python正则表达式-re模块的常见用法(上)
python正则表达式-re模块的常见用法(下)
前言
在开发中可能会遇到大量的字符串处理工作，在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本，而python中re模块的使用可以带来很大便利。
re模块的使用
import re
result = re.match(正则表达式，要匹配的字符串)
result.group()
示例
In [1]: import re
In [2]: mm = 'myblog'
In [3]: result = re.match('my',mm)
In [4]: result.group()
Out[4]: 'my'
re.match()能够匹配以XXX开头的字符串，从左到右匹配，若字符串匹配正则表达式，则match方法返回匹配对象(Match Object)，否则返回None，注意不是空字符串。
表示字符
| 字符 | 功能 |
|---|---|
| . | 匹配任意1个字符，除了\n |
| [ ] | 匹配[ ]中列举的字符 |
| \d | 匹配数字，即0-9 |
| \D | 匹配非数字，即不是数字 |
| \s | 匹配空白，即空格，tab键 |
| \S | 匹配非空白 |
| \w | 匹配单词字符，即a-z、A-Z、0-9、_ |
| \W | 匹配非单词字符 |
示例
# coding:utf-8
import re
ret1 = re.match('.','Love') #从左至右匹配
R1 = ret1.group()
print("R1 = %s" %R1)
ret2 = re.match('\d.\d','888') #匹配数字以及任意字符
R2 = ret2.group()
print("R2 = %s" %R2)
ret3 = re.match('\W\w\S.',' Love')
R3 = ret3.group()
print("R3 = %s" %R3)
ret4 = re.match('[Ll]','love Love') #无论是大写L还是小写l皆可匹配
R4 = ret4.group()
print("R4 = %s" %R4)
ret5 = re.match('[0123456789]','8') #匹配数字0-9的第一种方法
R5 = ret5.group()
print("R5 = %s" %R5)
ret6 = re.match('[0-9]','8') #匹配数字0-9的第二种方法
R6 = ret6.group()
print("R6 = %s" %R6)
结果
R1 = L
R2 = 888
R3 = Lov
R4 = l
R5 = 8
R6 = 8
表示数量
| 字符 | 功能 |
|---|---|
| * | 匹配前⼀个字符出现0次或者⽆限次，即可有可⽆ |
| + | 匹配前⼀个字符出现1次或者⽆限次，即⾄少有1次 |
| ? | 匹配前⼀个字符出现1次或者0次，即要么有1次，要么没有 |
| {m} | 匹配前⼀个字符出现m次 |
| {m,} | 匹配前⼀个字符⾄少出现m次 |
| {m,n} | 匹配前⼀个字符出现从m到n次 |
- 示例1：匹配出，一个字符串第一个字母为大小皆可，后面都是小写字母并且可有可无。
import re
ret1 = re.match('[A-Z][a-z]*','Aabcdefg')
R1 = ret1.group()
print("R1 = %s" %R1)
结果
R1 = Aabcdefg
- 示例2：匹配出，0-99之间的数字，包含01。
# coding:utf-8
import re
ret = re.match("[1-9]?[0-9]","08")
R =ret.group()
print('R = %s'%R)
- 示例3：匹配出，8到20位的密码，可以是⼤⼩写英⽂字⺟、数字、下划线，但不能以下划线开头。
# coding:utf-8
import re
ret = re.match("[a-zA-Z0-9]{1}[a-zA-Z0-9_]{7,19}","12a3g45678")
R1 = ret.group()
print('R1 = %s'%R1)
ret = re.match("[a-zA-Z0-9]\w{7,19}","12a3g45678love")
R2 = ret.group()
print('R2 = %s'%R2)
结果
R1 = 12a3g45678
R2 = 12a3g45678love
- 示例4：匹配出163的邮箱地址，且@符号之前有4到20位，例如[email protected]
# coding:utf-8
import re
ret = re.match("[a-zA-Z0-9]\w{3,19}@163\.com","[email protected]")
R1 = ret.group()
ret = re.match("[a-zA-Z0-9]\w{3,19}@163\.com","[email protected]") #错误的匹配
R2 = ret.group()
print('R1 = %s'%R2)
结果
R1 = hello@163.com
R1 = hello@163.com
原生字符串
In [1]: import re
