>> re.findall(‘yus{0,1}‘,‘nickkyusssss‘) #相当于？ 匹配一次 [‘yus‘] >>> re.findall(‘yus{6}‘,‘nickkyusssss‘) #指定匹配6次，无法匹配 []
注意：前面的*,+,?等都是贪婪匹配，也就是尽可能多的匹配，后面加?号使其变成惰性匹配
>>> re.findall(‘yus*‘,‘nickkyusssss‘) #贪婪匹配 [‘yusssss‘] >>> re.findall(‘yus*?‘,‘nickkyusssss‘) #惰性匹配 [‘yu‘]
[] 字符集，表示或的关系。在中括号里的字符，任选其一挨个匹配
>>> re.findall(‘q[ab]‘,‘asdqaerqbsd‘) #qa和qb挨个匹配 [‘qa‘, ‘qb‘] >>> re.findall(‘q[a*]‘,‘asdqaaaerqbsd‘) #qa和q*挨个匹配 [‘qa‘] >>> re.findall(‘q[.*+]‘,‘a.dqaaq+aerqbsd‘) #q. q* q+挨个匹配 [‘q+‘]
注意：在字符集[]里是没有元字符的概念的，. * + 这些仅仅就是字符
除了这三个：- ^ \
- 表示范围，从xx到xx挨个匹配
>>> re.findall(‘q[a-z]‘,‘a.dqaaq+aerqbsqqd‘) [‘qa‘, ‘qb‘, ‘qq‘]
>>> re.findall(‘q[a-z]*‘,‘a.dqaaqaerqbsqqd‘) #[a-z]*匹配任意字母任意次 [‘qaaqaerqbsqqd‘]
>>> re.findall(‘q[0-9]*‘,‘a.dqsd9‘) #*匹配了0次，就匹配了一个q [‘q‘]
^ 注意这里是在[]里的^，不是上文描述的^,表示非
>>> re.findall(‘q[^0-9]‘,‘a.dqsd9‘) [‘qs‘] >>> re.findall(‘q[^a-z]‘,‘a.dqsd9‘) []
需求：匹配 6+(3*7+2-(5-3))中的(5-3)
思路是：匹配括号开始，匹配括号结束，中间却又没有括号
>>> re.findall(‘\([^()]*\)‘,‘6+(3*7+2-(5-3))‘) #\(和\)是转义符表示() [^()]*表示没有()的任意个字符 [‘(5-3)‘]
\ 转义符，后面详细说明
>>> re.findall(‘[\d]‘,‘123abc‘) [‘1‘, ‘2‘, ‘3‘]
\ 转义符
反斜杠后边跟元字符去除特殊功能,比如\.
反斜杠后边跟普通字符实现特殊功能,比如\d
\ 加普通字符实现特殊功能：
\d 匹配任何十进制数；它相当于类 [0-9]。
\D 匹配任何非数字字符；它相当于类 [^0-9]。
\s 匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
\S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
\w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
\W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
\b 匹配一个特殊字符边界，比如空格 ，&，＃等
\d与\D ：
>>> re.findall(‘\d‘,‘6+(31*7+23-(5-3))‘) #匹配单个数字 [‘6‘, ‘3‘, ‘1‘, ‘7‘, ‘2‘, ‘3‘, ‘5‘, ‘3‘] >>> re.findall(‘\d+‘,‘6+(31*7+23-(5-3))‘) #匹配多个数字 [‘6‘, ‘31‘, ‘7‘, ‘23‘, ‘5‘, ‘3‘] >>> re.findall(‘\D+‘,‘6+(31*7+23-(5-3))‘) #匹配多个非数字 [‘+(‘, ‘*‘, ‘+‘, ‘-(‘, ‘-‘, ‘))‘]
\s与\S ：
>>> re.findall(‘\s‘,‘hello world!‘) [‘ ‘] >>> re.findall(‘\S‘,‘hello world!‘) [‘h‘, ‘e‘, ‘l‘, ‘l‘, ‘o‘, ‘w‘, ‘o‘, ‘r‘, ‘l‘, ‘d‘, ‘!‘]
\w与\W ：
>>> re.findall(‘\w‘,‘hello_world!#‘) [‘h‘, ‘e‘, ‘l‘, ‘l‘, ‘o‘, ‘_‘, ‘w‘, ‘o‘, ‘r‘, ‘l‘, ‘d‘] >>> re.findall(‘\W‘,‘hello_world!#‘) [‘!‘, ‘#‘]
\b：
需求，要匹配 ‘hello I am LILY‘ 中的第一个I。思路是第一个I后面是空格，用\b
