正则表达式:Python 模块 re 简介
为了使文章更具可读性,本文将正则表达式冗长的 语法介绍 放在了文章的末尾。
一、正则表达式简介
正则表达式(RegExp)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(元字符)。
1、运算符的优先级
正则表达式运算符的优先级顺序由高到低依次为:
- 转义符:
\
- 括号和中括号:
()
,(?:)
,(?=)
,[]
- 限定符:
*
,+
,?
,{n}
,{n,}
,{n,m}
- 定位点和序列:
^
,$
,\元字符
,字符
- 替换:
|
字符具有高于替换运算符的优先级,使得 m|food
匹配 m 或 food。若要匹配 mood 或 food,请使用括号创建子表达式,即 (m|f)ood
。
2、常用验证规则
匹配汉字:
[\u4e00-\u9fa5]
二、re 模块简介
re 模块提供了 Perl 风格的正则表达式模式。Perl 5 对标准正则表达式增加了几个附加功能,re 模块也支持其中的大部分。
1、Raw String
正则表达式使用反斜杠 \
来代表特殊形式或用作转义字符,这里跟 Python 的语法冲突,因此,Python 只好用 \\\\
匹配 \,因为正则表达式中如果要匹配 \,需要用 \
来转义,变成 \\
,而 Python 语法中又需要对字符串中每一个 \ 进行转义,所以就变成了 \\\\
。
为了使正则表达式具有更好的可读性,Python 特别设计了 Raw String。Raw String 以 r 作为字符串的前缀,如 r"\n"
表示字符 \ 和 n。
- 并非所有的正则表达式都需要使用 Raw String,但 compile 方法必须以 r 作为字符串的前缀;
- 对于其他方法(如 match、search 等 )而言,是否以 r 作为字符串的前缀并不影响结果。
2、正则表达式对象
compile(RegExp [, flags])
可以把正则表达式编译成一个正则表达式对象。其中,RegExp 为正则表达式,flags 为编译标志。
import re
html = re.compile(r"<\s*(\S+)(\s[^>]*)?>[\s\S]*<\s*/\1\s*>") # 匹配 HTML 标记(1)
3、编译标志
编译标志控制表达式的匹配方式。多个标志可以通过 |
来指定,如 re.I | re.M
被设置成 I 和 M 标志。
标志 | 含义 |
---|---|
S 或 DOTALL | 使 . 匹配包括换行在内的所有字符 |
I 或 IGNORECASE | 使匹配对大小写不敏感 |
L 或 LOCALE | 做本地化识别匹配 |
M 或 MULTILINE | 多行匹配,影响 ^ 和 $ |
X 或 VERBOSE | 提高正则表达式的可读性 |
X 标志的作用:
- 不在字符集中的空白字符将被忽略。这使得:
dog | cat
和可读性差的dog|cat
相同,但[a b]
将匹配字符 a、b 或空格。 - 可以把注释放到正则表达式当中。注释从
#
开始到行末结束。
Xhtml = re.compile(r'''# 匹配 HTML 标记(2)
<\s*(\S+)(\s[^>]*)?> # 开始标签
[\s\S]* # 标签内的文本
<\s*/\1\s*> # 同名结束标签
''', re.X) # 同样匹配 HTML 标记,方法(2)的可读性比(1)高了很多。
4、执行匹配
方法 | 用途 |
---|---|
match(RegExp, string [, flags]) |
从字符串的开始匹配一个模式,成功则返回 MatchObject 实例,否则返回 None |
search(RegExp, string [, flags]) |
在整个字符串内查找模式匹配,成功则返回 MatchObject 实例,否则返回 None |
findall(RegExp, string [, flags]) |
获取所有匹配的子串,并把它们作为一个列表返回 |
finditer(RegExp, string [, flags]) |
获取所有匹配的子串,并把它们作为一个迭代器返回 |
若已将正则表达式 RegExp 编译成了正则表达式对象 RegPat,还可以使用 RegPat.match(string)
执行匹配。
string = '''Hello World!
