python的内置模块re模块方法详解以及使用

正则表达式

一、普通字符

.     通配符一个.只匹配一个字符

匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符

>>> import re

>>> re.findall("abcd","abcdrbnmjfsdsaeedsss")

['abcd']

>>> re.findall("a..d","abcdrbnmjfsdsaeedsss")

['abcd', 'aeed']

^    以什么开头

>>> re.findall("^a..d","abcdrbnmjfsdsaeedsss")

['abcd']

$  以什么结尾

>>> re.findall("a..d$","abcdajhd")

['ajhd']

*  代表匹配*前面的字符 重复0到无穷次

>>> re.findall("^g*","ggggggggsdfsdf")

['gggggggg']

>>> re.findall("^g*","gggdfsdf")

['ggg']

>>> re.findall("gou*","gossee")

['go']

>>> re.findall("gou*","gosseegouuusssdd")

['go', 'gouuu']

+  代表匹配+前面的字符 重复1到无穷次

>>> re.findall("gou+","gossee")

[]

>>> re.findall("gou+","gosseegouuusssdd")

['gouuu']

*和+属于贪婪匹配

? 代表匹配?前面的字符的0次或者是1次

>>> re.findall("gou?","gossee")

['go']

>>> re.findall("gou?","gosseegouuusssdd")

['go', 'gou']

{}可以指定重复几次

{0,} 代表重复{}前面字符的0到无穷次，相当于*

{1,} 代表重复{}前面字符的1到无穷次，相当于+

{0,1}代表重复{}前面字符的0到1次，相当于?

{6}代表重复{}前面字符的6次

{1,3}代表重复{}前面字符的1次到3次

>>> re.findall("gou{3}","gosseegouuusssdd")

['gouuu']

>>> re.findall("gou{0,3}","gosseegouuusssdd")

['go', 'gouuu']

>>> re.findall("gou{0,4}","gosseegouuusssdd")

['go', 'gouuu']

>>> re.findall("gou{4}","gosseegouuusssdd")

[]

>>> re.findall("gou{0}","gosseegouuusssdd")

['go', 'go']

>>> re.findall("gou{1}","gosseegouuusssdd")

['gou']

惰性匹配*?  只要匹配出*前面的字符的0次就不匹配了

>>> re.findall("gou*","gosseegouuusssdd")

['go', 'gouuu']

>>> re.findall("gou*?","gosseegouuusssdd")

['go', 'go']

惰性匹配+?  只要匹配出+前面的字符的1次就不匹配了

>>> re.findall("gou+","gosseegouuusssdd")

['gouuu']

>>> re.findall("gou+?","gosseegouuusssdd")

['gou']

二、字符集[]

1、或的功能

>>> re.findall("x[yz]","xyzzzxyzxssdzx")

['xy', 'xy']

>>> re.findall("x[yz]","xyzzzxzsdxzzy")

['xy', 'xz', 'xz']

>>> re.findall("x[yz]p","xypzzzxzsdxzpzy")

['xyp', 'xzp']

2、[]中的特殊符号-   匹配字母

取小写字母

>>> re.findall("[a-z]","sd67lMNVv17jB5")

['s', 'd', 'l', 'v', 'j']

取大写字母

>>> re.findall("[A-Z]","sd67lMNVv17jB5")

['M', 'N', 'V', 'B']

取大小写字母

>>> re.findall("[A-Za-z]","sd67lMNVv17jB5")

['s', 'd', 'l', 'M', 'N', 'V', 'v', 'j', 'B']

取ab后面跟一个字母 取ab后面跟0个字母或者1个字母

>>> re.findall("ab[a-z]","abclkmnbab")

['abc']

>>> re.findall("ab[a-z]?","abclkmnbab")

['abc', 'ab']

取出字符串中的小写字母连着的字母为一个整体

>>> re.findall("[a-z]+","abc56Pabm902")

['abc', 'abm']

取出字符串中的大写字母，连着为一个整体

>>> re.findall("[A-Z]+","abc56PMabRm902")

['PM', 'R']

