Python开发【第一篇】Python基础之正则表达式补充
正则表达式
一简介:
就其本质而言,正则表达式(或RE)是一种小型的、高度专业化的标称语言,
(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。
先导入后执行:
import re
二、字符匹配:
字符匹配(普通字符,元字符):
普通字符:大多数字符和字母都会和自身匹配
>>> re.findall('alex','yuanaleSxalexwupeiqi')
['alex']
2元字符:. ^ $ * + ? {} [] | () \
我们首先考察的元字符是“[”和"]"。它们常用来指定一个字符类别,所有字符类
别就是你想匹配的一个字符集。字符可以单个列出,也可以用“-”号分隔的两个给定
字符来表示一个字符区间。例如,[abc]将匹配“a”,"b",或"c"中的任意一个字符;
也可以用区间[a-c]来表示同一字符集,和前者效果一致。如果你只想匹配小写
字母,那么RE应写成[a-z].
元字符在类别里并不起作用。例如,[akm$]将匹配字符"a","k","m",或"$"中
的任意一个;"$"通常用作元字符,但在字符类别中,其特性被除去,恢复成普通字符。
():
#!python
>>> p = re.compile('(a(b)c)d')
>>> m = p.match('abcd')
>>> m.group(0)
'abcd'
>>> m.group(1)
'abc'
>>> m.group(2)
'b'
[]:元字符[]表示字符类,在一个字符类中,只有字符^、-、]和\有特殊含义。
字符\仍然表示转义,字符-可以定义字符范围,字符^放在前面,表示非.
. 匹配到换行符之外得任何一个字符
+ 匹配+号前内容1次至无限次
? 匹配?号前内容0次到1次
{m} 匹配前面的内容m次
{m,n} 匹配前面的内容m到n次
*?,+?,??,{m,n}? 前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
从前面的描述可以看到'*','+'和'*'都是贪婪的,但这也许并不是我们说要的,
所以,可以在后面加个问号,将策略改为非贪婪,只匹配尽量少的RE。示例,
体会两者的区别:
>>> re.findall(r"a(\d+?)","a23b") #非贪婪模式
['2']
>>> re.findall(r"a(\d+)","a23b")
['23']
>>> re.search('<(.*)>', '<H1>title</H1>').group()
'<H1>title</H1>'
re.search('<(.*?)>', '<H1>title</H1>').group()
'<H1>'
注意比较这种情况:
>>> re.findall(r"a(\d+)b","a23b")
['23']
>>> re.findall(r"a(\d+?)b","a23b") #如果前后均有限定条件,则非匹配模式失效
\:
反斜杠后边跟元字符去除特殊功能。
反斜杠后边跟普通字符实现特殊功能。
引用序号对应的字组所匹配的字符串。
re.search(r"(alex)(eric)com\2","alexericcomeric")
\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: 匹配一个单词边界,也就是指单词和空格间的位置。
匹配单词边界(包括开始和结束),这里的“单词”,是指连续的字母、数字和下划线租场的字符串。注意\b的定义是\w和\W的交界,
这是个零宽界字符(zero-width assertions)只用以匹配单词的词首和词尾。
单词被定义为一个字母数字序列,因此词尾就是用空白符或非字母数字符来标示的。
r是按照原生字符来匹配。
>>> re.findall('I','I am hanIsome')
['I', 'I']
>>> re.findall(r'I\b','I am hanIsome')
['I']
>>> re.findall(r'I\b','I&am hanIsome')
['I']
练习:
匹配除换行符以外的任意字符:
re.findall('al.x','yuanaleSxalexwupeiqi')
^起始位置匹配:
re.findall('^al.x','alexyuanaleSxalexwupeiqi'
$末尾位置匹配:
*匹配0到多次:
re.findall('al.*x','yuanaleSxalexwupeiqi')
匹配+号前内容1次至无限次:
re.findall('al.+x','yuanaleSxaleexwupeiqi')
匹配?号前内容0次到1次:
re.findall('al.?x','yuanaleSxalxwupeiqi')
re.findall('al.?x','yuanaleSxalwxwupeiqi')
匹配前面的内容m到n次:
re.findall('al.{1,5}x','yuanSxalweeeexwupeiqi')
re.findall('ald{,6}x','yuanSxalddddddxwupeiqi')(注:匹配前面的d,0到6次)
[]匹配:
re.findall('a[bc]d','abd')
re.findall('a[a-c]d','abd')
re.findall('a[a-z]+d','agbd')
re.findall('a[a*]d','a*d') (注:特殊)
re.findall('a[1-9]d','a4d')
^尖角符在[]是非:
re.findall('a[^f]d','abd')
\匹配:
re.findall('a[\d]d','a2d')(注:\d代表数字的意思)
re.findall('a\wd','a_d')(注:包括下划线)
re.findall(r'I\b','I am hanIsome')(用到了原生字符r匹配空格)
三、函数
1)
match: re.match(pattern, string, flags=0)
flags 编译标志位,用于修改正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。
