python 正则表达式(二)
下面列举了Python3的所有符号用法,别背,千万别背,用到时来查就行。
字符 | 含义 |
---|---|
. | 表示匹配除了换行符外的任何字符 注:通过设置 re.DOTALL 标志可以使 . 匹配任何字符(包含换行符) |
| | A | B,表示匹配正则表达式 A 或者 B |
^ | 1.(脱字符)匹配输入字符串的开始位置 2.如果设置了 re.MULTILINE 标志,^ 也匹配换行符之后的位置 |
$ | 1.匹配输入字符串的结束位置 2.如果设置了re.MULTILINE标志,$也匹配换行符之前的位置 |
\ | 1.将一个普通字符变成特殊字符,例如 \d 表示匹配所有十进制数字 2.解除元字符的特殊功能,例如 . 表示匹配点号本身 3.引用序号对应的子组所匹配的字符串 4.详见下方列举 |
[…] | 字符类,匹配所包含的任意一个字符 注1:连字符 - 如果出现在字符串中间表示字符范围描述;如果如果出现在首位则仅作为普通字符 注2:特殊字符仅有反斜线 \ 保持特殊含义,用于转义字符。其它特殊字符如 *、+、? 等均作为普通字符匹配 注3:脱字符 ^ 如果出现在首位则表示匹配不包含其中的任意字符;如果 ^ 出现在字符串中间就仅作为普通字符匹配 |
{M,N} | M 和 N 均为非负整数,其中 M <= N,表示前边的 RE 匹配 M ~ N 次 注1:{M,} 表示至少匹配 M 次 注2:{,N} 等价于 {0,N} 注3:{N} 表示需要匹配 N 次 |
* | 匹配前面的子表达式零次或多次,等价于 {0,} |
+ | 匹配前面的子表达式一次或多次,等价于 {1,} |
? | 匹配前面的子表达式零次或一次,等价于 {0,1} |
*?, +?, ?? | 默认情况下 、+ 和 ? 的匹配模式是贪婪模式(即会尽可能多地匹配符合规则的字符串);?、+? 和 ?? 表示启用对应的非贪婪模式 比如:对于字符串 “FishCCC”,正则表达式 FishC+ 会匹配整个字符串,而 FishC+? 则匹配 “FishC” |
{M,N}? | 同上,启用非贪婪模式,即只匹配 M 次 |
(…) | 匹配圆括号中的正则表达式,或者指定一个子组的开始和结束位置 注:子组的内容可以在匹配之后被 \数字 再次引用 比如:(\w+) \1 可以字符串 “FishC FishC.com” 中的 “FishC FishC”(注意有空格) |
(?…) | (? 开头的表示为正则表达式的扩展语法(下边这些是 Python 支持的所有扩展语法) |
(?aiLmsux) | 1.(? 后可以紧跟着 ‘a’,’i’,’L’,’m’,’s’,’u’,’x’ 中的一个或多个字符,只能在正则表达式的开头使用 2.每一个字符对应一种匹配标志:re-A(只匹配 ASCII 字符),re-I(忽略大小写),re-L(区域设置),re-M(多行模式), re-S(. 匹配任何符号),re-X(详细表达式),包含这些字符将会影响整个正则表达式的规则 3.当你不想通过 re.compile() 设置正则表达式标志,这种方法就非常有用啦 注意,由于 (?x) 决定正则表达式如何被解析,所以它应该总是被放在最前边(最多允许前边有空白符)。如果 (?x) 的前边是非空白字符,那么 (?x) 就发挥不了作用了 |
(?:…) | 非捕获组,即该子组匹配的字符串无法从后边获取 |
(?P…) | 命名组,通过组的名字(name)即可访问到子组匹配的字符串 |
(?P=name) | 反向引用一个命名组,它匹配指定命名组匹配的任何内容 |
(?#…) | 注释,括号中的内容将被忽略 |
(?=…) | 前向肯定断言。如果当前包含的正则表达式(这里以 … 表示)在当前位置成功匹配,则代表成功,否则失败。一旦该部分正则表达式被匹配引擎尝试过,就不会继续进行匹配了;剩下的模式在此断言开始的地方继续尝试 比如:love(?=FishC) 只匹配后边紧跟着 “FishC” 的字符串 “love” |
(?!…) | 前向否定断言。这跟前向肯定断言相反(不匹配则表示成功,匹配表示失败) 比如:FishC(?!.com) 只匹配后边不是 “.com” 的字符串 “FishC” |
(?<=…) | 后向肯定断言。跟前向肯定断言一样,只是方向相反 比如:?<=love)FishC 只匹配前边紧跟着 “love” 的字符串 “FishC” |
(? | 后向否定断言。跟前向肯定断言一样,只是方向相反 比如:(?<!FishC)\.com 只匹配前边不是 “FishC” 的字符串 “.com” |