取出字符串中的大小写字母，连着的为一体

>>> re.findall("[A-Za-z]+","abc56Pabm902")

['abc', 'Pabm']

>>> re.findall("q[a-z]*","abc56q")

['q']

>>> re.findall("q[a-z]*","abc56qr")

['qr']

>>> re.findall("q[a-z]*","abc56qrg")

['qrg']

>>> re.findall("q[a-z]+","abc56qrg")

['qrg']

>>> re.findall("q[a-z]?","abc56qrg")

3、[]里面的特殊符号^   是取反的意思

第一个字符是q 第二个字符只要不是a-z的就可以匹配出来

>>> re.findall("q[^a-z]","abc56qrg")

[]

>>> re.findall("q[^a-z]","abc56qrq6g")

['q6']

>>> re.findall("q[^a-z]","abc56qrq6gq677")

['q6', 'q6']

4、[]里面的特殊符号\    叫转义符  最牛的一个斜杠

\d   匹配任意十进制数，相当于[0-9]

\D   匹配任意非数字字符，相当于[^0-9]

\s   匹配任何空白字符，相当于[\t\n\r\f\v]

\S   匹配任何非空白字符，相当于[^\t\n\r\f\v]

\w   匹配任何字符数字字符，相当于[a-zA-Z0-9_]

\W   匹配任何非字母数字字符，相当于[^a-zA-Z0-9_]

\b   匹配一个特殊字符边界，比如空格 & # 等

匹配下数字

>>> re.findall("\d","12+(34*6+2-5*(2-1+6))")

['', '', '', '', '', '', '', '', '', '']

>>> re.findall("\d+","12+(34*6+2-5*(2-1+6))")

['', '', '', '', '', '', '', '']

匹配下除了数字之外的

>>> re.findall("\D+","12+(34*6+2-5*(2-1+6))")

['+(', '*', '+', '-', '*(', '-', '+', '))']

匹配任何非空字符

>>> re.findall("\S+","hello gouguoqi")

['hello', 'gouguoqi']

匹配空白字符

>>> re.findall("\s+","hello gouguoqi")

[' ']

匹配任意字符和数字字符也包括_

>>> re.findall("\w","hel()*&%34dcsdg_")

['h', 'e', 'l', '', '', 'd', 'c', 's', 'd', 'g', '_']

>>> re.findall("\w+","hel()*&%34dcsdg_")

['hel', '34dcsdg_']

转义功能

>>> re.findall("www*baidu","www*baidu.com")

[]

>>> re.findall("www\*baidu","www*baidu.com")

['www*baidu']

>>> re.findall("www.baidu","wwwkbaidu.com") 这里代表是通配符

['wwwkbaidu']

>>> re.findall("www\.baidu","wwwkbaidu.com")

[]

>>> re.findall("www\.baidu","www.baidu.com")

['www.baidu']

\b匹配特殊边界

>>> re.findall("I","I am LIST")

['I', 'I']

>>> re.findall("^I","I am LIST")

['I']

>>> re.findall("^I","hello I am LIST")

[]

取出中间的大写的I

>>> re.findall(r"I\b","hello I am LIST")

['I']

>>> re.findall("I\\b","hello I am LIST")

['I']

5、取出最里面这个括号里面的元素

>>> re.findall("\([^()]*\)","12+(34*6+2-5*(2-1))")

['(2-1)']

\(    以(开头

\)   以）结尾

[^()] 中间不是括号就行

*  重复前面的0次到无穷次，就是只要里面不是括号可以是其他的无数次

>>> re.findall("\([^()]*\)","12+(34*6+2-5*(2-1+6mk))")

['(2-1+6mk)']

6、|  管道符  或的概念，是匹配2个整体

>>> re.findall("ka|a","abcka|kb")

['a', 'ka']

>>> re.findall("ka|kb","abcka|kbc")

['ka', 'kb']

>>> re.findall("ka|kc","abcka|kbc")

['ka']

7、()  分组

重复c这个字母来匹配

>>> re.findall("abc+","abcccrtfabcasdcabcc")

['abccc', 'abc', 'abcc']