>>> re.findall(‘I\b‘,‘hello I am LILY‘) [] >>> re.findall(r‘I\b‘,‘hello I am LILY‘) [‘I‘] >>> re.findall(‘I\\b‘,‘hello I am LILY‘) [‘I‘]
正则表达式re是一门独立的编程语言，在re中\b有特殊的意义(匹配一个特殊字符边界)，然而，在Python中\b也有特殊的意义(不知道是啥)，当Python解释器拿到\b，会转义为Python规定的那个特殊意义（不知道是啥），再丢给re，那re肯定不认识，所以无法匹配。
第一种方法：r‘I\b‘
r 代表的意思是: raw，raw string是原生字符串的意思。加上r表示里面的字符串不做任何转义，直接丢给re，所以r‘I\b‘的意思是Python解释器不做任何转义，将‘I\b‘交给re，re再去转义为I+一个特殊字符边界（这里是一个空格），成功匹配第一个I
第二种方法：‘I\\b‘
Python解释器将‘I\\b‘转义为‘I\b‘丢给re，re拿到‘I\b‘，re再去转义为I+一个特殊字符边界（这里是一个空格），成功匹配第一个I
同理：要匹配c\m
>>> re.findall(‘c\\m‘,‘ac\ms‘) [] >>> re.findall(r‘c\\m‘,‘ac\ms‘) [‘c\\m‘] >>> re.findall(‘c\\\\m‘,‘ac\ms‘) [‘c\\m‘]
要么r‘c\\m‘，Python不转义，re把c\\m转义为c\m，匹配成功
要么‘c\\\\m‘，Python转义为c\\m，re把c\\m转义为c\m，匹配成功
如上两个例子，使用转义符时，当Python里也有他自己的特殊转义规则时，要么直接加r让Python不做处理，要么处理好Python和re的两层转义。
\ 加元字符去除特殊功能：
>>> re.findall(‘www.baidu‘,‘www.baidu‘) #.是元字符，匹配‘.‘，模糊匹配成功 [‘www.baidu‘] >>> re.findall(‘www\.baidu‘,‘www.baidu‘) #\.是普通字符，匹配‘.‘，精确匹配成功 [‘www.baidu‘] >>> re.findall(‘www*baidu‘,‘www*baidu‘) #*是元字符，重复匹配前面的‘w‘，无法匹配后面的‘*‘ [] >>> re.findall(‘www\*baidu‘,‘www*baidu‘) #\*是普通字符，匹配‘*‘，精确匹配成功 [‘www*baidu‘]
| 表示或
>>> re.findall(‘ca|fr‘,‘sca7fr89‘) #ca或fr [‘ca‘, ‘fr‘] >>> re.findall(‘ca|\d‘,‘sca7fr89‘) #ca或数字 [‘ca‘, ‘7‘, ‘8‘, ‘9‘] >>> re.findall(‘ca|\D‘,‘sca7fr89‘) #ca或非数字 [‘s‘, ‘ca‘, ‘f‘, ‘r‘]
() 分组
>>> re.findall(‘abc+‘,‘abcccc‘) #匹配c，1到无穷次 [‘abcccc‘] >>> re.findall(‘(abc)+‘,‘abcccc‘) #abc作为一个整体去匹配，1到无穷次 [‘abc‘]
命名分组
>>> re.search(‘(?P<name>[a-z]+)(?P<age>\d+)‘,‘nick20tom24jack28‘) #两个分组，name和age <_sre.SRE_Match object; span=(0, 6), match=‘nick20‘> #search()方法只匹配第一个符合的结果，返回一个对象 >>> re.search(‘(?P<name>[a-z]+)(?P<age>\d+)‘,‘nick20tom24jack28‘).group() #group()拿到匹配的结果 ‘nick20‘ >>> re.search(‘(?P<name>[a-z]+)(?P<age>\d+)‘,‘nick20tom24jack28‘).group(‘name‘) #group(‘name‘)拿到第一个分组name的值nick ‘nick‘ >>> re.search(‘(?P<name>[a-z]+)(?P<age>\d+)‘,‘nick20tom24jack28‘).group(‘age‘) ‘20‘
(?P<name>[a-z]+)是一个命名分组，?P<>是固定写法，<>里是自定义的命名，后面的[a-z]+才是实际要匹配的字符
search()方法只匹配第一个结果就返回一个对象，这个对象的group()方法就能拿到匹配的结果nick20，其中nick就是name，22就是age，如果用group(‘name‘)就能拿到nick，这就是分组的好处，这种方法在以后开发时常用于匹配网址url。
