python笔记(2) 正则表达式

1

正则表达式在Python中最好以r'xx'这样的形式作为输入，这能避免反斜杠()使用混乱。以r开头的字符串，在python中是原始字符串(raw string)的意思。

特殊字符	解释	例子
.	匹配所有字符不包括换行（如果DOTALL没有设置的话）
^	匹配字符串的开头，在MULTILINE模式下匹配每行的开头
$	匹配字符串的结尾，在MULTILINE模式下匹配每个新行的开头
*	匹配0或者多个前置正则表达式
+	匹配1或者多个前置正则表达式
?	匹配0或者1个前置正则表达式
*?, +?, ??	*,+,?都是贪婪的，加了？能改变着模式
m	匹配m个前置表达式
{m,n}	匹配m到n个前置表达式
{m,n}？	改变 {m,n}贪婪模式
\	转义特殊字符
[]	定义匹配集合，特殊字符（例如(+*)）在集合中失去特殊意义，使用-可以匹配一个序列，如果-放在集合的开头或者转义就能匹配-，^放在开头可以翻转整个匹配，匹配]要么放在开头要么转义
竖线	或匹配
(...)	匹配括号中的字符串，形成一个组(````)
(?:...)	只匹配字符串但是不记录匹配的内容
(?P...)	匹配之后形成一个组，组名为name
(?=...)	超前匹配
(?!...)	超前不匹配
(?<=...)	滞后匹配
(?	滞后不匹配
\number	引用一个组
\A	字符串的开头匹配
\b	匹配空字符，在开始和结束处
\B	匹配空字符，不在开始和结束处
\d	匹配数字0-9
\D	匹配非数字
\s	匹配空字符，相当于[ \t\n\r\f\v]
\S	与\s相反
\w	[a-zA-Z0-9_]
\W	与\w相反
\Z	匹配字符串的结尾
\u	Unicode字符

贪婪模式

正则表达式默认的情况是贪婪的，所谓贪婪就是尽量多匹配也可以叫最长匹配，但是有时候这又是不合适的.

贪婪模式

2

正则表达式的使用，可以先编译正则表达式然后调用方法，也可以直接从re模块调用方法。

pattern = re.compile(r'dongge')
m = pattern.match('dongge zeus')
#或者
m = re.match(r'dongge','dongge zeus')

match,search,fullmatch

这三个函数返回值都是match对象，match从头开始匹配，fullmatch匹配整个，search匹配第一个。

import re

test_str = 'abcd 1234 dongge'

pattern = re.compile(r'1234')

pattern.match(test_str)

pattern.search(test_str)

<_sre.SRE_Match object; span=(5, 9), match='1234'>

pattern.fullmatch(test_str)

p1 = re.compile(r'abcd')

p1.match(test_str)

<_sre.SRE_Match object; span=(0, 4), match='abcd'>

p1.search(test_str)

<_sre.SRE_Match object; span=(0, 4), match='abcd'>

p1.fullmatch(test_str)

p1.fullmatch(test_str,0,4)

<_sre.SRE_Match object; span=(0, 4), match='abcd'>

（注：上面的代码来自jupyter notebook）

split findall finditer

这三个函数都返回一个列表。

• 分割字符串split

re.split('\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
re.split('(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']

注意代码中的第三行，在正则表达式中加了分组之后，那个分割元素也成了返回值。

• 查找所有匹配的元素findall

test_str = 'dongge , dongge ,zeus'
re.findall(r'dongge',test_str)
['dongge', 'dongge']

• 迭代查找元素finditer

迭代查找

sub subn

sub(pattern, repl, string, count=0, flags=0)
这两个函数有查找和替换功能，repl这个参数既可以是字符串也可以是一个函数，函数接收一个match object。

查找替换

3

Match Object这在上面多次提到，如果一个函数返回这个对象，那么判断值肯定就是True。
这个对象最重要的概念就是group，相关函数作用在下面截图中。

group

• start([group]) end([group]) span([group])
  这里三个函数都是用来计算group的位置，span返回的一个元组（start，end），group默认值是0。

Paste_Image.png