正则表达式常用方法
正则切割
import re
c =re.compile(r'\d')
s='hello52bthg235gfre'
ret=c.split(s，count=2)
print(ret)
正则替换
import re
r='sd7fB2dv2B1cfB;'
d=re.sub('\d','&',r,count=2)
print(d)#替换，及指定替换次数，不指定就全部替换
s = "1abc23def45"
#用？将s中符合r"\w"匹配的替换，打印替换后的结果及替换个数在一个元组内。
print(str(re.subn(r"\w", "?", s)[1]))#可以在中括号内输入下标选择打印
#替换
c =re.compile(r'\d')
s='hello52bthg235gfre'
ret=c.sub('&',s,count=2)
print(ret)
#封装调用函数人为干预替换过程
def double(s):
print(s)
return str(int(s.group())*2)
##先用正则公式对字符串进行匹配，匹配到后对应给要替换的位置参数，一看是函数把正则结果返回到函数进行处理获取返回值进行替换
d=re.sub(r'\d', double, 'dg2hfgh4fh')
应用场景
- 特定规律字符串的查找切割替换等
- 邮箱格式、URL、IP等的校验
- 爬虫项目中，特定内容的提取
使用原则
- 只要使用字符串等函数解决的问题，就不要使用正则
- 正则的效率比较低，同时会降低代码的可读性。
- 世界上最难理解的三样东西：医生的处方、道士的神符、码农的正则。
- 提醒：正则是用来写的，不是用来读的；在不指定功能的情况下，不要试图阅读别人的正则。
基本使用match/search/findall/compile
- 说明：正则不是我们写的，python中正则的解析通过re模块完成
- 相关函数：
-
match：从开头进行匹配，匹配到就返回正则结果对象，没有返回None。
-
search：从任意位置匹配，功能同上。
#从开头查找，找到返回正则匹配结果对象，没有找到返回None
#m = re.match(‘abc’, ‘abcdask;jabcsdajl’)
#从任意位置查找，功能同上
m = re.search(‘abc’, ‘shdalsjdabchaoeor’)if m:
# 返回匹配的内容
print(m.group())
# 返回匹配内容位置
print(m.span()) -
findall：全部匹配，返回匹配到的内容组成的列表，没有返回空列表。
#先生成正则表达式对象
c =re.compile(‘hello’)
#从开头匹配
x =c.match(‘scdvdshello;csd55’)
#从任意位置查找
z =c.search(‘scdvdshello;csd55’)
#返回所有匹配内容的列表，若没找到返回空列表
#f =c.findall(‘scdvdshello;csd55’)
f =re.findall(‘ab’,‘scabvdshelablo;csabd55’)
#与上边等同
f =re.findall(’(ab)’,‘scdvabdshabello;csabd5’)
#按照正则公式整体查找但是只打印括号内的，有多个括号时匹配到打印各个括号内的内容到一个元组内
f =re.findall(‘sd(ab)hn’,‘ssdabhnllsdabhn5’)
[‘ab’, ‘ab’]
f =re.findall(‘sd(ab)h(ab)n’,‘ssdabhabn5’)
[(‘ab’, ‘ab’)]
#先按照最外边括号匹配找到打印括号内内容，再去掉外边括号再次匹配打印
f =re.findall(’(sd(ab)h(ab)n)’,‘ssdabhabn5sdabhabn’)
[(‘sdabhabn’, ‘ab’, ‘ab’), (‘sdabhabn’, ‘ab’, ‘ab’)]
#按照括号里的或语法依次匹配打印
f =re.findall(‘a(hello|world)c’,‘sahellochg25aworldcn’)
[‘hello’, ‘world’]
#先匹配外部括号再去掉外部括号再次匹配分别打印到元组
f =re.findall(’(a(hello|world)c)’,‘sahellochg25aworldcn’)
[(‘ahelloc’, ‘hello’), (‘aworldc’, ‘world’)]
print(f)#匹配所有内容，找到返回所有匹配的内容列表，没有找到返回空列表
f = re.findall(‘abcd’, ‘adsjkjdabcajsdlasabcjsdlaabc’)
print(f) -
compile：生成正则表达式对象
#先生成正则表达式对象
c = re.compile(‘hello’)
#print(type©)#从开头匹配
m = c.match(‘hellosadk;ask;kahellosadhlkas’)
