Python的re模块,正则表达式书写方法
Python的re模块,正则表达式
#导入re模块
import re
1、match方法的使用:
result = re.match(正则表达式,待匹配的字符串)
正则表达式写法:
第一部分:
字符 |
功能 |
.(点,英文的句号) |
匹配任意一个字符,除了\n |
[] |
匹配[]中列举的字符 |
\d |
匹配数字,即0-9 |
\D |
匹配非数字 |
\s |
匹配空白,即空格,tag键 |
\S |
匹配非空白 |
\w |
匹配单词字符,即数字,小写字母,大写字母,下划线_ |
\W |
匹配非单词字符 |
举例:
>>> re.match(".","&and") #.匹配任意字符,除了\n,只要第一个匹配,后面的and都是无所谓了,match方法就是这样定义的。从字符串最左边开始匹配,只要都匹配正则表达式,字符串后面的多余部分可以随意
<_sre.SRE_Match object; span=(0, 1), match='&'> #匹配到就有返回值,match是匹配到的具体内容,即 给一个.匹配了最左边的第一个字符&。
>>> re.match(".","\n") #不匹配,就返回None
>>> re.match("[1234][a-z][A-Z]\d","1aZ9") #正则表达式的意思是第一个字符要满足在1-4范围内,第二个字符是小写字母a-z,第三个字符是大写字符A-Z,第四个字符是数字,后面的字符串刚好满足,所以返回了下面这串值。这里同样的1aZ9匹配,1aZ9#@@¥%¥也是匹配的。
<_sre.SRE_Match object; span=(0, 4), match='1aZ9'>
>> re.match("\w\W","a%224") #第一个匹配单词字符,第二个匹配非单词字符,后面的无所谓
<_sre.SRE_Match object; span=(0, 2), match='a%'>
>>> re.match("\w\W","ab")
第二部分,个数相关:
字符 |
功能含义 |
* |
匹配一个字符出现0次或者多次,即可有可无 |
+ |
匹配一个字符出现1次或者多次,至少出现一次 |
? |
一个字符出现1次或者0次,即要么出现1次要么不出现 |
{m} |
匹配个数,前面的字符出现了m次 |
{m,} |
匹配个数,前面的字符至少出现了m次 |
{m,n} |
匹配个数,前面的字符出现了m到n次 |
举例:
>>> re.match("\d*","1234aa") #\d出现了0次或者多次
<_sre.SRE_Match object; span=(0, 4), match='1234'> #匹配到的是1234
>>> re.match("\d*","abd")
<_sre.SRE_Match object; span=(0, 0), match=''> #匹配到空字符
>>> re.match("\d+","abd") #匹配不到,因为+意思是必须至少出现1次
>>> re.match("\d{11}","18510666666") #数字匹配11个
<_sre.SRE_Match object; span=(0, 11), match='18510666666'>
# 匹配手机号,分析:手机号第一个数字必须为1,第二个数字应该是3、4、5、8、9,第3个到第11个是任意数字,所以为:\d{9},表示9个数字,然后只能有11个数字,所以9个数字的后面加$表示匹配结束,只能匹配前面的11个数字
res = re.match(r"1[34589]\d{9}$", "13511111111")
>>> re.match("1[34589]\d{9}","12000000000") #第2个数字不满足,不匹配
>>> re.match("1[34589]\d{9}","13000000000r") #满足,匹配
<_sre.SRE_Match object; span=(0, 11), match='13000000000'>
第三部分,边界相关:
字符 |
功能含义 |
^ |
表示匹配一个字符的开头 |
$ |
表示匹配一个字符的结尾 |
\b |
匹配一个字符的边界 |
\B |
匹配非字符边界 |
还是上面的例子,匹配手机号:
>>> re.match("1[34589]\d{9}","13000000000r") #满足,匹配
上面这个正则表达式是匹配的,但是显然不对,手机号后面不应该有字母,怎么解决呢?在写完的正则表达式后加$即可
>>> re.match("1[34589]\d{9}$","13000000000r") #不满足,不匹配
如果要匹配一个:D:\\python\\test,怎么办?
