python 正则表达式
2016-06-21 17:41
441 查看
正则表达式内嵌在python中,并通过re模块实现
使用范围:
1,可以为想要匹配的相应字符串集指定规则
2,该字符串集可能包括英文语句,e-mail地址,命令,或任何你想要的东西
3,可以访问诸如‘这个字符串匹配该模式’
4,‘在这个字符串中是否有部分匹配该模式’
5,你也可以使用RE以各种方式来修改或分割字符串
字符匹配:
普通字符
元字符:. ^ $ * + ? {} [] \ | ()
[ ] 常用来指定一个字符集:[abc][a-z]
元字符在字符集中不起作用:[akm$]
补集匹配不在区间范围内的字符:[^5]
^ 匹配行首。除非设置MULTILINE标准,他只是匹配字符串的开始。在MULTILINE模式里,他也可以直接匹配字符串的每个换行
$ 匹配行尾,行尾被定义为要么是字符串,要么是一个换行字符后面的任何位置
定义正则表达式的字符串通常加r,例:s = r'abc'
例:
import re
s=r'abc'
re.findall(s,'abcsfasdfsdfabcsdfdf')
结果:['abc','abc']
st = 'top tip tapd df afdf sdf'
str = r't[io]p' #表示有i或者o
re.findall(str,st)
结果:['top','tip']
st = 'top tip twp tcp'
str = r't[^io]p #^表示取反
re.findall(str,st)
结果:['twp','tcp']
\ 转义字符
反斜杠后面可以加不同的字符以表示不同特殊意义
也可以用于取消所有的元字符:\[ 或\\
\d匹配任何十进制数,相当于[0-9]
\D匹配任何非数字字符,相当于[^0-9]
\s匹配任何空白字符,相当于[\t\n\r\f\v]
\S匹配任何非空白字符,想当于[^\t\n\r\f\v]
\w匹配任何字母数字;相当于[a-zA-Z0-9]
\W匹配任何非字母数字字符,相当于[^a-zA-Z0-9]
* 指定前一个字符可以被匹配0次或更多次,而不是只有一次,匹配引擎会试着重复尽可能多的次数
例:
r = r'010-\d{8}'
#等同于r = '010-\d\d\d\d\d\d\d\d'
re.findall(r,'010-23452134')
r=r'ab*'
re.findall(r,'abbbb')
结果:abbbb
+ 表示匹配一次或多次
注意:*和+之间的不同:*匹配0次或多次,所以可以根本就不出现,而+则要求至少要出现一次
例:
r = r'ab+'
re.findall(r,'a')
#结果为[],而使用r = r'ab*' re.findall(r,'a')
结果为['a']
? 匹配一次或0次;你可以认为它用于标识某事物是可选的
例:r = r'010-?\d{8}'
re.findall(r,'01023453432')
结果为:01023453432
{m,n}
其中m和n是10进制整数,该限定符的意思是至少有m个重复,至多有n个重复
忽略m会认为下边界是0,而忽略上边界为无穷大
{0, }等同与* ,{1,}等同于+,而{0,1}则与?相同,如果可以的话,最好使用*,+,或?
使用正则表达式
re模块提供了一个正则表达式引擎的接口,可以让你将REstring 编译成对象并用他们来进行匹配
编译正则表达式
#!python
import re
p = re.compile(ab*)
p.findall('ab')
#编译好直接使用和re.findall(p,'ab')一样
re.compile()也可以接受可选的标志着参数,常用来实现不同的特殊功能和语法变更
#!python
p = re.compile('ab*',re.IGNORECASE)
字符串前加‘r’反斜杠就不会被任何特殊方式处理
\section 要匹配的字符串
\\section 为re.compile取消反斜杠的特殊意义
\\\\section 为 “\\section”的字符串实值(string literals)取消反斜杠的特殊意思义
例:csvt_re = re.compile(r'csvt',re.I)
#也可以匹配大写
csvt_re.findall('CSVT')
结果:CSVT
执行匹配:
‘RegexObject’实例有一些方法和属性完整的列表可查阅Python Library Reference
match()
决定RE是否在字符串刚开始的位置匹配
search() 扫描字符串,找到这个RE匹配的位置
finditer() 找到RE匹配的所有子串,并把他们做为一个迭代器返回
findall()
找到RE匹配的所有子串,并把他们作为一个列表返回
如果没有匹配到的话,match()和search()将返回None。如果成功的话,就会返回一个实例
group()
返回被RE匹配的字符串
start()返回匹配开始的位置
end()返回一个元组包含匹配(开始,结束)位置
实际程序中,最常见的做法是讲‘MatchObject’保存到一个变量中,然后检查是否为None
例:
p = re.compile(...)