print(m)#从任意位置匹配
s = c.search(‘hadlsjasdhellokjsdlks’)
print(s)#匹配所有内容
f = c.findall(‘hellosdhasdjahelloshdajldhello’)
print(f)
说明：此方式更加灵活，将正则匹配分为两步完成(先生成正则对象，然后需要时进行匹配)
-
正则规则
单个字符\d \B [ ]
普通字符：简单来说就是一对一的完全匹配。
[]：中间的任意一个字符
[a-z]：a~z之间的任意字符(所有的小写字母)
[a-zA-Z]：匹配所有的字母，多个连续的片段中间不能有任何多余的字符
[^0-9]：匹配除0-9以外的任意字符
. ：匹配除'\n'以外的任意字符
\d：数字字符，等价于[0-9]
\D：非数字字符，等价于[^0-9]
\w：匹配字(数字、字母、下划线、汉字)
\W：匹配非字(\w相反的内容)
\s：所有的空白字符(\n、\t、\r、空格)
\S：非空白字符(\s相反的内容)
\b：词边界(开头、结尾、空格、标点等)
\B：非词边界(\b相反的内容)
次数限定+ ? {m,n}
*：前面的字符出现任意次
+：至少一次
?：最多一次
{m,n}：m <= 次数 <= n
{m,}：至少m次
{,n}：至多n次
{m}：指定m次
边界限定:^ $
-
^：以指定的内容开头
-
$：以指定的内容结束
-
示例：
import re
#^：以指定内容开头
#f = re.findall(’^hello’, ‘hellosjdhelloalskdhello’)#$以指定内容结尾
f = re.findall(‘hello$’, ‘hellosjdhelloalskdhello’)print(f)
优先级控制:’|’
-
|：表示或，它拥有最低的优先级
-
()：表示一个整体，可以明确的指定结合性/优先级
-
示例：
import re
f = re.findall(‘a(hello|world)c’, ‘sahdjsahellocaworldcjsdhs’)
print(f)
分组匹配:\1
-
示例1:
import re
c = re.compile(r’(\d+)([a-z]+)(\d+)’)
s = c.search(‘sdsdj235sadhasjd36432sjdha’)
#完整匹配结果
print(s.group(), s.span())
#等价于上式
print(s.group(0), s.span(0))
#第几个()匹配的结果
print(s.group(1), s.span(1))
print(s.group(2), s.span(2))
print(s.group(3), s.span(3)) -
示例2:
import re
#固定匹配
#c = re.compile(r’\w+’)#\1表示前面第一个()匹配的内容
#c = re.compile(r’<([a-z]+)><([a-z]+)>\w+’)#给分组()起名字
c = re.compile(r’<(?P[a-z]+)><(?P[a-z]+)>\w+’)s = c.search(’
’)if s:
print(s.group())
贪婪匹配
-
贪婪：最大限度的匹配。正则的匹配默认就是贪婪的。
-
非贪婪：只要满足条件，能少匹配就少匹配。’?'经常用于取消贪婪
-
示例：
import re # ?：取消任意多次的贪婪匹配 # c = re.compile(r'a.*?b')#可以没有，从左侧开始符合就返回尽可能的少匹配 # ?：取消至少一次的贪婪匹配 c = re.compile(r'a.+?b')#至少要有一个，从左侧开始符合就返回尽可能的少匹配 s = c.search('ssjdsdabjdsd') if s: print(s.group())
匹配模式re.I忽略大小写/re.M多行匹配/re.S作为单行处理，忽略\n
-
说明：所谓匹配模式就是对匹配的原则进行整体的修饰。
-
示例：
import re
#忽略大小写re.I
s = re.search(r’hello’, ‘HELLO world’, re.I)#正则默认是单行匹配，使用 re.M 可以进行多行匹配
s = re.search(r’^hello’, ‘sdhasdh\nhello world’, re.M)#使.匹配任意字符，作为单行处理，忽略\n
#string = ‘hello’
string = ‘’’’’’
hello
s = re.search(r’.*?’, string, re.S)if s:
print(s.group())import re
m=re.match(‘abc’,‘vvvcxdabc52ff2d…’)#只从开头查找
print(m)
n=re.search(‘abc’,‘vvvcxdabc52ff2d…’)#从任意位置查找
print(n)if m:
print(m.group())#打印匹配内容
