1.模块re
- 以一定规则，快速检索文本，或是实现一些替换操作
- 默认下，区分大小写
2.常见的匹配字符表
| 字符 | 描述 |
|---|---|
| \d | 代表任意数字，就是阿拉伯数字 0-9 这些 |
\D | 代表非数字的字符。与\d完全相反 |
\w | 代表字母，数字，下划线。也就是 a-z、A-Z、0-9、_ |
\W | 跟 \w 相反 ，代表不是字母，不是数字，不是下划线的字符。 |
| \n | 代表一个换行。 |
\r | 代表一个回车。 |
\f | 代表换页。 |
\t | 代表一个 Tab 。 |
\s | 代表所有的空白字符，也就是上面这四个：\n、\r、\t、\f。 |
\S | 跟 \s 相反，代表所有不是空白的字符。 |
\A | 代表字符串的开始。 |
\Z | 代表字符串的结束。 |
| ^ | 匹配字符串开始的位置。 |
| $ | 匹配字符创结束的位置。 |
| . | 代表所有的单个字符，除了 \n \r |
[...] | 代表在 [] 范围内的字符，比如 [a-z] 就代表 a到z的字母 |
[^...] | 跟 […] 唱反调，代表不在 [] 范围内的字符 |
{n} | 匹配在 {n} 前面的东西，比如: o{2} 不能匹配 Bob 中的 o ，但是能匹配 food 中的两个o。 |
{n,m} | 匹配在 {n,m} 前面的东西，比如：o{1,3} 将匹配fooooood中的前三个o。 |
{n，} | 匹配在 {n,} 前面的东西，比如：o{2,} 不能匹配“Bob”中的“o”，但能匹配fooooood中的所有o。 |
* | 和 {0,} 一个样，匹配 * 前面的 0 次或多次。 比如 zo* 能匹配“z”、“zo”以及“zoo”。 |
+ | 和{1，} 一个样，匹配 + 前面 1 次或多次。 比如 zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。 |
？ | 和{0,1} 一个样，匹配 ？前面 0 次或 1 次。 |
| a|b | 匹配 a 或者 b。 |
（） | 匹配括号里面的内容。 |
a = 'C|C++|C#|Python|Java'# 判断字符串 a 中是否含有 Pythonprint(a.index('Python')>-1) # Trueprint('Python' in a) # Trueimport rere.findall('Python', a) # 在字符串 a 中，找到所有的'Python'字符串print(re.findall("Python", a)) # ['Python']2.1/d /D
import rea = 'C0C++1C#2Python3Java'# 检索所有数字r = re.findall('\d', a) # \d 匹配所有数字 元字符的一种print(r) # ['0', '1', '2', '3']r = re.findall('\D', a) # \d 匹配所有非数字 元字符的一种print(r) # ['0', '1', '2', '3']# ['C', 'C', '+', '+', 'C', '#', 'P', 'y', 't', 'h', 'o', 'n', 'J', 'a', 'v', 'a']2.2[] 表示或
# [] 表示或import res = 'abc, acc, adc, aec, afc, ahc'r = re.findall('a[cf]c', s) # 匹配中间是 c 或 f 的字符串print(r) # ['acc', 'afc']# [^] 表示否定r = re.findall('a[^cf]c', s) # 匹配中间不是 c 和 f 的字符串print(r) # ['abc', 'adc', 'aec', 'ahc']# [c-f] 匹配c 到 f 的所有字符r = re.findall('a[c-f]c', s) # 匹配 c 到 f 的字符print(r) # ['acc', 'adc', 'aec', 'afc']2.3\w \W
# 概括字符集# \w \Wimport rea = 'C0C++\n1C# 2Python3*Java_'r = re.findall('\w', a) # 匹配数字和字母 相当于 [A-Za-z0-9_]print(r) # ['C', '0', 'C', '1', 'C', '2', 'P', 'y', 't', 'h', 'o', 'n', '3', 'J', 'a', 'v', 'a', '_']r = re.findall('\W', a) # 非单词字符 print(r) # ['+', '+', '\n', '#', ' ', '*']# \s 空白字符r = re.findall('\s', a) print(r) # ['\n', ' ']2.4{} 表示匹配次数
# 数量词 # {4} 4 表示每次匹配次数 import rea = 'python 11 java 22 php'r = re.findall('[a-z]{3}', a)print(r) # ['pyt', 'hon', 'jav', 'php']# {3, 6} 表示匹配次数在 3到6 之间r = re.findall('[a-z]{3,6}', a)print(r) # ['python', 'java', 'php']2.5贪婪 非贪婪
# 贪婪 非贪婪 # python 默认为贪婪模式 尽可能 多匹配 和 多次匹配# 非贪婪模式 表达式后面加 ？ 匹配最少的次数r = re.findall('[a-z]{3,6}?', a)print(r) # ['pyt', 'hon', 'jav', 'php']2.6* +
# * 匹配 0 次或者无限多次a = 'pytho0python1pythonn2'r = re.findall('python*', a) # 与 * 紧挨的字符n 匹配0次或是无限多次print(r) # ['pytho', 'python', 'pythonn']r = re.findall('pytho*', a) # 与 * 紧挨的字符n 匹配0次或是无限多次print(r) # ['pytho', 'pytho', 'pytho']r = re.findall('pythonn*', a) # 与 * 紧挨的字符n 匹配0次或是无限多次print(r) # ['python', 'pythonn']# + 匹配一次或无限多次import rer = re.findall('python+', a) # 与 * 紧挨的字符n 匹配1次或是无限多次print(r) # ['python', 'pythonn']# 不加 ? r = re.findall('python{1,2}', a) # 匹配n 出现一次到两次print(r) # ['python', 'pythonn']# 加了 ? r = re.findall('python{1,2}?', a) # 匹配n 出现一次print(r) # ['python', 'python']2.7^ $ 边界符
# 边界匹配import reqq = '1000001'r = re.findall('\d{4,8}', qq) # 匹配4 到8 位的QQ号print(r) # ['1000001']qq = '10000000001'r = re.findall('\d{4,8}', qq) # 匹配4 到8 位的QQ号print(r) # ['1000001'] 没有达到目的# ^ $ 边界符 # ^ 规定以什么开始# $ 规定以什么结束r = re.findall('^\d{4,8}$', qq) # 匹配4 到8 位的QQ号print(r) # [] 没有匹配到r = re.findall('^0000', qq) # 匹配从 0 开始的字符串print(r) # [] 没有匹配到2.8() 分组
# () 一个括号对应一组import rea = 'pythonpythonpythonJs'r = re.findall('(python){3}(JS)', a)print(r) # []# re.I 不区分大小写 第三个参数r = re.findall('(python)(JS)', a, re.I)print(r) # [('python', 'Js')]# 接受多个第三个参数时，用|隔开r = re.findall('(python)(JS)', a, re.I | re.S)print(r) # [('python', 'Js')]2.9. 