m = p.match('string goes here')
if m:
print 'Match found:',m.group()
else:
print'No match'
sub() 替换re.sub('要替换的字符串',‘使用替换的字符串’,‘原字符串’,count = 0)
split() 切割
编译标志--flags
DOTALL, S
使用 . 匹配包括换行在内的所有字符串
IGNORECASE
I 使用匹配对大小写不敏感
LOCALE L
做本地化标识
分组:( 和 )
例:
email = r'\w{3}@\w+(\.com|\.cn)'
#如果使用()表示|(或)的范围
使用范围:
1,可以为想要匹配的相应字符串集指定规则
2,该字符串集可能包括英文语句,e-mail地址,命令,或任何你想要的东西
3,可以访问诸如‘这个字符串匹配该模式’
4,‘在这个字符串中是否有部分匹配该模式’
5,你也可以使用RE以各种方式来修改或分割字符串
字符匹配:
普通字符
元字符:. ^ $ * + ? {} [] \ | ()
[ ] 常用来指定一个字符集:[abc][a-z]
元字符在字符集中不起作用:[akm$]
补集匹配不在区间范围内的字符:[^5]
^ 匹配行首。除非设置MULTILINE标准,他只是匹配字符串的开始。在MULTILINE模式里,他也可以直接匹配字符串的每个换行
$ 匹配行尾,行尾被定义为要么是字符串,要么是一个换行字符后面的任何位置
定义正则表达式的字符串通常加r,例:s = r'abc'
例:
import re
s=r'abc'
re.findall(s,'abcsfasdfsdfabcsdfdf')
结果:['abc','abc']
st = 'top tip tapd df afdf sdf'
str = r't[io]p' #表示有i或者o
re.findall(str,st)
结果:['top','tip']
st = 'top tip twp tcp'
str = r't[^io]p #^表示取反
re.findall(str,st)
结果:['twp','tcp']
\ 转义字符
反斜杠后面可以加不同的字符以表示不同特殊意义
也可以用于取消所有的元字符:\[ 或\\
\d匹配任何十进制数,相当于[0-9]
\D匹配任何非数字字符,相当于[^0-9]
\s匹配任何空白字符,相当于[\t\n\r\f\v]
\S匹配任何非空白字符,想当于[^\t\n\r\f\v]
\w匹配任何字母数字;相当于[a-zA-Z0-9]
\W匹配任何非字母数字字符,相当于[^a-zA-Z0-9]
* 指定前一个字符可以被匹配0次或更多次,而不是只有一次,匹配引擎会试着重复尽可能多的次数
例:
r = r'010-\d{8}'
#等同于r = '010-\d\d\d\d\d\d\d\d'
re.findall(r,'010-23452134')
r=r'ab*'
re.findall(r,'abbbb')
结果:abbbb
+ 表示匹配一次或多次
注意:*和+之间的不同:*匹配0次或多次,所以可以根本就不出现,而+则要求至少要出现一次
例:
r = r'ab+'
re.findall(r,'a')
#结果为[],而使用r = r'ab*' re.findall(r,'a')
结果为['a']
? 匹配一次或0次;你可以认为它用于标识某事物是可选的
例:r = r'010-?\d{8}'
re.findall(r,'01023453432')
结果为:01023453432
{m,n}
其中m和n是10进制整数,该限定符的意思是至少有m个重复,至多有n个重复
忽略m会认为下边界是0,而忽略上边界为无穷大
{0, }等同与* ,{1,}等同于+,而{0,1}则与?相同,如果可以的话,最好使用*,+,或?
使用正则表达式
re模块提供了一个正则表达式引擎的接口,可以让你将REstring 编译成对象并用他们来进行匹配
编译正则表达式
#!python
import re
p = re.compile(ab*)
p.findall('ab')
#编译好直接使用和re.findall(p,'ab')一样
re.compile()也可以接受可选的标志着参数,常用来实现不同的特殊功能和语法变更
#!python
p = re.compile('ab*',re.IGNORECASE)
字符串前加‘r’反斜杠就不会被任何特殊方式处理
\section 要匹配的字符串
\\section 为re.compile取消反斜杠的特殊意义
\\\\section 为 “\\section”的字符串实值(string literals)取消反斜杠的特殊意思义
例:csvt_re = re.compile(r'csvt',re.I)
#也可以匹配大写
csvt_re.findall('CSVT')
结果:CSVT
执行匹配:
‘RegexObject’实例有一些方法和属性完整的列表可查阅Python Library Reference
match()
决定RE是否在字符串刚开始的位置匹配
search() 扫描字符串,找到这个RE匹配的位置
finditer() 找到RE匹配的所有子串,并把他们做为一个迭代器返回
findall()
找到RE匹配的所有子串,并把他们作为一个列表返回
如果没有匹配到的话,match()和search()将返回None。如果成功的话,就会返回一个实例
group()
返回被RE匹配的字符串
start()返回匹配开始的位置
end()返回一个元组包含匹配(开始,结束)位置
实际程序中,最常见的做法是讲‘MatchObject’保存到一个变量中,然后检查是否为None
例:
p = re.compile(...)
m = p.match('string goes here')
if m:
print 'Match found:',m.group()
else:
print'No match'
sub() 替换re.sub('要替换的字符串',‘使用替换的字符串’,‘原字符串’,count = 0)
split() 切割
编译标志--flags
DOTALL, S
使用 . 匹配包括换行在内的所有字符串
IGNORECASE
I 使用匹配对大小写不敏感
LOCALE L
做本地化标识
分组:( 和 )
例:
email = r'\w{3}@\w+(\.com|\.cn)'
#如果使用()表示|(或)的范围
相关文章推荐
- python中的requests模块错误
- python实现带验证码网站的自动登陆
- 正则表达式入门及python中的应用
- python sklearn做文本分类
- Python学习笔记(continue语句)
- python 面向对象
- Python学习笔记(break语句)
- Python3从零学习(二)
- Python3从零学习(一)
- c写Python扩展模块
- 深入解析Python中的__builtins__内建对象
- 树莓派开机运行Python脚本的方法
- 浅谈Python中函数的参数传递
- Python的locals()函数
- python3.X中简单错误处理,和Python2区别
- python 中判断变量是否定义方法
- WGS84坐标系转火星坐标系
- 对比Python中__getattr__和 __getattribute__获取属性的用法
- python: os模块
- Micropython解释器大致执行流程