<ul class="nav">
<li class="inactive"> 云 </li>
<li class="inactive"> 大数据 </li>
</ul>
'''
match_1 = re.match("\s\S*",string)
match_2 = re.match("\S*",string)
search_1 = re.search("\s\S*",string)
search_2 = Xhtml.search(string)
print(match_1, "\n", match_2, end = "\n-------------\n ")
print(search_1, "\n", search_2)
None
<_sre.SRE_Match object; span=(0, 5), match='Hello'>
-------------
<_sre.SRE_Match object; span=(5, 12), match=' World!'>
<_sre.SRE_Match object; span=(13, 99), match='<ul class="nav">\n\t<li class="inactive"> 云 </li>>
5、MatchObject 实例
方法 | 用途 |
---|---|
group() |
返回匹配的字符串 |
start() |
返回匹配开始的位置 |
end() |
返回匹配结束的位置 |
span() |
返回一个二元元组: (开始位置,结束位置) |
print(search_2.group())
<ul class="nav">
<li class="inactive"> 云 </li>
<li class="inactive"> 大数据 </li>
</ul>
6、操作字符串
方法 | 用途 |
---|---|
split(RegExp, string [, maxsplit = 0]) |
将字符串在匹配的位置分片,并生成一个列表;若 maxsplit 非零,则只能得到 maxsplit 个分片 |
sub(RegExp, replace, string[, count = 0]) |
找到所有匹配的子串,并用其它的字符串替换;若 count 非零,则最多执行 count 次替换 |
subn(RegExp, replace, string) |
与 sub 类似,但返回二元元组:(新的字符串,执行替换的次数) |
print(re.split("\n",string)) # 用回车符分片
print(re.sub("\t", lambda m: '[' + m.group() + ']', string)) # 将制表符用 [ ] 括起来
['Hello World!', '<ul class="nav">', '\t<li class="inactive"> 云 </li>', '\t<li class="inactive"> 大数据 </li>', '</ul>', '']
Hello World!
<ul class="nav">
[ ]<li class="inactive"> 云 </li>
[ ]<li class="inactive"> 大数据 </li>
</ul>
三、正则表达式的基本语法
\
:将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如, n
匹配字符 n, \n
匹配 \n。序列 \\
匹配 \ , \(
匹配 ( 。
^
:匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^
还会与 \n 或 \r 之后的位置匹配。
$
:匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$
还会与 \n 或 \r 之前的位置匹配。
*
:零次或多次匹配前面的字符或子表达式。例如,zo*
匹配 z 和 zoo 。*
等效于 {0,}
。
+
:一次或多次匹配前面的字符或子表达式。例如, zo+
与 zo 和 zoo 匹配,但与 z 不匹配。+
等效于 {1,}
。
?
:零次或一次匹配前面的字符或子表达式。例如, do(es)?
匹配 do 或 does 中的 do 。?
等效于 {0,1}
。
当
?
紧随任何其他限定符(*
、+
、?
、{n}
、{n,}
、{n,m}
)之后时,匹配模式是非贪心的。非贪心的模式匹配搜索到的,尽可能短的字符串,而默认的贪心模式匹配搜索到的,尽可能长的字符串。例如,在字符串 oooo 中,o+?
只匹配单个 o,而o+
匹配所有 o。
.
:匹配除 \n 之外的任何单个字符。若要匹配包括 \n 在内的任意字符,请使用诸如 [\s\S]
之类的模式。
x|y
:匹配 x 或 y。例如,z|food
匹配 z 或 food 。(z|f)ood
匹配 zood 或 food 。
{n}
:n 是非负整数。正好匹配 n 次。例如, o{2}
与 Bob 中的 o 不匹配,但与 food 中的两个 o 匹配。
{n,}
:n 是非负整数。至少匹配 n 次。例如, o{2,}
不匹配 Bob 中的 o ,而匹配 food 中的所有 o。 o{1,}
、o{0,}
分别等效于 o+
、o*
。
{n,m}
:M 和 n 是非负整数,其中 n <= m。匹配至少 n 次,至多 m 次。例如, o{1,3}
匹配 fooooood
中的头三个 o。o{0,1}
等效于 o?
