正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本,Python使用re模块来处理正则表达式。
一、正则表达式
1、通配符
句点 . 与除换行符外的任何字符都匹配,并且只与一个字符匹配。
例如正则表达式'.ython'与字符串'python'匹配,不与'cpython'或'ython'匹配。
2、特殊字符转义
用两个反斜杠转义,如果用单个反斜杠,则前面字符串加r。
例如模式'python\\.org',或r'python\.org'匹配字符串'python.org'。
3、字符集
字符集用方括号将一个子串括起,字符集只能匹配一个字符,如 '[pj]ython'与'python'和'jython'都匹配;
也可以使用用范围,如'[a-zA-Z0-9]'与大写字母、小写字母和数字都匹配;
要指定排除字符集,在开头添加一个^字符,如'[^ab]'与除a、b外的其他任何字符都匹配。
4、二选一和子模式
使用管道字符 | 表示匹配两个中的一个 ,如'python|perl' 匹配'python'和'perl'。
如果只想将 | 用于模式的一部分,可将这部分(子模式)放在圆括号内。如'p(ython|erl)'。
单个字符也可称为子模式。
5、字符串的开头和结尾
开头用脱字符 ^,结尾用美元符号 $。
6、可选模式和重复模式
在子模式后面加上指定符号 ,可指定可选和重复模式。
(pattern)? : pattern可重复0、1
(pattern)* : pattern可重复0、1或多次
(pattern)+ : pattern可重复1或多次
(pattern){m,n} : pattern可重复m至n次
重复运算符默认是贪婪的,匹配尽可能多的内容。
如r'\*(.+)\*'匹配字符串 '*This* is *it*!'时将匹配到*This* is *it*
在重复运算符后面加问号?可指定为非贪婪的,
如r'\*(.+?)\*'匹配字符串 '*This* is *it*!'时将匹配到*This* 和 *it*
二、模板re包含使用正则表达式的函数。
1、search(pattern, string[, flags])
(1)在给定字符串查找第一个与正则表达式匹配的子串,如果找到将返回MatchObject对象(结果为真),否则返回None(结果为假)
参数 pattern 为正则表达式,string 为要匹配的字符串,flags为标志位,控制是否区分大小写等等。
(2)MatchObject对象
MatchObject对象包含与模式匹配的子串的信息,这些子串部分称为编组。
编组就是放在圆括号内的子模式,根据左边的括号数编号,其中编组0指的是整个模式。
MatchObject对象的几个重要方法
groups() 返回一个包含所有编组字符串的元组,从 1 到 所含的编组,不包含编组0。
group([group1, ...]) 获取与给定子模式(编组)匹配的子串,没有指定编组号则默认为0
start([group]) 返回与给定编组匹配的子串的起始位置
end([group]) 返回与给定编组匹配的子串的终止位置(与切片一样不包含终止位置)
span([group]) 返回与给定编组匹配的子串的起始位置和终止位置
import re m = re.search(r'www\.(.*)\.(.{3})', 'WWW.python.org', re.I) #忽略大小写 if(m): print(m.groups()) #从编组1算起 print('编组0:') print(m.group()) print(m.group(0)) print('编组1:') print(m.group(1)) print(m.start(1)) print(m.end(1)) print(m.span(1)) print('编组2:') print(m.group(2)) print(m.start(2)) print(m.end(2)) print(m.span(2))
运行结果:
('python', 'org') 编组0: www.python.org www.python.org 编组1: python 4 10 (4, 10) 编组2: org 11 14 (11, 14)
2、match(pattern, string[, flags])
match函数与search函数类似,不同之处是在给定字符串开头查找与正则表达式匹配的子串。
import re m1 = re.search(r'python', 'www.python.org') if(m1): print('search匹配成功') else: print('search匹配失败') m2 = re.match(r'python', 'www.python.org') if(m2): print('match匹配成功') else: print('match匹配失败')
运行结果:
search匹配成功 match匹配失败
3、compile(pattern[, flags])
调用search、match等函数时,如果提供的是用字符串表示的正则表达式,内部会将它们转换为模式对象。
compile将字符串表示的正则表达式转换为模式对象,内部无需再进行转换。
模式对象也有搜索/匹配方法,因此
pat = re.compile(pattern[, flags])
pat.search(string) (pat是使用 compile创建的模式对象)
等价于re.search(pattern, string[, flags])
import re m1 = re.search(r'python', 'www.python.org') if(m1): print('search匹配成功') else: print('search匹配失败') pat = re.compile(r'python') m2 = pat.search('www.python.org') if(m1): print('compile search匹配成功') else: print('compile search匹配失败')
运行结果:
search匹配成功 compile search匹配成功
4、split(pattern, string[, maxsplit=0])
根据模式来分割字符串,返回列表
import re res = re.split('[, ]', 'ab,cd 123') #以空格和逗号为分隔符来分割 print(res)
运行结果:
['ab', 'cd', '123']
5、findall(pattern, string)
返回一个列表,其中包含字符串中所有与模式匹配的子串
import re result = re.findall(r'\d+', 'ab,cd 123 456') #查找数字 print(result)
运行结果:
['123', '456']
6、sub(pattern, repl, string[, count=0])
将字符串中与模式pattern匹配的子串都替换为repl
import re result = re.sub(r'\D', '', 'abc123def') print(result)
运行结果:
123