>>> re.match("D:\\python\\test","D:\\python\\test") #这样写是不对的,python会把\解析为转义字符,如何能避免呢,下面这样写,在正则表达式的前面加r:
>>> re.match(r"D:\\python\\test","D:\\python\\test")
<_sre.SRE_Match object; span=(0, 14), match='D:\\python\\test'>
Ps:推荐每当写正则表达式的时候,不管后面有没有转义字符,都加r
re.match(r"^.+ve\B","ho ver") #\B表示前面的字符e不在边界
<_sre.SRE_Match object; span=(0, 5), match='ho ve'>
>>> re.match(r"^.+ve\b","ho ve r")
<_sre.SRE_Match object; span=(0, 5), match='ho ve'>
>>> re.match(r"\w+\b\s+\w+\b\s+\w+\b","I love python")
<_sre.SRE_Match object; span=(0, 13), match='I love python'>
|管道符,逻辑或符号,在正则表达式中一样表示或,即匹配|符号两边的任意一个表达式都可以
比如,匹配0-100的数字:
#分析:第一个|符号前面的表达式是0,匹配0,第二个是100,第三个是匹配两位数字或者1位数字,第一位数字是1-9,第2位数字是0-9,?意思是可以有可以没有。
re.match(r"0|100|[1-9][\d?]$","90")
<_sre.SRE_Match object; span=(0, 2), match='90'>
>>> re.match(r"0|100|[1-9][\d?]$","0")
<_sre.SRE_Match object; span=(0, 1), match='0'>
完善后:
>>> re.match(r"[1-9]?\d$|100","0") #0匹配了第二个\d$
<_sre.SRE_Match object; span=(0, 1), match='0'>
第四部分,分组:
字符 |
功能含义 |
| |
匹配左右任意一个表达式 |
(ab) |
将括号中的字符作为一个分组 |
\num |
引用分组num匹配到的字符串 |
(?P<name>) |
给分组起名字 |
(?P=name) |
引用分组的名字 |
举例:
#定义一个字符串s
S=”<html><body><p>python</p></body></html>”
匹配上述的字符串,正则表达式如何写?
分析:第一个<html>跟最后一个</html>是一对,内容是一样的只是后面多了一个/,同理中间也是如此,这个时候可以使用分组的思想
先使用不分组的思想匹配:
res = r"<.+><.+><.+>.+</.+></.+></.+>"
>>> re.match(res,s)
<_sre.SRE_Match object; span=(0, 39), match='<html><body><p>python</p></body></html>'>
可以匹配到,然后使用分组思想,很简单,就是将<>里面的内容用()包起来,然后后面使用索引:
>>> res = r"<(.+)><(.+)><(.+)>.+</\3></\2></\1>"
>>> re.match(res,s)
<_sre.SRE_Match object; span=(0, 39), match='<html><body><p>python</p></body></html>'>
分析:第一个(.+)是分组的第一个索引,匹配到的内容是html,你希望最后一个<>内也是这个值,那么就在最后的位置,写\1表示匹配第一个分组的内容
有时分组内容太多,用索引会有可能乱掉,就可以使用起别名的方式,如下:
>>> res = r"<(?P<key1>.+)><(?P<key2>.+)><(?P<key3>.+)>.+</(?P=key3)></(?P=key2)></(?P=key1)>"
>>> re.match(res,s)
<_sre.SRE_Match object; span=(0, 39), match='<html><body><p>python</p></body></html>'>
原本第一个分组里面的内容是<(.+)>,想要起别名,就在.+的前面加上?P<key1>,后面引用这个别名的时候:(?P=key1),要注意括号必须有,有括号才表示分组
如果想获取<p></p>中间的内容,应该如何获取呢,或者你想要获取每一个分组的内容?