(?(id/name)yes-pattern|no-pattern) | 1.如果子组的序号或名字存在的话,则尝试 yes-pattern 匹配模式;否则尝试 no-pattern 匹配模式 2.no-pattern 是可选的 比如:(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$) 是一个匹配邮件格式的正则表达式,可以匹配 user@fishc.com 和 ‘user@fishc.com’,但是不会匹配user@fishc.com、user@fishc.com |
\ | 下边列举了由字符 ‘\’ 和另一个字符组成的特殊含义。注意,’\’ + 元字符的组合可以解除元字符的特殊功能 |
\序号 | 1.引用序号对应的子组所匹配的字符串,子组的序号从 1 开始计算 2.如果序号是以 0 开头,或者 3 个数字的长度。那么不会被用于引用对应的子组,而是用于匹配八进制数字所表示的 ASCII 码值对应的字符 比如:(.+) \1 会匹配 “FishC FishC” 或 “55 55”,但不会匹配 “FishCFishC”(注意,因为子组后边还有一个空格) |
\A | 匹配输入字符串的开始位置 |
\Z | 匹配输入字符串的结束位置 |
\b | 匹配一个单词边界,单词被定义为 Unidcode 的字母数字或下横线字符 比如:\bFishC\b 会匹配字符串 “love FishC”、FishC.” 或 “(FishC)” |
\B | 匹配非单词边界,其实就是与 \b 相反 比如:py\B 会匹配字符串 “python”、”py3” 或 “py2”,但不会匹配 “py “、”py.” 或 “py!” |
\d | 1.对于 Unicode(str 类型)模式:匹配任何一个数字,包括 [0-9] 和其他数字字符;如果开启了 re.ASCII 标志,就只匹配 [0-9] 2.对于 8 位(bytes 类型)模式:匹配 [0-9] 中任何一个数字 |
\D | 匹配任何非 Unicode 的数字,其实就是与 \d 相反;如果开启了 re.ASCII 标志,则相当于匹配 [^0-9] |
\s | 1.对于 Unicode(str 类型)模式:匹配 Unicode 中的空白字符(包括 [ \t\n\r\f\v] 以及其他空白字符);如果开启了 re.ASCII 标志,就只匹配 [\t\n\r\f\v] 2.对于 8 位(bytes 类型)模式:匹配 ASCII 中定义的空白字符,即 [ \t\n\r\f\v] |
\S | 匹配任何非 Unicode 中的空白字符,其实就是与 \s 相反;如果开启了 re.ASCII 标志,则相当于匹配 [^ \t\n\r\f\v] |
\w | 1.对于 Unicode(str 类型)模式:匹配任何 Unicode 的单词字符,基本上所有语言的字符都可以匹配,当然也包括数字和下横线;如果开启了 re.ASCII 标志,就只匹配 [a-zA-Z0-9_] 2.对于 8 位(bytes 类型)模式:匹配 ASCII 中定义的字母数字,即 [a-zA-Z0-9_] |
\W | 匹配任何非 Unicode 的单词字符,其实就是与 \w 相反;如果开启了 re.ASCII 标志,则相当于 [^a-zA-Z0-9_] |
转义符号 | 正则表达式还支持大部分 Python 字符串的转义符号:\a,\b,\f,\n,\r,\t,\u,\U,\v,\x,\\ 注1:\b 通常用于匹配一个单词边界,只有在字符类中才表示“退格” 注2:\u 和 \U 只有在 Unicode 模式下才会被识别 注3:八进制转义(\数字)是有限制的,如果第一个数字是 0,或者如果有 3 个八进制数字,那么就被认为是八进制数;其他情况则被认为是子组引用;至于字符串,八进制转义总是最多只能是 3 个数字的长度 |
1.1 (?iLmsux)(必须放在匹配字符串的开头)
用户可以直接在正则表达式里面指定一个或者多个标记,而不是通过compile()或者其他re模块函数。
括号里面的iLmsux表示如下(u并不常用,没有列出):
- re.I,re.IGNORECASE 不区分大小写的匹配
- re.L,re.LOCALE 根据所使用的本地语言环境通过\w,\W,\b,\B,\s,\S实现匹配
- re.M,re.MULTILINE ^和$分别匹配目标字符串中行的起始和结尾,而不是严格匹配整个字符串本身的起始和结尾。
