python常用正则表达式

Python正则表达式

常用函数

match(pat, str)：检查字符串的开头是否符合某个模式

search(pat, str)：检查字符串中是否符合某个模式

findall(pat, str)：返回所有符合某个模式的字符串，以列表形式输出

finditer(pat, str)：返回所有符合某个模式的字符串，以迭代器形式输出

split(pat, str)：以某个模式为分割点，拆分整个句子为一系列字符串，以列表形式输出

sub(pat, repl, str)：句子 str 中找到匹配正则表达式模式的所有子字符串，用另一个字符串 repl 进行替换

compile(pat)：将某个模式编译成对象，供之后使用

re.match

从起始位置开始匹配，返回匹配的对象；若无匹配，则返回

none

语法：

参数	说明
pattern	匹配的正则表达式
string	要匹配的字符串
flags	标志符，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等

re.search

遍历字符串，并返回第一个成功的匹配

语法：

re.sub

替换字符串中的匹配项

参数：

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。(可选）

• flags : 编译时用的匹配模式，数字形式。（可选）

  e.g.1

import re
phone = "2004-959-559 # 这是一个电话号码"
num = re.sub(r'#.*$',"",phone)  #去除注释
## 2004-959-559 
           

e.g.2

import re

def double_num(matched):
	value=int(matched.group('value'))
	return str(value*2)
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))
           

compile函数

编译正则表达式，生成pattren对象，供match() 和 search() 使用。

语法：

• pattern : 一个字符串形式的正则表达式
• flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
  • re.I 忽略大小写
  • re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  • re.M 多行模式
  • re.S 即为’ . ‘并且包括换行符在内的任意字符（’ . '不包括换行符）
  • re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
  • re.X 为了增加可读性，忽略空格和’ # '后面的注释

e.g.1

import re
pattern = re.compile(r'\d+')
pattren.metch('string')
           

findall

返回一个列表，包含所有匹配的子串

参数：

• string 待匹配的字符串。
• pos 可选参数，指定字符串的起始位置，默认为 0。

• endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

  e.g.1

import re
 
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('aaa 123 bbbb 456') #['123', '456']
result2 = pattern.findall('aa88bbb123ccccc456', 0, 10) #['88', '12']
           

re.finditer

返回一个迭代器，包含所有匹配的子串

语法：

e.g.1

import re
 
it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group() )
           

re.split

匹配的分隔符两边的实体都会被当成是结果中的元素返回。如果正则表达式中包含一个括号捕获分组，那么被匹配的文本也将出现在结果列表中，目的是保留分割字符串。

s = 'Kobe Bryant loves Gianna Bryant'
print( re.split(r'\s', s) )
['Kobe', 'Bryant', 'loves', 'Gianna', 'Bryant']
           

转义字符

常用

点 . 表示除新行（\n）的任意字符，它是个通配符。

托字符 ^ 表示字符串开头。

美元符 $ 表示字符串结尾。

贪婪模式：

• *

  表示后面可跟 0 个或多个字符

• +

  表示后面可跟 1 个或多个字符

• ?

  表示后面可跟 0 个或 1 个字符

非贪婪模式：

• *?

  表示后面可跟 0 个或多个字符，但只取第一个

• +?

  表示后面可跟 1 个或多个字符，但只取第一个

• ??

  表示后面可跟 0 个或 1 个字符，但只取第一个

限定边界

{}

可以设定具体的上界或（和）下界，使得代码更加有效也更好读懂，规则如下：

• {n} 左边的字符串是否出现 n 次
• {n, } 左边的字符串是否出现大于等于 n 次
• {, n} 左边的字符串是否出现小于等于 n 次
• {n, m} 左边的字符串是否出现在 n 次和 m 次之间。

其他

反斜杠 \ 可对特殊字符进行转义，也可对普通字符转义。

\b：匹配空字符串，但仅适用于单词的“首尾”

\B：匹配空字符串，但仅适用于单词的“非首尾”

\d：匹配任何“数字”字符，等价于 [0-9]

\D：匹配任何“非数字”字符，等价于

[^0-9]

\s：匹配任何“空白”字符，等价于

[\t\n\r]

\S：匹配任何“非空白”字符，等价于

[^\t\n\r]

\w：匹配任何“字母数字下划线”字符，等价于

[a-zA-Z0-9_]

\W：匹配任何“非字母数字下划线”字符，等价于

[^a-zA-Z0-9_]

\A：匹配句子的“开头”字符，等价于 ^

\Z：匹配句子的“结尾”字符，等价于 $

\t：匹配句子的“制表键 (tab)”字符

\r：匹配句子的“回车键 (return)”字符

\n：匹配句子的“换行键 (newline)”字符