。
[xyz]
:字符集。匹配包含的任一字符。例如, [abc]
匹配 plain 中的 a 。
[^xyz]
:反向字符集。匹配未包含的任何字符。例如, [^abc]
匹配 plain 中的 p 。
[a-z]
:字符范围。匹配指定范围内的任何字符。例如, [a-z]
匹配 a 到 z 范围内的任何小写字母。
[^a-z]
:反向范围字符。匹配不在指定的范围内的任何字符。例如, [^a-z]
匹配任何不在 a 到 z 范围内的任何字符。
(pattern)
:匹配 pattern 并捕获该匹配的子表达式。可以使用 \num
对捕获子表达式进行反向引用。括号 ( ) 使用 \(
或者 \)
匹配 。
(?:pattern)
:匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储供以后使用的匹配。这对于用 |
组合模式部件的情况很有用。例如,industr(?:y|ies)
是比 industry|industries
更经济的表达式。
(?=pattern)
:执行正向预测先行搜索的子表达式,该表达式匹配处于匹配 pattern 起始点的字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,Windows (?=95|98|NT|2000)
匹配 Windows 2000 中的 Windows ,但不匹配 Windows 3.1 中的 Windows 。
预测先行不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成预测先行的字符后。
(?!pattern)
:执行反向预测先行搜索的子表达式,该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,Windows (?!95|98|NT|2000)
匹配 Windows 3.1 中的 Windows ,但不匹配 Windows 2000 中的 Windows 。
\b
:匹配一个字边界,即字与空格间的位置。例如, er\b
匹配 never 中的 er ,但不匹配 verb 中的 er 。
\B
:非字边界匹配。 er\B
匹配 verb 中的 er ,但不匹配 never 中的 er 。
\cx
:匹配 x
指示的控制字符。例如,\cM
匹配 Control-M 或回车符。x
的值必须在 A-Z 或 a-z 之间。否则假定 \c
就是 c 字符本身。
\d
:数字字符匹配。等效于 [0-9]
。
\D
:非数字字符匹配。等效于 [^0-9]
。
\f
:换页符匹配。等效于 \x0c
和 \cL
。
\n
:换行符匹配。等效于 \x0a
和 \cJ
。
\r
:匹配一个回车符。等效于 \x0d
和 \cM
。
\s
:匹配任何空白字符,包括空格、制表符、换页符等。与 [ \f\n\r\t\v]
等效。
\S
:匹配任何非空白字符。与 [^ \f\n\r\t\v]
等效。
\t
:制表符匹配。与 \x09
和 \cI
等效。
\v
:垂直制表符匹配。与 \x0b
和 \cK
等效。
\w
:匹配任何字类字符,包括下划线。与 [A-Za-z0-9_]
等效。
\W
:与任何非单词字符匹配。与 [^A-Za-z0-9_]
等效。
\xn
:匹配一个十六进制转义码。十六进制转义码必须是两位数长。例如, \x41
匹配 A 。允许在正则表达式中使用 ASCII 代码。
\num
:匹配第 num 个捕获子表达式的反向引用。例如, (.)\1
匹配两个连续的相同字符。
\n
:如果 \n
前面至少有 n 个捕获子表达式,那么是反向引用。如果 n
是八进制数 0-7,那么是八进制转义码。
\nm
:如果 \nm
前面至少有 nm 个捕获子表达式,那么是反向引用。如果 \nm
前面至少有 n 个捕获,则是反向引用,后面跟有字符 m。如果两种前面的情况都不存在,则 \nm
匹配八进制值 nm,其中 n
和 m
是八进制数 0-7。
\nml
:当 n
是八进制数 0-3,m
和 l
是八进制数 0-7 时,匹配八进制转义码 nml。
\un
:匹配以四位十六进制数表示的 Unicode 字符。例如,\u00A9
匹配版权符号 ©。
正则表达式:Python 模块 re 简介的更多相关文章
- Python模块File文件操作
Python模块File简介 Python提供了File模块进行文件的操作,他是Python的内置模块.我们在使用File模块的时候,必须先用Popen()函数打开一个文件,在使用结束需要close关 ...
- Python面试题之Python正则表达式re模块
一.Python正则表达式re模块简介 正则表达式,是一门相对通用的语言.简单说就是:用一系列的规则语法,去匹配,查找,替换等操作字符串,以达到对应的目的:此套规则,就是所谓的正则表达式.各个语言都有 ...