把abc作为一个整体来匹配

>>> re.findall("(abc)+","abccccc")

['abc']

把abc作为一个整体来匹配，重复一次或者多次?:就是去掉括号中的优先级的

>>> re.findall("(?:abc)+","abcccrtfabcabcabcc")

['abc', 'abcabcabc']

8、re的search方法

匹配到第一个之后就不继续往下匹配了

>>> re.search("(abc)","abccccc")

<_sre.SRE_Match object; span=(0, 3), match='abc'>

>>> re.search("\d{2}","abccccc")#匹配不到则返回空

>>> re.search("\d{2}","abcccc9879")#取出来是一个对象，想要值，用group方法

<_sre.SRE_Match object; span=(6, 8), match=''>

>>> re.search("\d{2}","abcccc9879").group()

''

>>> re.search("\d{2}","abcccc9879").group()

''

通过?P<name> 进行分组<>内为组名，在用group方法打印对应的组名

>>> re.search("(?P<name>[a-z]+)\d+","gouguoqi28miaoye29beiye60").group()

'gouguoqi28'

>>> re.search("(?P<name>[a-z]+)\d+","gouguoqi28miaoye29beiye60").group("name")

'gouguoqi'

>>> re.search("(?P<name>[a-z]+)(?P<age>\d+)","gouguoqi28miaoye29beiye60").group(

"age")

''

三、re模块中的常用方法

1、re.findall("a","a bb") 返回所有满足条件的结果，放在列表里面

>>> re.findall("abc","abccccc")

['abc']

2、re.rearch("a","a bb c").group()取出来是一个对象

匹配不到则返回空, 匹配到第一个之后就不继续往下匹配了

>>> re.search("\d{2}","abcccc9879").group()

''

3、re.match("a","abc").group()通search相同，只不过仅在字符串开始出进行匹配

>>> re.match("abc","aaabccccc")

>>> re.match("abc","abccccc")

<_sre.SRE_Match object; span=(0, 3), match='abc'>

>>> re.match("abc","abccccc").group()

'abc'

4、re.split()

>>> re.split(" ","abc cc hello")

['abc', 'cc', 'hello']

>>> re.split("[ |]","abc|cc hello")

['abc', 'cc', 'hello']

>>> re.split("[ab]","asdabcd")

['', 'sd', '', 'cd']

>>> re.split("[ab]","abc")

['', '', 'c']

5、re.sub替换

>>> re.sub("\d+","A","sdfdsfgc56712MMns980")

'sdfdsfgcAMMnsA'

>>> re.sub("\d","A","sdfdsfgc56712MMns980")

'sdfdsfgcAAAAAMMnsAAA'

只匹配前4次

>>> re.sub("\d","A","sdfdsfgc56712MMns980",4)

'sdfdsfgcAAAA2MMns980'

显示出匹配出来的次数

>>> re.subn("\d","A","sdfdsfgc56712MMns980")

('sdfdsfgcAAAAAMMnsAAA', 8)

6、re.compile  编译，提前把匹配规则定义好，直接调用就行了，好处就是可以用多次

>>> com=re.compile("\d+")

>>> com.findall("sdcvf456dfg67")

['', ''] 

7、re.finditer  把数据存到迭代器里面，用一条拿一条，不浪费内存

>>> re.findall("\d","sdcvf456dfg67")

['', '', '', '', '']

>>> re.finditer("\d","sdcvf456dfg67")

<callable_iterator object at 0x0000000000D92160>

>>> ret=re.finditer("\d","sdcvf456dfg67")

>>> next(ret).group()

''

>>> next(ret).group()

''

>>> next(ret).group()

''

>>> next(ret).group()

''

特例：当有分组的时候findall优先匹配组里面的内容

>>> ret=re.findall("www\.(baidu|163)\.com","www.baidu.com")

>>> re.findall("www\.(baidu|163)\.com","www.baidu.com")

['baidu']

也可以加个?:去掉优先级

>>> re.findall("www\.(?:baidu|163)\.com","www.baidu.comaawww.163.combv")

['www.baidu.com', 'www.163.com']