#.group()是拿到匹配到得值,是match的一个方法。
re.match('com','comwww.runcomoob').group()
re.match('com','Comwww.runComoob',re.I).group()
2)
search:re.search(pattern,string,flags=0)
re.search('\dcom','www.4comrunoob.5com').group()
注意:
findall 是应用最广得。
re.match('com','comwww.runcomoob')
re.search('\dcom','www.4comrunoob.5com')
一旦匹配成功,就是一个match object 对象,而match object对象拥有以下方法:
group()返回被 RE 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()返回一个元组包含匹配(开始,结束)的位置
group()返回re整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串。
1. group()返回re整体匹配的字符串。
2. group (n,m)返回组号为n,m所匹配的字符串,如果组号不存在,则返回indexError异常
3.groups()groups()方法返回一个包含正则表达式中所有小组字符串的元组,从1到所含的小组好,通常groups()不需要参数,返回一个元组,元组中的元就是正则表达式中定义的组。
import re
a = "123abc456"
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0) #123abc456,返回整体
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1) #123
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2) #abc
re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3) #456
group(1)列出第一个括号匹配部门,group(2)列出第二个括号匹配部分,group(3)列出第三个括号匹配部分。
3)
findall:
re.findall 以列表形式返回所有匹配的字符串
re.findall 可以获取字符串中所有匹配的字符串。如:
p = re.compile(r'\d+')
print p.findall('one1two2three3four4')
re.findall(r'\w*oo\w*', text);获取字符串中,包含'oo'的所有单词。
import re
text = "JGood is a handsome boy, he is handsome and cool,clever,and so on ...."
print re.findall(r'\w*oo\w*',text) #结果:['JGood','cool']
#print re.findall(r'(\w)*oo(\w)*',text) # ()表示子表达式 结果:[('G','d'),('c','l')]
finditer():
>>> p = re.compile(r'\d+')
>>> iterator = p.finditer('12 drumm44ers drumming, 11... 10 ...')
>>> for match in iterator:
match.group(),match.span()
4)
sub subn:
re.sub(pattern, repl, string, max=0)
re.sub("g.t","have",'I get A, I got B, I gut C')
re.sub("g.t","have",'I get A, I got B, I gut C',2)
#后面2 数字,是最大替换次数
re.subn("g.t","have",'I get A, I got B, I gut C')
subn不仅全替换了,而且把替换得次数也打印出来。
5)
split:
p = re.compile(r'\d+')
p.split('one1two2tree3four4')
re.split('\d+','one1two2three3four')
6)
re.compile(strPattern[, flag]):
这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为
Pattern对象。第二个参数flag是匹配模式,取值可以使用按位或运算符'|'
表示同时生效,比如re.I | re.M
可以把正则表达式编译成一个正则表达式对象。可以把那些经常使用的正则
表达式编译成正则表达式对象,这样可以提高一定的效率。下面是一个正则表达式对象的一个例子:
import re
text = "JGood is a handsome boy, he is cool, clever, and so on..."
regex = re.compile(r'\w*oo\w*')
print regex.findall(text) #查找所有包含'oo'的单词
原生字符串 r:
a = re.search(r'\bblow','blow')
正则分组:
去已经匹配到的数据中再提取数据
Python开发【第一篇】Python基础之正则表达式补充的更多相关文章
- Python开发 第一篇 python的前世今生
Python前世今生 python的创始人为吉多·范罗苏姆(Guido van Rossum).1989年的圣诞节期间,吉多·范罗苏姆为了在阿姆斯特丹打发时间,决心开发一个新的脚本解释程序,作为ABC ...
- Python【第一篇】基础介绍
一.本节主要内容 Python介绍 发展史 Python 2 or 3? 安装 Hello World程序 变量 用户输入 模块初识 .pyc文件 数据类型初识 数据运算 表达式if ...else语 ...