- Python模块之常用模块,反射以及正则表达式
常用模块 1. OS模块 用于提供系统级别的操作,系统目录,文件,路径,环境变量等 os.getcwd() 获取当前工作目录,即当前python脚本工作的目录路径 os.chdir("di ...
- python正则表达式Re模块备忘录
title: python正则表达式Re模块备忘录 date: 2019/1/31 18:17:08 toc: true --- python正则表达式Re模块备忘录 备忘录 python中的数量词为 ...
- python 正则表达式re模块
#####################总结############## 优点: 灵活, 功能性强, 逻辑性强. 缺点: 上手难,旦上手, 会爱上这个东西 ...
- python基础之正则表达式 re模块
内容梗概: 1. 正则表达式 2. re模块的使⽤ 3. 一堆练习正则表达式是对字符串串操作的一种逻辑公式. 我们一般使用正则表达式对字符串进行匹配和过滤.使用正则的优缺点: 优点: 灵活,功能性强, ...
- python记录_day23 正则表达式 re模块
一. 正则表达式 使用python的re模块之前应该对正则表达式有一定的了解 正则表达式是对字符串操作的一种逻辑公式.我们一般使用正则表达式对字符串进行匹配和过滤. 正则的优缺点: 优点:灵活, 功能 ...
- python模块部分 re模块 之正则表达式
python 全栈开发 1.什么是模块 2.正则表达式 一.什么是模块? 1.模块: 是一组功能的集合 你要和一个东西打交道,但是这个东西本身和python没有关系,这个东西本身就存在, 这时,pyt ...
- 6.文件所有权和权限----免费设置匿名----Windows键盘记录器----简介和python模块
文件所有权和权限 touch --help cd Desktop mkdir Folder cd Folder clear touch Test1 Test2 Test3 Test4 ls ls -l ...
随机推荐
- spring-test与junit
1.添加依赖 spring-test junit spring-context(自动添加依赖其他所需的spring依赖包) 2.在class前添加以下注解,用于配置xml文件的位置 @RunWith( ...
- 【转】mysql force Index 强制索引
其他强制操作,优先操作如下: mysql常用的hint 对于经常使用oracle的朋友可能知道,oracle的hint功能种类很多,对于优化sql语句提供了很多方法.同样,在mysql里,也有类似的h ...
- [LeetCode] Search in Rotated Array
Suppose a sorted array is rotated at some pivot unknown to you beforehand. (i.e., 0 1 2 4 5 6 7 migh ...
- 第97天:CSS3渐变和过渡详解
一.渐变 渐变是CSS3当中比较丰富多彩的一个特性,通过渐变我们可以实现许多炫丽的效果,有效的减少图片的使用数量,并且具有很强的适应性和可扩展性. 可分为线性渐变.径向渐变 1. 线性渐变 (grad ...
- 【.Net】C#获取Windows系统特殊文件夹的路径
系统特殊文件夹是包含公共信息的文件夹,如“Program Files”.“Programs”.“System”或“Startup”.特殊文件夹在默认情况下由系统设置,或者由用户在安装 Windows ...
- 【PDF】HTML中嵌入pdf的简单方法
<embed src="> 或者你不想显示某些功能的话: <embed src=">
- Codeforces 671C. Ultimate Weirdness of an Array(数论+线段树)
看见$a_i\leq 200000$和gcd,就大概知道是要枚举gcd也就是答案了... 因为答案是max,可以发现我们很容易算出<=i的答案,但是很难求出单个i的答案,所以我们可以运用差分的思 ...
- Caffe框架详细梳理
protobuf是google公司开发的,并在Google内部久经考验的一个东西,在08年google把它贡献给了开源社区,随后便有越来越多的人使用它.protobuf是一个结构化信息传递的工具,主要 ...
- SFM学习
摘自李翠http://www.cnblogs.com/serser/p/6598621.html SFM 1.相机模型,内参数和外参数矩阵,相机标定: 2.极线约束和本征矩阵:特征点提取与匹配:提取到 ...
- opencv2 直方图之calchist函数使用(转)
OpenCV提供了calcHist函数来计算图像直方图. 其中C++的函数原型如下:void calcHist(const Mat* arrays, int narrays, const int* c ...