- re.S,re.DOTALL "."(点号)通常匹配除了\n(换行符)之外的所有单个字符;该模式表示"."(点号)能够匹配全部字符。
- re.X,re.VERBOSE 通过反斜线转义,否则所有空格加上#(以及在该行中所有后续文字)都被忽略,除非在一个字符串中或者允许注释并且提高可读性。
- re.findall(r"(?i)yes", "yes? Yes. YES!") # 忽略大小写的匹配
- # ['yes', 'Yes', 'YES']
- text = """
- The first line
- the second line
- the third line
- """
- re.findall(r"th.+", text) # 不使用多行匹配
- # ['the second line', 'the third line']
- re.findall(r"(?s)th.+", text)# 进行多行匹配
- # ['the second line\nthe third line\n']
- re.findall(r"(?is)th.+", text)# 忽略大小写的多行匹配
- # ['The first line\nthe second line\nthe third line\n']
- # 使用拆分的模式串进行匹配电话号,这样更加便于理解,这也可以说是re.X的用处所在
- re.search(r"""(?x)
- (\d3) # 匹配区号
- [ ] # 匹配空白符
- (\d{3}) # 前缀
- - # 横线
- (\d{4}) # 终点数字
- """, '(010) 555-1212').groups()
- # ('010', '555', '1212')
1.2 (?:...)
通过使用该符号,可以对部分正则表达式进行分组,但是并不会保存该分组用于后续的检索或者应用。
- text = """
- http://google.com
- http://www.google.com
- http://code.google.com
- """
- re.findall(r"http://(?:\w+\.)*(\w+\.com)", text)
- # ['google.com', 'google.com', 'google.com'] 观察输出结果可以发现(?:...)中的内容并没有保留
1.3 (?P<name>) 起别名,使用名称标识符来保存匹配
- re.search(r"(?P<name1>\d3) (?P<name2>\d{3})-(?:\d{4})", '(010) 555-1212').groupdict()
- # {'name1': '010', 'name2': '555'}
- # 使用\g(name)标识符来检索保存的匹配
- re.sub(r"(?P<name1>\d3) (?P<name2>\d{3})-(?:\d{4})", "(\g<name1>) \g<name2>-xxxx", "(010) 555-1212")
- # '(010) 555-xxxx'
1.4 (?P=name)
可以在一个相同的正则表达式中重用模式,而不必稍后再次在(相同)正则表达式中指定相同的模式。
不会保留该分组用于以后的检索或者应用。
- text = "(010) 555-1212 010-555-1212 10105551212"
- bool(re.match(r"""(?x)
- # 匹配 (010) 555-1212
- (?P<name1>\d3)[ ](?P<name2>\d{3})-(?P<name3>\d{4})
- [ ]
- # 开始重用模式
- # 匹配 010-555-1212
- (?P=name1)-(?P=name2)-(?P=name3)
- [ ]
- # 匹配 10105551212
- 1(?P=name1)(?P=name2)(?P=name3)
- """, text))
- # True
- text = """
- Guido van Rossum
- Tim Peters
- Alex Martelli
- Just van Rossum
- Raymond Hettinger
- """
- # 只有当一个字符串后面跟着 van Rossum的时候才做匹配操作
- re.findall(r"\w+(?= van Rossum)", text)
- # ['Guido', 'Just']
1.5 (?!...)
