-
什么是正则:
正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法.或者说:正则就是用来描述一类事物的规则.(在Python中)它内嵌在Python中,并通过 re 模块实现.正则表达式模式被编译成一系列的字节码,然后由用 C 编写的匹配引擎执行
元字符 匹配内容 \w 匹配字母(包含中文)或数字或下划线 \W 匹配非字母(包含中文)或数字或下划线 \s 匹配任意的空白符 \S 匹配任意非空白符 \d 匹配数字 \D 匹配非数字 \A 与 ^ 从字符串开头匹配 \Z 与 $ 从字符串结尾开始匹配 \n 匹配一个换行符 \t 匹配一个制表符 . 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符 [...] 匹配字符组中的字符 [^...] 匹配除了字符组中的字符的所有字符 * 匹配0个或者多个左边的字符。 + 匹配一个或者多个左边的字符。 ? 匹配0个或者1个左边的字符,非贪婪方式。 {n} 精准匹配n个前面的表达式。 {n,m} 匹配n到m次由前面的正则表达式定义的片段,贪婪方式 a|b 匹配a或者b。 () 匹配括号内的表达式,也表示一个组 -
匹配模式举例:
import re re.findall() ---------------------------------------------------- # 单个字符的匹配 # \W 与 \w s = '原始tz 12*() _' print(re.findall('\w', s)) # \w 数字,字母,下划线,中文 print(re.findall('\W', s)) # \W 除了数字,字母,下划线,中文以外的 # \s 与 \S print(re.findall('\s', '原始tz*(_ \t \n')) # \s 空格,\t,\n print(re.findall('\S', '原始tz*(_ \t \n')) # \S 除空格,\t,\n以外的 # \d 与 \D print(re.findall('\d','1234567890 yuanshi *(_')) # \d 数字 print(re.findall('\D','1234567890 yuanshi *(_')) # \D 非数字 # \A 与 ^ print(re.findall('\Ahello', 'hello hello 原始 hell')) # 从开 print(re.findall('^hello', 'hello hello 原始 hell')) # 从开头开始匹配头开始匹配 # \Z 与 $ 从结尾开始匹配 print(re.findall('hell$', 'hello hello 原始 hell')) # \n 与 \t print(re.findall('\t', 'hello hello 原始 \thell')) # \t print(re.findall('\n', 'hello hello 原始 \nhell')) # \n ---------------------------------------------------- # 元字符匹配 # . ? * + {m,n} .* ,*? # .匹配任意字符: 如果匹配成功,光标则移到匹配成功的最后的字符;如果匹配未成功,则光标向下移动一位继续匹配 print(re.findall('a.b', 'ab aab abb aaaab')) # ? 匹配0个或者1个由左边字符定义的片段 print(re.findall('a?b', 'ab aab abb aaaab')) # * 匹配0个或者多个由左边字符定义的片段: 满足贪婪匹配 print(re.findall('a*b', 'ab aab abb aaaab')) # + 匹配1个或者多个由左边字符定义的片段: 满足贪婪匹配 print(re.findall('a+b', 'ab aab abb aaaab')) # {m,n} 匹配m个至n个(包括m和n)由左边字符定义的片段 print(re.findall('a{1,5}b', 'ab aab abb aaaaab aaaaaab')) # .* : 贪婪匹配 从头到尾 print(re.findall('a.*b', 'ab aab abb aa#aaab aaaaaab')) # .*? 此时的?不是对左边的字符进行0次或者1次的匹配, # 而只是针对.*这种贪婪匹配的模式进行一种限定:告知他要遵从非贪婪匹配 print(re.findall('a.*?b', 'ab aab abb aa#aaab aaaaaab')) # []: 一个中括号可以代表一个字符 print(re.findall('a[abc]b', 'aab abb acb afb a_b')) # [abc]中任意一个都可以 print(re.findall('a[abc][bd]b', 'aabb aaabc abd acdbb')) # =>['aabb', 'acdb'] # - : 在[]中表示范围 print(re.findall('a[0-9]b', 'a1b a2bc abd acdbb')) # =>['a1b', 'a2b'] print(re.findall('a[A-Z]b', 'aAb a2bc abd acdbb')) # =>['aAb'] print(re.findall('a[A-Za-z]b', 'aAb aabc abd acdbb')) # =>['aAb', 'aab'] print(re.findall('a[-*$]b', 'a-b a*bc abd acdbb')) # =>['a-b', 'a*b'] # 当想匹配 - 时,要把 - 放在最前面或最后面 # ^ : 在[]最前面表示取反 print(re.findall('a[^0-9]b', 'a1b a2bc abbd acdbb')) # =>['abb'] s = 'xiaowang_sb xiaoliu_sb wanglu_sb tianzun_sb 通天教主_nb' print(re.findall('\w+_sb', s)) # (): 分组 s = 'xiaowang_sb xiaoliu_sb wanglu_sb tianzun_sb 通天教主_nb' print(re.findall('(\w+)_sb', s)) # =>['xiaowang', 'xiaoliu', 'wanglu', 'tianzun'],返回()内的内容 # |: 匹配左边或右边 print(re.findall('xiao|da|tian', 'xiaoasdnfisdaiasdntian')) # 在()分组里面加了?:,将全部的内容返回,而不是将组内的内容返回 print(re.findall('compan(y|ies)', 'Too many companies have gone bankrupt, and the next one is my company')) print(re.findall('compan(?:y|ies)', 'Too many companies have gone bankrupt, and the next one is my company')) ----------------------------------------------------- # 常用方法 # re.findall() # 全部找到返回一个列表 # re.search() # 找到第一个符合条件的字符串,然后返回一个包含匹配信息的对象,通过对象.group()获取 ret = re.search('sb|qwe', 'xiaomingt sb qwe') print(ret) print(ret.group()) # re.match() # 从字符串开头匹配,如果以符合条件的字符串开头则返回,否则返回None ret = re.match('sb|qwe', 'xiaomingt sb qwe') ret2 = re.match('sb|qwe', 'sbxiaomingt sb qwe') print(ret) print(ret2) # split() # 分割 s1 = 'xiaoming,tiaoshang;太阳~地球' print(re.split('[;,~]', s1)) # 自定义分隔符 # sub 调换 print(re.sub('me', '我', 'me是最好的男人,me就是一个普通男人,请不要将me当男神对待。')) print(re.sub('me', '我', 'me是最好的男人,me就是一个普通男人,请不要将me当男神对待。', 2)) # compile 配置匹配规则 obj = re.compile('\d{2}') print(obj.search('abc123eeee').group()) # => 12 print(obj.findall('abc123eeee')) # => ['12'] s1 = ''' 时间就是1995-04-27,2005-04-27 1999-04-27 alex 1980-04-27:1980-04-27 2018-12-08 ''' print(re.findall('\d{4}-\d{2}-\d{2}', s1)) s2 = '3325783547345nvn8b8473v 2893472893' obj = re.compile('[1-9][0-9]{4,7}') print(obj.findall(s2))