1,匹配符号
- * : 匹配前一个字符0次,1次,多次
- + : 匹配前一个字符1次,多次
- ? : 匹配前一个字符0次,1次
- {n} : 匹配前一个字符n次
- {n,} : 匹配前一个字符至少n次
- {n,m} : 匹配前一个字符n到m次
- . : 匹配任意一个字符(除了换行符/n),若指定flag
- ^ : 匹配字符串开头(无法匹配换行符后的位置)
- $ : 匹配字符串结尾(无法匹配换行符前的位置)
- | : 或
- [] : 或
- () : 捕获分组,可以设置?:不捕获分组
- \A : 匹配字符串开始,与^的区别是\A不受MULTILINE影响?
- \Z : 匹配字符结尾,与$的区别是\Z不受MULTILINE影响?
- \d : 匹配数字
- \D : 匹配非数字
- \w : 匹配[a-zA-Z0-9]
- \W : 匹配非[a-zA-Z0-9]
- \s : 匹配空白字符, 即[\f\n\r\t\v]
- \S : 匹配任何非空白字符,即[^ \f\n\r\t\v]
- \b : 单词边界
- \B : 非单词边界
- [a-z] : 匹配任意小写字母
- [A-Z] : 匹配任意大写字母
- [a-zA-Z] : 匹配任意字母
2,匹配flags
- MULTILINE(M):改变“^”和“$”,让“^”能够匹配到换行符后的位置,让“$”能够匹配到换行符前的位置
- DOTALL(S):改变“.”,让“.”能够匹配换行符
- IGNORECASE(I):忽略大小写
- LOCALE(L)
- UNICODE(U)
- VERBOSE(X)
- ASCII(A)
3,匹配模式
- 整体匹配(只匹配第一次):re.search / re.match
- 全局匹配(匹配所有):re.findall
- 分组捕获:(),整体匹配和全局匹配都可以进行分组捕获,捕获匹配结果中的部分内容,分组捕获可以嵌套,详见匹配举例
4,匹配写法
方法一,需要重复执行匹配的,先编译再匹配
regex = re.compile(p)
regex.search(s)
re.search(regex, s)
方法二,简单的可以直接匹配
re.search(p, s)
5,匹配方法
1)re.search(p, s)
从s中提取完全符合p的内容,只提取第一次命中的,返回re.match对象
提取整体匹配结果:searchObj.group(), searchObj.group(0)
提取所有分组捕获结果:searchObj.groups()
提取单个分组捕获结果:searchObj.group(n), 即groups()[i] = group(i+1)
2)re.findall(p, s)
提取所有符合p的内容,返回字符串组成的列表
使用分组捕获时,返回分组捕获结果(元组)组成的列表
re.search使用分组捕获时既可以捕获整体匹配,也可以捕获分组内容
re.findall使用分组捕获时只能捕获分组内容
3)re.match(p, s)
可以用re.search(^)替代
MULTILINE模式下,match也只匹配s,但re.search可以匹配换行后的开始
4)re.finditer(p, s)
re.findall的惰性版,返回iterator
5)re.split(p, s)
根据p分割字符串s
6)re.sub(p, repl, s, count=n)
p是匹配到的值,repl是替换后值,s是m目标字符串,count是替换多少次
re.subn(p, repl)可以返回替换次数
6,分组捕获时添加标签
>>>ID = "310115199012128765" >>>p = "(?P<dictrict>[0-9]{6})(?P<birthday>[0-9]{8})" >>>re.search(p, ID).groupdict() {'dictrict': '310115', 'birthday': '19901212'}
7,懒惰匹配和贪婪匹配
.*是贪婪比配,尽可能多
.*?是懒惰匹配,满足条件时,尽可能少
>>>re.search('a.*?b', 'abab').group() ab >>>re.search('a.*?b', 'abab').group() abab >>>re.search('192\.168\.1\..*$', '192.168.1.12').group() 192.168.1.12 >>>re.search('192\.168\.1\..*?', '192.168.1.12').group() # 没有结束符,懒惰不匹配 192.168.1. >>>re.search('192\.168\.1\..*', '192.168.1.12').group() # 没有结束符,贪婪匹配至最后 192.168.1.12
8,前向界定和后向界定
(?<=s):前向界定,s后面的位置
(?=s):后向界定,s前面的位置
>>>s = 'ab1c ab2c\nab3c' >>>re.findall('(a.*?)(?:\s|$)', s) # 貌似$不能用[]或 ['ab1c', 'ab2c', 'ab3c'] >>>re.findall('((?<=b).*?)(?:\s|$)', s) # b后面的位置开始 ['1c', '2c', '3c'] >>>re.findall('((?=b).*?)(?:\s|$)', s) # b前面的位置开始 ['b1c', 'b2c', 'b3c']
9,转义
编程语言的转义:
>>>s = 'c:\name.txt' >>>print('c:\name.txt') c: ame.txt
不转义就会被换行处理,解决方法是print('c:\\name.txt')或者print(r'c:\name.txt')
正则表达式的转义:
>>>s = 'c:\\name.txt' >>>re.search('c:\\\\.*?\.', s).group() 'c:\\name.' >>>re.search(r'c:\\.*?\.', s).group() 'c:\\name.'