re模块下的常用方法
re.findall(‘ ‘,‘ ‘) #返回所有满足匹配条件的结果,放在列表里。
re.search(‘ ‘,‘ ‘).group() #函数会在字符串内查找模式匹配,直到找到第一个匹配结果然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
re.match(‘ ‘,‘ ‘).group() #同search,不过只在字符串开始处进行匹配。
>>> re.match(‘\d+‘,‘abc22‘) #开头没有数字，所以不匹配 >>> re.match(‘\d+‘,‘22abc‘) #开头有数字，匹配22 <_sre.SRE_Match object; span=(0, 2), match=‘22‘> >>> re.match(‘\d+‘,‘22abc‘).group() ‘22‘
re.split(‘ ‘,‘ ‘) #分割字符串，类似于string里面的split()，如果是[]字符集，就按照里面的字符挨个分割
>>> re.split(‘[ab]‘,‘hanbo‘) #先按‘a‘分割得到‘h‘和‘nbo‘，再对‘h‘和‘nbo‘按‘b‘分割得到‘h‘, ‘n‘, ‘o‘
[‘h‘, ‘n‘, ‘o‘]
>>> re.split(‘[ab]‘,‘abo‘) #先按‘a‘分割得到‘‘和‘bo‘，再对‘‘和‘bo‘按‘b‘分割得到‘‘,‘‘,‘o‘
[‘‘, ‘‘, ‘o‘]
re.sub(‘被替换的字符串‘,‘替换成什么字符串‘,‘待处理的整个字符串‘,替换几次) #替换字符串
>>> re.sub(‘\d+‘,‘B‘,‘g23h578‘) #匹配多个数字 ‘gBhB‘ >>> re.sub(‘\d‘,‘B‘,‘g23h578‘) #匹配单个数字 ‘gBBhBBB‘ >>> re.sub(‘\d‘,‘B‘,‘g23h578‘,2) #匹配单个数字，替换两次 ‘gBBh578‘
re.subn() #与sub的功能和参数都一样，唯一的不同是返回值：一个元组，其中第一个元素是处理后的结果，第二个元素是替换了几次
>>> re.subn(‘\d‘,‘B‘,‘g23h578‘,2) (‘gBBh578‘, 2) >>> re.subn(‘\d‘,‘B‘,‘g23h578‘,) (‘gBBhBBB‘, 5)
re.compile(‘ ‘) #另一种写法而已，参数是匹配的规则，返回给一个对象，然后用这个对象去findall()或者search()
>>> res = re.compile(‘\d+‘) >>> res.findall(‘asd123ds‘) [‘123‘] >>> res.search(‘as12kj34re‘) <_sre.SRE_Match object; span=(2, 4), match=‘12‘> >>> res.search(‘as12kj34re‘).group() ‘12‘
这么做的好处是：用‘\d+‘去处理多个字符串的时候，可以用res直接去处理，效率高。
re.finditer(‘ ‘,‘ ‘) #用法与findall()一模一样，只是不返回一个数组，而是一个迭代器
>>> re.findall(‘\d+‘,‘as12kj34re‘) [‘12‘, ‘34‘] >>> re.finditer(‘\d+‘,‘as12kj34re‘) <callable_iterator object at 0x0000029D51E6DB00> >>> res = re.finditer(‘\d+‘,‘as12kj34re‘) >>> next(res).group() #迭代器用next()迭代取值 ‘12‘ >>> next(res).group() ‘34‘ >>> next(res).group() Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
这么做的好处是：通常我们处理的字符串都很庞大，如果都返回数组就要放入内存，消耗系统资源，而返回迭代器就可以想要什么数据只拿那个数据。
补充：
>>> re.findall(‘www\.(baidu|taobao)\.com‘,‘www.taobao.com‘) [‘taobao‘]
当在匹配规则中使用()分组，Python解释器将默认优先匹配()中的字符串规则，而忽略外面的字符串规则
>>> re.findall(‘www\.(?:baidu|taobao)\.com‘,‘www.taobao.com‘) [‘www.taobao.com‘]
?:就是去掉这个默认的优先级，不忽略外面的字符串规则
标签：amp match 特殊字符 查找 十进制 范围 概念 pil 换行符
原文地址：https://www.cnblogs.com/xulan0922/p/10242276.html