In [2]: mm = "c:\\a\\b\\c"
In [3]: mm
Out[3]: 'c:\\a\\b\\c'
In [4]: print(mm)
c:\a\b\c
In [5]: re.match("c:\\\\",mm).group()
Out[5]: 'c:\\'
In [6]: ret = re.match("c:\\\\",mm).group()
In [7]: print(ret)
c:\
可以看到，为了匹配⽂本中的字符"\"，正则表达式⾥将需要4个反斜杠"\"：前两个和后两个分别⽤于在编程语⾔⾥转义成反斜杠，转换成两个反斜杠后再在正则表达式⾥转义成⼀个反斜杠。Python中字符串前⾯加上 r 表示原⽣字符串，可以很好的解决这个问题，不怕漏写反斜杠。
In [8]: ret = re.match(r"c:\\a",mm).group()
In [9]: print(ret)
c:\a
表示边界
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
| \b | 匹配⼀个单词的边界 |
| \B | 匹配⾮单词边界 |
- 示例1，可以看到，之前[email protected]的邮箱地址并不正确，但是仍然匹配出来了，完善的re规则是，
# coding:utf-8
import re
ret = re.match("[a-zA-Z0-9]\w{3,19}@163\.com$","[email protected]")
R1 = ret.group()
print('R1 = %s'%R1)
- 示例2：单词边界
# coding:utf-8
import re
ret1 = re.match(r".*\bLove\b","I Love you")
R1 = ret1.group()
print('R1 = %s'%R1)
ret2 = re.match(r".*\bLove\b","I Loveyou")
print("ret2 = %s" %ret2)
结果：
R1 = I Love
ret2 = None
- 示例3：非单词边界
# coding:utf-8
import re
ret1 = re.match(r".*\Blove\B", "Ilovecoding")
R1 = ret1.group()
print('R1 = %s'%R1)
ret2 = re.match(r".*\Blove\B","I love coding")
print("ret2 = %s" %ret2)
结果
R1 = Ilove
ret2 = None
匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| (ab) | 将括号中字符作为⼀个分组 |
| \num | 引⽤分组num匹配到的字符串 |
| (?P |
分组起别名 |
| (?P=name) | 引⽤别名为name分组匹配到的字符串 |
- 示例1：匹配0-100之间的自然数
# coding:utf-8
import re
ret1 = re.match(r"[1-9]?\d|100", "01")# 错误的情况
R1 = ret1.group()
print('R1 = %s'%R1)
ret2 = re.match(r"[1-9]?\d$|100$", "99") #修改后的情况
R2 = ret2.group()
print('R2 = %s'%R2)
结果
R1 = 0
R2 = 99
- 示例2：
# coding:utf-8
import re
ret1 = re.match(r"([^-]*)-(\d+)","010-12345678")
R1 = ret1.group(0)
R2 = ret1.group(1)
R3 = ret1.group(2)
print('group(0) = %s'%R1)
print('group(1) = %s'%R2)
print('group(2) = %s'%R3)
结果
group(0) = 010-12345678
group(1) = 010
group(2) = 12345678
- 示例3：\number，匹配出 hh
# coding:utf-8
import re
ret1 = re.match(r"<[a-zA-Z]*>\w*$","hh") #第一种写法
R1 = ret1.group()
print('R1 = %s'%R1)
ret2 = re.match(r"<([a-zA-Z]*)>\w*$", "hh") #分组引用的写法
R2 = ret2.group()
print('R2 = %s'%R2)
- 示例4：(?P
) (?P=name)，匹配出 www.baidu.com
# coding:utf-8
import re
ret1 = re.match(r"<(?P\w*)><(?P\w*)>.*$" ,"www.baidu.com
")
# name_1代表匹配到的别名，后面可以引用，name_2同理
R1 = ret1.group()
print('R1 = %s'%R1)
结果：
R1 = <html><h1>www.baidu.com</h1></html>
本文中的示例re匹配方式不唯一，正则表达式的方法是有多种写法的，只要能达到预期效果就可以。