第十三章:正则表达式

正则表达式

正则表达式通常都包含反斜杠'\',所以用r'\t'来来表示正则表达式字符串,r'a string'是强制不进行转义,类似c#的@"a string"。

模式                  意义

^                        匹配字符串的开头

$                        匹配字符串的末尾

.                         匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配换行符

[...]                     用来表示一组字符,单独列出:[abc]匹配'a','b',或'c'

[^...]                    匹配不在[]中的字符;

re*                      匹配0个或多个的表达式;

re+                      匹配1个或多个的表达式;

re?                     匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式;

re{n,}                   精确匹配n个前面表达式

re{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b

(re)                       匹配括号内的表达式;

(?imx)                  正则表达式包含三种可选标志:i,m或x。只影响括号内的区域;

(?-imx)                 正则表达式关闭i,m,x可选标志。只影响括号内的区域;

(?#...)                   注释;

\w                        匹配字母数字,等价于[A-Za-z0-9]

\W                        匹配非字母数字,等价于[^A-Za-z0-9]

\s                          匹配任意空白字符,等价于[\t\n\r\f];

\S                         匹配任意非空白字符;

\d                         匹配任意数字,等价于[0-9]

\D                        匹配任意非数字

\A                        匹配字符串开始

\Z                        匹配字符串结束,如果存在换行,只匹配到换行前的结束字符串

\z                        匹配字符串结束

\G                        匹配最后匹配完成的位置;

\b                         匹配一个单词边界,eg。'er\b'可以匹配'never'的‘er’,但是不能匹配'verb'的‘er’;

\B                        匹配非单词边界,意义与\b相反;

\n,\t等                  匹配换行符,制表符等

\1...\9                   匹配第n个分组的内容;

\10                       匹配第10个分组的内容,如果它匹配,否则值的是八进制字符吗的表达式



Python正则表达式模块

python正则表达式模块为re,import re,即可进行正则操作。

re.match函数

re.match(pattern, string, flag=0)

pattern  正则表达式

string    要匹配的字符串

flag       标志位,用于控制正则表达式的匹配方式。如:re.I匹配大小写不敏感;re.M多行匹配。

re.match函数匹配成功返回匹配对象,否则返回None。

import re

line = "Cats are smarter than dogs"

matchObj = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)

print(matchObj.group())

print(matchObj.group(0))

print(matchObj.group(1))

print(matchObj.group(2))

输出:

Cats are smarter than dogs

Cats are smarter than dogs

Cats

smarter

正则表达式对象

re.RegexObject

re.complie()返回RegexObject对象。

re.MatchObject

它的几个方法:

start()返回匹配开始的位置

end()返回匹配结束的位置

span()返回一个元组包含匹配(开始,结束)的位置

re.search方法

re.search(pattern, string, flag=0)

search和match的区别:

match匹配字符串的开始,如果开始不符合正则表达式,则匹配失败。search匹配整个字符串,知道找到一个匹配。

import re

line = "Cats are smarter than dogs"

matchobj1 = re.match(r'dogs', line, re.M|re.I)

if matchobj1:

      print("match --> matchobj.group():", matchobj1.group())

else:

       print("no match")

matchObj2 = re.search(r'dogs', line, re.M|re.I)

if matchObj2:

      print("search --> matchobj2.group():", matchObj2.group())

else:

      print("No match!!")

re.sub(pattern, repl, string, count=0)

pattern: 正则表达式

repl: 替换的字符串,也可以是一个函数

string 要被查找替换的原始字符串

模式匹配后替换的最大次数,默认为0表示替换所有的匹配。

phone ="2004-959-559 # 这是一个电话号码"

num = re.sub(r'#.*$', "", phone)

print(num)

num2 = re.sub(r'\D', "", phone)

print(num2)

def double(matched):

       value =int(matched.group('value'))

       return str(value*2)

s ="ss12de4gh78"

print(re.sub(r'(?P\d+)', double, s))

re.finditer

re.finditer(pattern, string, flags=0)

it = re.finditer(r'\d+', "123a45b67c78def9")

for matchin it:

      print(match.group())

你可能感兴趣的:(第十三章:正则表达式)