这时候可以使用group方法,接上面的:
>>> gr = re.match(res,s)
>>> gr.group() #不写索引值就默认把匹配到的所有值都打出来
'<html><body><p>python</p></body></html>'
>>> gr.group(1) #获取第一个分组
'html'
>>> gr.group(2) #获取第2个分组
'body'
>>> gr.group(3) # 获取第3个分组
'p'
>>> gr.group(4) #获取第4个分组报错了,因为没有第4个了
Traceback (most recent call last):
File "<input>", line 1, in <module>
IndexError: no such group
如果只想获取<p></p>中间的内容python,那你要把中间匹配到的内容用()括起来,表示也是一个分组:
>>> res = r"<(?P<key1>.+)><(?P<key2>.+)><(?P<key3>.+)>(.+)</(?P=key3)></(?P=key2)></(?P=key1)>"
>>> gr = re.match(res,s)
>>> gr.group(4)
'python'
第五部分,re模块的其他方法:
Search方法,从待匹配的字符串中检索出需要的,比如从”阅读次数为 999”字符串中检索出阅读次数:
>>> ret = re.search(r"\d+","阅读次数为:999")
>>> ret.group()
'999'
Search方法只能匹配到第1次的内容,比如:
>>> ret = re.search(r"\d+","阅读次数为:999,浏览次数为:2000")
>>> ret.group()
'999'
如果想要把所有的数字都找出来,可以使用findall方法,findall方法返回的是一个列表,没有group方法,可以直接打印列表
>>>ret = re.findall(r"\d+","阅读次数为:999,浏览次数为:2000")
>>> ret
['999', '2000']
Sub方法可以替换匹配到的字符串
>>> ret = re.sub(r"\d+","1000","阅读次数为:999 ")
>>> ret
'阅读次数为:1000 '
sub方法的第一个参数是正则表达式,第2个参数为替换后的数据,第三个参数是待匹配的字符串
第二个参数也可以为一个方法名,比如将阅读次数加1:
# 定义一个方法,有一个参数,接收匹配到的数据,并且返回一个数据
#sub方法会将匹配到的数据依次传到方法read_num中,所以我们首先要使用group方法获取到每个参数的具体内容,然后将这个字符串转为int类型,再加1,注意return的时候要转为字符串,这个位置的值只能是字符串
def read_num(num):
num_temp = num.group()
num = int(num_temp) + 1
return str(num)
s = "阅读次数为:999,浏览次数为2000"
ret = re.sub(r"\d+",read_num,s)
print(ret)
print结果:阅读次数为:1000,浏览次数为2001
# 将句子中的pho换成python
>>> ret = re.sub(r"php","python","I love php")
>>> ret
'I love python'
区分大小写:
>>> ret = re.sub(r"php","python","I love phP")
>>> ret
'I love phP'
Python中的贪婪和非贪婪
Python中默认的匹配时贪婪的(即尽可能多的匹配),那么如何能做到非贪婪呢?
在“*”“?”“+”“{m,n}”的后面加上?就可以做到非贪婪,尽可能少的匹配
比如:s="this is a number: 0312-265-8888",匹配出里面的电话号码,如果用下面第一种方法:
>>> ret = re.match(r".+(\d+-\d+-\d+)",s) #因为要匹配数字,所以把号码用括号括起来
>>> ret.group()
'this is a number: 0312-265-8888'
#这个结果是这种方式提取到的号码,明显不是我们想要的
>>> ret.group(1)
'2-265-8888'
这面这种方式就是贪婪方式,前面的.+尽可能的匹配多一些,后面的\d+只要有一个数字就可以满足,所以别的数字都归到了.+里面,在.+的后面加?后结果就不一样了:
>>> ret = re.match(r".+?(\d+-\d+-\d+)",s)
>>> ret.group(1)
'0312-265-8888'
加了?改成了非贪婪模式,那就是说尽可能多的匹配后面的\d+。
这个的group()方法,还有另外的类似方法是groups(),举例:
>>> ret = re.match(r"(.+?)(\d+-\d+-\d+)",s)
>>> ret.groups()
('this is a number: ', '0312-265-8888')
Groups方法返回一个元祖,每一个分组匹配到的字符串放到元祖里面。
上面的结果是加了?的,如果不加?,那么结果为:
>>> ret = re.match(r"(.+)(\d+-\d+-\d+)",s)
>>> ret.groups()
('this is a number: 031', '2-265-8888')
Split()方法的用法:
找出s中的单词
>>> s = "hi python,hello world"
#用,或者空格分隔s,返回一个列表,注意:|的后面有一个空格
>>> ret = re.split(r",+| +",s)
>>> ret
['hi', 'python', 'hello', 'world']
思考:
将多个http链接比如:http://www.51testing.com/?506458的后半部分去掉,只留下http://www.51testing.com/,如何做?
分析:后面这部分“?506458”不好匹配,但是前面比较有规律,思路就可以考虑匹配到前面的内容
>>> ret = re.sub(r"(http://.+?/).*",lambda x:x.group(1),s)
>>> ret
'http://www.51testing.com/'
解析:前面的正则表达式"(http://.+?/).*",可以匹配到的内容应该是整个http链接,把这个结果传入到lambda函数中,x的值就是正则表达式匹配的结果,然后x.group(1)就是将分组的第一个返回。这样就ok了。
Python的re模块,正则表达式书写方法的更多相关文章
- 【Python开发】Python之re模块 —— 正则表达式操作
Python之re模块 -- 正则表达式操作 这个模块提供了与 Perl 相似l的正则表达式匹配操作.Unicode字符串也同样适用. 正则表达式使用反斜杠" \ "来代表特殊形式 ...