print(m.span())#打印匹配内容位置f = re.findall(‘abc’,‘5abc1cdfdabc2abc15f.;’)
print(f)#返回所有匹配内容的列表，若没找到返回空列表#先生成正则表达式对象
c =re.compile(‘hello’)#从开头匹配
x =c.match(‘scdvdshello;csd55’)
#从任意位置查找
z =c.search(‘scdvdshello;csd55’)
#返回所有匹配内容的列表，若没找到返回空列表
f =c.findall(‘scdvdshello;csd55’)#单个字符
#匹配连续字符，[]中间的任意一个字符
#[a-z]:a~z之间的任意一个字母
c=re.compile(’[sdc]’)
d=re.compile(’[a-z]’)
#匹配所有的字母，多个连续的片段中间
#不能有任何多余的字符
e=re.compile(’[a-zA-Z]’)
#匹配相反的字符（除指定的字符以外的）
#加上个’^‘箭头
g=re.compile(’[^fas]’)
#’.‘匹配出’\n’以外的任意字符
o=re.compile(’.’)#\d只匹配0~9的数字
k=re.compile(’\d’)
#\D匹配除数字以外的字符#\w匹配字（数字，字母，下划线，汉字）
#\W非字以外的字符
#\s所有的空白字符（\n，\t，\r空格）
j=re.compile(’\s’)
v=c.findall(‘scfvsa sfv\ndcs’)
#\S非空白字符#\b词边界\b在python中有特殊意义需要加r
l=re.compile(r’\bhello’)
n=c.findall(‘helloscfvs,helloavdcshello’)
#\B非词边界#用控制字符可以出现任意次
h=re.findall('abc’,‘savdfdbbabbcbbabcbbfvwe’)
#要求某字符至少出现一次
m=re.findall(‘ab+c’,‘savdfdbbabbcbbabcbbfvwe’)
#要求至多一次
q=re.findall(‘ab？c’,‘savdfdbbabbcbbabcbbfvse’)
#指定出现次数
p=re.findall(‘ab{3}c’,‘savdfdbbabbcbbabcbbfse’)
#指定出现次数的范围，包括边界[1,3]
r=re.findall(‘ab{1,3}c’,‘sdavdfdbbabfvswe’)
#指定至多多少次
s=re.findall(‘ab{0,3}c’,‘sdavdfdbbabbbcbswe’)
#指定至少多少次
t=re.findall(‘ab{3,}c’,‘sdavdfdbbabbbcbbbfvswe’)#边界限定
#以指定内容开头
t=re.findall(’^hello’,‘hellosdafdbhellobfvswe’)
#以指定内容结尾
u=re.findall(‘hello$’,‘hellosdafdbhellobhello’)#优先级控制
#指定内容有多个时，’|'它拥有最低优先级出现hello或world或两个都有都可以
w=re.findall(‘hello|world’,‘hellosdafdbhworldellllo’)
#a和c之间出现hello或world，只能有两个中的一个
y=re.findall(‘a(hello|world)c’,‘hellosdafdbhworldellllo’)
print(w)#分组匹配
#固定匹配:\1代表前边第一个括号内的内容
j=re.compile(r’<([a-z]+)>\w+’)
s=j.search(’百度’)j=re.compile(r’<([a-z]+)><([a-z]+)>\w+’)
’)
s=j.search(’#给分组（）起名字
’)
j=re.compile(r’<(?P[a-z]+)><([a-z]+)>\w+’)
s=j.search(’#贪婪匹配
n=re.compile(r’a.b’)
m=n.search(‘cdfadfdacvbdvd’) #尽可能多的匹配
print(m)
#非贪婪
#’?'取消任意次数贪婪匹配
n=re.compile(r’a.？b’)
m=n.search(‘cdfadfdacvbdvd’) #尽可能少的匹配
print(m)#’?‘取消至少一次的贪婪匹配
n=re.compile(r’a.+？b’)
m=n.search(‘cdfadfdacvbdvd’) #尽可能少的匹配
print(m)#忽略大小写re.I
n=re.compile(r’hello’,‘hello world’,re.I)
#正则是默认单行匹配，使用re.M可以进行多行匹配
n=re.compile(r’hello’,‘hello\nworld’,re.M)#使’.‘匹配任意字符，re.s作为单行处理，忽略\n
string=’hello’n=re.compile(r’’)