Python基础(十一)--正则表达式
1 简述
正则表达式可以对指定的字符串与模式之间执行模式匹配。模式可以是普通的字符串,也可以是含有特殊意义字符的字符串。通过正则表达式,我们可以进行查找,校验等。
2 特殊字符
2.1 字符相关
下表字符匹配内容匹配单个字符。\ 在Python中是转义的开始,在正则表达式中也是转义的开始。如果模式使用原始字符串,可以减少转义的繁琐性。
字符 |
说明 |
. |
默认模式下,匹配除换行符(\n)之外的所有单个字符。在S(DOTALL)模式下,匹配所有单个字符。 |
[字符] |
匹配[]内的任意一个字符。[]中可以是单个字符,如[x9k],也可以是一个字符区间,如[a-k],[3-5]。如果需要匹配“-”,可以使用“\-”转义,或者将该字符置于[]的两端,如[-axk]或[axk-]。如果需要匹配“]”,可以使用“\]”转义,或者将该字符置于[]的最前端,如[]axk]。 |
[^字符] |
匹配不在[]内的任意一个字符,[]的取反匹配。 |
\d |
如果是str类型,匹配Unicode十进制数字,这包括但不限于0 ~ 9,例如0,٧等字符,也能够匹配成功。如果是bytes类型,匹配[0-9]。 |
\D |
匹配非Unicode数字字符,\d的取反匹配。 |
\s |
如果是str类型,匹配Unicode空白符,这包括但不限于[空格\t\v\r\n\f]。如果是bytes类型,匹配[空格\t\v\r\n\f]。 |
\S |
匹配非Unicode空白字符,\s的取反匹配。 |
\w |
如果是str类型,匹配Unicode单词字符,这包括但不限于[a-zA-Z0-9_]。如果是bytes类型,则匹配[a-zA-Z0-9_]。 |
\W |
匹配非Unicode单词字符,\w的取反匹配。 |
\ |
转义字符,对正则表达式的特殊字符进行转义,例如,如果要匹配普通的“.”字符,则可以使用“\.”。 |
2.2 次数相关
字符 |
说明 |
* |
匹配前面的字符0次或多次。 |
+ |
匹配前面的字符1次或多次。 |
? |
匹配前面的字符0次或1次。 |
{m} |
匹配前面的字符m次。 |
{m,} |
匹配前面的字符至少m次。 |
{,n} |
匹配前面的字符至多n次。 |
{m,n} |
匹配前面的字符m到n次。 |
X? |
X表示以上的任意一种模式({m}除外),即在对应的模式字符串后面加上一个问号?,表示该模式的非贪婪模式(否则为贪婪模式)。贪婪模式与非贪婪模式的区别在于:贪婪模式会尽可能匹配最多的字符,而非贪婪模式会尽可能匹配最少的字符。 |
2.3 边界相关
字符 |
说明 |
^ |
匹配字符串的开头。在多行模式下,可以匹配每一行的开头。 |
$ |
匹配字符串的结尾。在多行模式下,可以匹配每一行的末尾。 |
\A |
仅匹配字符串的开头。 |
\Z |
仅匹配字符串的末尾。 |
\b |
匹配单词的边界。单词可以含有Unicode字符、数字与下划线组成(\w+匹配的内容)。\b匹配的是空串,该空串可以出现在\w(\W)与\W(\w)之间、字符串开头与\w之间或\w与字符串结尾之间。 |
\B |
匹配单词的非边界。\B匹配的是空串,该空串必须出现在两个\w之间。\B是\b的取反匹配。 |
2.4 组相关
字符 |
说明 |
() |
对()内的字符进行分组。分组后,该组匹配的内容可以单独提取,同时,也可以在模式字符串后面使用\number进行引用。 |
\number |
number用来指定组序号,序号从1开始。用来匹配number对应的分组内容。 |
(?:表达式) |
匹配()内的字符,但是不会进行分组。()内匹配的内容也无法单独提取,或者在后面使用\number引用。 |
(?P<name>表达式) |
对()内的字符进行分组,组名为name,多个组之间的名称不能重复。分组后,该组匹配的内容可以单独提取,同时,也可以在模式字符串后面使用(?P=name)或\number进行引用。对比之前()进行的序号分组,此种方式可以称为命名分组。不过,命名分组依然也可以使用序号(\number)进行引用。 |
(?P=name) |
用来匹配同名的分组内容【之前使用(?P<name>)进行的分组】。 |
| |
用来连接两个并列的模式字符串,匹配其中的一个即可。 |
2.5 控制标记
re模块正则表达式的第三个参数flag的使用。(3.6后,使用RegexFlag对象)
I(IGNORECASE):忽略大小写
M(MULTILINE):匹配所有的字符
S(DOTALL):多行模式
3 相关属性和方法
3.1 re模块的函数
re模块提供的函数功能search,match等,使用re.compile编译后返回的正则表达式也提供相应的功能,他们的区别为:①重复使用同一个模式进行匹配不同目标。使用正则表达式对象编译后,会提高一定的性能因为不需要对同一个模式进行重复编译。②使用正则表达式对象访问方法时,可以指定开始与结束区间,re无此功能
函数 | 描述 |
re.compile() | 参数1:模式,参数2:控制标记。根据参数提供的模式与控制标记,编译返回一个正则表达式对象 |
re.search() | 使用正则表达式对象进行匹配查找 |
re.match | 与search功能相同,仅能从头部进行进行查找 |
re.findall() | 查找所有匹配内容,返回一个列表 |
re.finditer() | 返回所有匹配的内容,返回一个迭代器,迭代器中的每一个对象是match对象(正则表达式匹配的对象) |
re.split() | 参数1:切割模式,参数2:待切割的字符串,参数3:最大切割次数 |
re.sub() | 参数1:替换的模式(要替换的内容),参数2:替换后的内容,参数3:待搜索的字符串,参数4:最大替换次数。参数5;控制标记。返回替换之后的内容 |
3.2 正则表达式对象
正则表达式匹配之后,会返回一个match对象,具有的属性方法如下:
属性 | 描述 |
string | 待匹配的文本 |
re | 匹配时使用的patter对象(正则表达式) |
pos | 搜索文本的开始位置 |
endpos | 搜索文本的结束位置 |
方法 | 描述 |
group() | 获得匹配后的字符串 |
groups() | 返回一个元组,元组中的元素为所有分组的匹配结果 |
start() | 匹配字符串在原始字符串的开始位置 |
end() | 匹配字符串在原始字符串的结束位置 |
span() | 返回(.start(), .end()) |