- Python中optionParser模块的使用方法[转]
本文以实例形式较为详尽的讲述了Python中optionParser模块的使用方法,对于深入学习Python有很好的借鉴价值.分享给大家供大家参考之用.具体分析如下: 一般来说,Python中有两个内 ...
- Python 的 time 模块导入及其方法
时间模块很重要,Python 程序能用很多方式处理日期和时间,转换日期格式是一个常见的功能,讲解一下Python 的 time 模块导入及其方法. 1,time 模块导入 import time; # ...
- js中正则表达式 书写方法
function test(){ var text="index.aspx?test=1&ww=2&www=3"; var re = ...
- Python之re模块 —— 正则表达式操作
这个模块提供了与 Perl 相似l的正则表达式匹配操作.Unicode字符串也同样适用. 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, ...
- Python之re模块正则表达式
re模块用于对python的正则表达式的操作 字符: .匹配除换行符以外的任意字符 \w匹配字母或数字或下划线或汉字 \s匹配任意空白符 \b匹配单词的开始或结束 ^匹配字符串的开始 $匹配字符串的结 ...
- Python 之Re模块(正则表达式)
一.简介 正则表达式本身是一种小型的.高度专业化的编程语言,而在python中,通过内嵌集成re模块,程序媛们可以直接调用来实现正则匹配. 二.正则表达式中常用的字符含义 1.普通字符和11个元字符: ...
- Python下OS模块重命名方法renames
在python中有很多强大的模块,其中我们经常要使用的就是OS模块,OS模块提供了超过200个方法来供我们使用,并且这些方法都是和数据处理相关的,这里介绍下重命名这个方法. OS的重命名方法是os.r ...
- Python:urllib模块的urlretrieve方法
转于:https://blog.csdn.net/fengzhizi76506/article/details/59229846 博主:fengzhizi76506 1)功能: urllib模块提供的 ...
随机推荐
- hdu 1083 Courses (最大匹配)
CoursesTime Limit: 20000/10000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)Total Su ...
- .NET core3.0 使用Jwt保护api
摘要: 本文演示如何向有效用户提供jwt,以及如何在webapi中使用该token通过JwtBearerMiddleware中间件对用户进行身份认证. 认证和授权区别? 首先我们要弄清楚认证(Auth ...
- LaravelS - 基于Swoole加速Laravel/Lumen
LaravelS LaravelS是一个胶水项目,用于快速集成Swoole到Laravel或Lumen,然后赋予它们更好的性能.更多可能性.Github 特性 内置Http/WebSocket服务器 ...
- PostGIS安装教程
安装环境: win10专业版 postgresql-10.6-1-windows-x64 ---因为使用的是ArcGIS10.4版本,pg10.6对于ArcGIS10.4版本过高,建议选择安装pg9. ...
- C# VS2019 WebService创建与发布,并部署到Windows Server 2012R
前言 上一次数据库灾备和性能优化后,数据库专家建议,在不扩容的情况下,客户端不能再频繁的扫描数据库了!一句惊醒梦中人,因为我也发现数据库越来越卡了,自从上个项目上线后,就出现了这个情况.后来分析其原因 ...
- Spire.Cloud.Word 添加Word水印(文本水印、图片水印)
概述 Spire.Cloud.Word提供了watermarksApi接口可用于添加水印,包括添加文本水印(SetTextWatermark).图片水印(SetImageWatermark),本文将对 ...
- Floyd && Dijkstra +邻接表 +链式前向星(真题讲解来源:城市路)
1381:城市路(Dijkstra) 时间限制: 1000 ms 内存限制: 65536 KB提交数: 4066 通过数: 1163 [题目描述] 罗老师被邀请参加一个舞会,是 ...
- OOXML中回车等特殊字符处理方法
问题点:NPOI处理xlsx文档时,将\r写成了换行符. 实例:以下字符abc\rcde 如果直接复制到Excel 2016,显示结果如下(单元格设置为折行显示): 如果用NPOI写入Xlsx文档,显 ...
- 互联网大厂Java面试题集—Spring boot常见面试题(二)
Spring Boot的核心功能与使用优点? 核心功能: 1)Spring Boot项目为独立运行的spring项目,java -jar xx.jar即可运行. 2)内嵌servlet容器(可以选择内 ...
- e = e || window.event的区别及用法
本文链接:https://blog.csdn.net/qq_41348029/article/details/81288481 e = e || window.event 在做事件处理时,用于区分IE ...