- # 忽略以 noreply 和 postmaster 开头的e-mail地址
- text = """
- sales@phptr.com
- postmaster@phptr.com
- eng@phptr.com
- noreply@phptr.com
- admin@phptr.com
- """
- # (?m)不严格匹配整个字符串的起始和结尾
- # 之后的字符串需要不匹配(?!...)表达式才能够匹配成功
- re.findall(r'(?m)^\s+(?!noreply|postmaster)(\w+)', text)
- # ['sales', 'eng', 'admin']
- # 使用finditer迭代器
- ["%s@aw.com" % e.group(1) for e in re.finditer(r'(?m)^\s+(?!noreply|postmaster)(\w+)', text)]
- # ['sales@aw.com', 'eng@aw.com', 'admin@aw.com']
1.6 (?=...)
(?=.com) 当一个字符串后面跟着.com才做匹配操作。
- text = "top.wuxie@gmail.com"
- re.findall(r"\w+(?=.com)", text)
- # ['gmail']
1.7 (?<=...)
(?<=010) 如果字符串之前为"010"才做匹配。
- text = "(010) 555-1212"
- re.findall("(?<=\d3) (\d{3})-(\d{4})", text)
- # [('555', '1212')]
1.8 (?<!...)
(?<!name) 如果一个字符串之前不是name才进行匹配。
- pat=re.compile(r'(?<!\d)[A-Za-z]+')
- print pat.findall('abc21,def31,xyz41')
- print pat.findall('zhoujy20130628hangzhou123,12,binjiang310')
- # ['abc', 'def', 'xyz']
- # ['zhoujy', 'angzhou', 'binjiang']
1.9 (?(id|name)Y|N)
(?(1)Y|N) 如果匹配组1(\1)存在,就与Y匹配,否则,就与X匹配。|N为可选项
- re.findall(r"(\d)?abc(?(1)\d|abc)", "1abc2")
- # ['1']
- #"(?(id/name) yes |no)": 组是否匹配,匹配返回
- pat=re.compile(r'a(\d)?bc(?(1)\d)') #no省略了,完整的是a\dbc\d ==> a2bc3,总共5位,第2位是可有可无的数字,第5为是数字
- print pat.findall('abc9') #返回组1,但第2位(组1)没有,即返回了''
- print pat.findall('a8bc9') #完整的模式,返回组1
- print pat.match('a8bc9').group()
- print pat.match('a8bc9').group(1)
- print pat.findall('a8bc') #第5位不存在,则没有匹配到
- # ['']
- # ['8']
- # a8bc9
- # 8
- # []
常见的正则表达式
QQ表达式
"[1-9]\\d{4,10}"
QQ号规则
- 首先扣扣号开头不能为0;
- QQ号必须大于5且小于11(或12,13,QQ号最长位)
手机号表达式
# 平常手机号
"1[34578]\\d{9}"
# 手机号码后5位相同
"1[34578]\\d{4}(\\d)\\1{4}"
手机号码规则
- 手机号位数为11位
- 开头为1,第二位为3或4或5或7或8
邮箱表达式
"[\w\-\.]+\@(?:[\w\-]+\.)+[a-z]{2,3}"
邮箱规则
- @符号前面的可以为字母,数字,下划线,中划线,或’.’
- @后面的可以是xxx.com、xxx.cn、xxx.com.cn
用户名表达式
"[a-zA-z]\\w{0,9}"
用户名规则
- 必须以字母开头,长度在10位以内
密码表达式
".{6,16}"
密码规则
- 任意字符,6~16位
python 正则表达式(二)的更多相关文章
- python正则表达式二[转]
原文:http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html 1. 正则表达式基础 1.1. 简单介绍 正则表达式并不是Python的一 ...
- python3.4学习笔记(十二) python正则表达式的使用,使用pyspider匹配输出带.html结尾的URL
python3.4学习笔记(十二) python正则表达式的使用,使用pyspider匹配输出带.html结尾的URL实战例子:使用pyspider匹配输出带.html结尾的URL:@config(a ...