- python开发第一篇:初识python
一. Python介绍 python的创始人为吉多·范罗苏姆(Guido van Rossum).1989年的圣诞节期间,吉多·范罗苏姆为了在阿姆斯特丹打发时间,决心开发一个新的脚本解释程序,作为AB ...
- Python开发第一篇
Python 是什么? 首先他可能是比较好的一个编程开发语言!
- Python unittest第一篇:基础入门+命令行编译
unittest单元测试框架最初受JUnit启发,与其他语言的主要单元测试框架具有相似的风格. 它支持测试自动化,支持开启或关闭某个测试,支持结合测试.另外它可以生成各个单元测试的报告.为了实现以上功 ...
- 图解Python 【第一篇】:Python基础1
本节内容一览图 一.Python简介 Python前世今生 python的创始人为吉多·范罗苏姆(Guido van Rossum).1989年的圣诞节期间,吉多·范罗苏姆为了在阿姆斯特丹打发时间, ...
- 《python开发技术详解》|百度网盘免费下载|Python开发入门篇
<python开发技术详解>|百度网盘免费下载|Python开发入门篇 提取码:2sby 内容简介 Python是目前最流行的动态脚本语言之一.本书共27章,由浅入深.全面系统地介绍了利 ...
- 各位大佬Python的第一部分道基础题已经整理好了,希望大家面试的时候能用的上。
Python的第一部分道基础题,希望大家面试的时候能用的上. 1.为什么学习Python? Python是目前市面上,我个人认为是最简洁.最优雅.最有前途.最全能的编程语言,没有之一. 2.通过什么途 ...
- python第一篇-------python介绍
一.python介绍 python的创始人为吉多·范罗苏姆(Guido van Rossum).1989年的圣诞节期间,Guido开始写Python语言的编译器.Python这个名字,来自Guido所 ...
- web前端学习python之第一章_基础语法(二)
web前端学习python之第一章_基础语法(二) 前言:最近新做了一个管理系统,前端已经基本完成, 但是后端人手不足没人给我写接口,自力更生丰衣足食, 所以决定自学python自己给自己写接口哈哈哈 ...
随机推荐
- iOS中的加密方式 与 文件解压缩
1.Base64加密方式 Base64是一种加密方法,可逆的加密. Base64中的可打印字符包括字母A-Z.a-z.数字0-9,这样共有62个字符./ + 填充 = echo -n BC|base6 ...
- Java Script基础(七) HTML DOM模型
一.HTML DOM. HTML DOM的特性和方法是专门针对HTML的,HTML中的每个节点都是一个对象,通过访问属性和方法的方式,让一些DOM操作更加简便,在HTML DOM中有专门用来处理白哦个 ...
- vb.net之窗体继承
相信很多自己动手敲过完整程序的同学都会发现,其实我们敲的很多窗体布局都非常的相似,有的部分用到的控件甚至一模一样,如果每一个窗体都自己重新摆放或者复制粘贴虽然没有问题,但是有时候若是修改其中一小点位置 ...
- VsFTP+本地文件认证+SSl实现虚拟用户配置
1.实验环境: [root@node21 ~]# cat /etc/centos-release CentOS release 6.8 (Final) [root@node21 ~]# uname - ...
- page61-将二分查找重写为一段面向对象的程序
1 将二分查找重写为一段面向对象的程序 (用于在整数集合中进行查找的一种抽象数据类型) public class StaticSETofInts [API] StaticSETofInts(int[] ...
- CF Two Substrings
Two Substrings time limit per test 2 seconds memory limit per test 256 megabytes input standard inpu ...
- Shuffle an Array
class Solution { private: vector<int> arr, idx; public: Solution(vector<int> nums) { sra ...
- 转: 微博的多机房部署的实践(from infoq)
转: http://www.infoq.com/cn/articles/weibo-multi-idc-architecture 在国内网络环境下,单机房的可靠性无法满足大型互联网服务的要求,如机房 ...
- 转:关于视频H264编解码的应用实现
转:http://blog.csdn.net/scalerzhangjie/article/details/8273410 项目要用到视频编解码,最近半个月都在搞,说实话真是走了很多弯路,浪费了很多时 ...
- ASP.Net上传中文文件乱码
只要在Head中添加即可解决:<meta http-equiv='Content-Type' content='text/html; charset=utf-8' />