自动转义:
有些编程语言没有特殊意义的字符,可能无需转义
例如print('\n)和print('\\n')不一样
但是print('\d)和print('\\d')是一样的
10,匹配举例
'ab1c ab2c\nab3c'匹配例子:
>>>s = 'ab1c ab2c\nab3c' >>>re.search('a.*?c a.*?c', s).group() # 整体匹配 ab1c ab2c >>>re.search('a(.*?)c a(.*?)c', s).groups() # 整体匹配 + 捕获分组 'b1 b2' >>>re.search('a(\w(\w))c a(\w(\w))c', s).groups() # 整体匹配 + 捕获分组 ('b1', '1', 'b2', '2') >>>re.findall('a.*?c', s) # 全局匹配 ['ab1c', 'ab2c', 'ab3c'] >>>re.findall('a(.*?)c', s) # 全局匹配 + 捕获分组:只能捕获分组内容 ['b1', 'b2', 'b3'] >>>re.findall('a(\w(\w))c', s) # 全局匹配 + 捕获分组嵌套 [('b1', '1'), ('b2', '2'), ('b3', '3')] >>>re.findall('a.*?c$', s) ['ab3c'] >>>re.findall('a.*?c$', s, flags=re.M) # re.M影响$ ['ab1c ab2c', 'ab3c'] >>>re.findall('^a.*?c', s) ['ab1c'] >>>re.findall('^a.*?c', s, flags=re.M) # re.M影响^ ['ab1c', 'ab3c'] >>>re.search('a.*c', s).group() 'ab1c ab2c' >>>re.search('a.*c', s, flags=re.DOTALL).group() # re.DOTALL影响. 'ab1c ab2c\nab3c' >>>re.split('\s', s) ['ab1c', 'ab2c', 'ab3c'] >>>re.split('(\s)', s) # re.split + 分组可以看到分隔符 ['ab1c', ' ', 'ab2c', '\n', 'ab3c']
'a b, c ; d\ e'匹配例子:
>>>s = 'a b, c ; d\ e' >>>s 'a b, c ; d\\ e' # \被自动转成\\ >>>re.split(r'\s*[\s,;\\]\s*', s) ['a', 'b', 'c', 'd', 'e'] >>>re.split(r'\s*(?:\s|,|;|\\)\s*', s) # []的等效写法 ['a', 'b', 'c', 'd', 'e'] >>>re.split(r'\s*(\s|,|;|\\)\s*', s) # 不用?:只抓到了单个分隔符,用它去对s分割会包含单个分隔符 ['a', ' ', 'b', ',', 'c', ';', 'd', '\\', 'e'] >>> re.split(r'(\s*(?:\s|,|;|\\)\s*)', s) # 包含完整的分隔符 ['a', ' ', 'b', ', ', 'c', ' ; ', 'd', '\\ ', 'e']