- Python正则表达式初识(二)
前几天给大家分享了Python正则表达式初识(一),介绍了正则表达式中的三个特殊字符“^”.“.”和“*”,感兴趣的伙伴可以戳进去看看,今天小编继续给大家分享Python正则表达式相关特殊字符知识点. ...
- Python 正则表达式入门(中级篇)
Python 正则表达式入门(中级篇) 初级篇链接:http://www.cnblogs.com/chuxiuhong/p/5885073.html 上一篇我们说在这一篇里,我们会介绍子表达式,向前向 ...
- python正则表达式 小例几则
会用到的语法 正则字符 释义 举例 + 前面元素至少出现一次 ab+:ab.abbbb 等 * 前面元素出现0次或多次 ab*:a.ab.abb 等 ? 匹配前面的一次或0次 Ab?: A.Ab 等 ...
- Python 正则表达式-OK
Python正则表达式入门 一. 正则表达式基础 1.1. 简单介绍 正则表达式并不是Python的一部分. 正则表达式是用于处理字符串的强大工具, 拥有自己独特的语法以及一个独立的处理引擎, 效率上 ...
- Python正则表达式一
推荐 http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html#!comments 这篇博客超好,建议收藏. 不过对于正则表达式小白,他没 ...
- python 正则表达式汇总
一. 正则表达式基础 1.1.概念介绍 正则表达式是用于处理字符串的强大工具,它并不是Python的一部分. 其他编程语言中也有正则表达式的概念,区别只在于不同的编程语言实现支持的语法数量不同. 它拥 ...
- 一篇搞定Python正则表达式
1. 正则表达式语法 1.1 字符与字符类 1 特殊字符:\.^$?+*{}[]()| 以上特殊字符要想使用字面值,必须使用\进行转义 2 字符类 1. 包含在[]中的一个或者多个字符被称为字符 ...
- Python正则表达式很难?一篇文章搞定他,不是我吹!
1. 正则表达式语法 1.1 字符与字符类 1 特殊字符:.^$?+*{}| 以上特殊字符要想使用字面值,必须使用进行转义 2 字符类 1. 包含在[]中的一个或者多个字符被称为字符类,字符类在匹配时 ...
随机推荐
- dede后台title怎么修改的?去掉XXXX-织梦内容管理系统V5.7
dede后台title怎么修改的? 去掉XXXX-织梦内容管理系统V5.7 打开include/common.inc.php的文件. $cfg_version = 'V57_UTF8_SP1';(这是 ...
- Stockbroker Grapevine - poj 1125 (Floyd算法)
Time Limit: 1000MS Memory Limit: 10000K Total Submissions: 30454 Accepted: 16659 Description S ...
- Frogger - poj 2253 (Dijkstra)
Time Limit: 1000MS Memory Limit: 65536K Total Submissions: 28802 Accepted: 9353 Description Fr ...
- 记pytorch版faster rcnn配置运行中的一些坑
记pytorch版faster rcnn配置运行中的一些坑 项目地址 https://github.com/jwyang/faster-rcnn.pytorch 一般安装配置参考README.md文件 ...
- android--SDK Manager下载Connection to http://dl-ssl.google.com refused
错误 Failed to fetch URL https://dl-ssl.google.com/android/repository/repository-6.xml, reason: Connec ...
- HDU-4031-Attack(树状数组)
Problem Description Today is the 10th Annual of "September 11 attacks", the Al Qaeda is ab ...
- HDU 2588 GCD && GCD问题总结
GCD(一) 题目: The greatest common divisor GCD(a,b) of two positive integers a and b,sometimes written ( ...
- tomcat下发布项目,遇到的问题总结
以前一直是在eclipse下启动tomcat,然后访问web项目.今天脑门一热,就想用tomcat的bin目录下的startup.bat来启动tomcat,虽然tomcat的启动很顺利,但是访问网页的 ...
- 信息搜集之google语法
总结的比较全,无耻的转了.D: http://blog.csdn.net/chaosa/article/details/1828301 说起Google,可谓无人不知无人不晓.作为世界第一的搜索引擎, ...
- python的进程和线程
关于进程: An executing instance of a program is called a process.程序的执行实例称为进程. Each process provides the ...