匹配除换行符\n 以外的其他所有字符
# . 匹配出换行符\n 以外的其他所有字符a = 'python\nCC'r = re.findall('python.', a, re.I)print(r) # [] 无法匹配\nr = re.findall('python.', a, re.S) # 让 . 可以匹配换行符 print(r) # ['python\n'] 2.10re.sub 替换操作
# re.sub 替换操作import relanguage = 'PythonC#JavaC#PHPC#'r = re.sub('C#', 'GO', language)print(r) # PythonGOJavaGOPHPGOr = re.sub('C#', 'GO', language, 1)print(r) # PythonGOJavaC#PHPC# 只替换了一个r = re.sub('C#', 'GO', language, 0)print(r) # PythonGOJavaGOPHPGO# re.sub 的第二个参数可以是函数def convert(value): passr = re.sub('C#', convert, language)print(r) # PythonJavaPHPdef conver(value): matched = value.group() return '!!' + matched + '!!'r = re.sub('C#', convert, language)print(r) # Python!!C#!!PHP!!C#!!2.11将函数作为参数
# 将函数作为参数import res = 'ABC37978D432'def convert(value): # 拿到具体数字matched = value.group()if matched >= 6: return 9 else: return 0 r = re.sub('\d', convert, s)print(r) # ABC09999D0002.12re.match re.search
# re.match# re.search # 都返回类对象import res = 'ABC37978D432'r = re.match('\d', s) # 从字符串的开始位置开始匹配，若不符，则返回Noneprint(r) # Noner = re.search('\d', s) # 在字符串中寻找可以匹配的print(r) # print(r.group()) # 3print(r.span()) # (3, 4) 返回匹配的区间2.13group 分组
# group 分组 # group() 默认值为 0 返回正则的完整匹配结果import res = 'life is short, i use python'r = re.search('life.*python', s)print(r.group()) # life is short, i use python# () 进行分组r = re.search('(life.*python)', s)print(r.group(0)) # life is short, i use python# group(1)r = re.search('life(.*)python', s)print(r.group(1)) # is short, i user = re.findall('life(.*)python', s)print(r) # is short, i uses = 'life is short, i use python, i love python'r = re.search('life(.*)python(.*)python', s)print(r.group(0)) # life is short, i use python, i love pythonprint(r.group(1)) # is short, i useprint(r.group(2)) # , i loveprint(r.group(0,1,2)) # ('life is short, i use python, i love python', ' is short, i use ', ', i love ')print(r.groups()) # (' is short, i use ', ', i love ')一些例子
正则表达式import reline = 'booooooooobbby123'r = re.match(".*(b.*b).*", line)print(r.group(1)) #贪婪模式下，检索到最后符合的内容print(r.group(0))r = re.match(".*?(b.*?b).*", line) #对 ? 后面的 检索进行非贪婪模式print(r.group(1)) # +print('~+~~~~~~~~~')r = re.match(".*(b.+b)", line) #+ 前面内容至少出现一次print(r.group(1)) print('|||||')r = re.match(".*(bbb|bby123)", line) # | 或关系 存在一个即可print(r.group(1)) print('|||||')r = re.match(".*(bby123|bbb)", line) # | 或关系 存在一个即可print(r.group(1))line2 = '15541861937'regex_str = "(1[2345][0-9]{3})"r = re.match(regex_str, line2)print(r.group(0))#汉字print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')line = '你好吗'r = re.match("[\u4E00-\u9FA5]+", line)print(r.group(0))print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')line = '你 好吗'r = re.match("[\u4E00-\u9FA5]+", line)print(r.group(0))print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')line = 'study in 北京大学'r = re.match(".*([\u4E00-\u9FA5]+大学)", line)print(r.group(1))print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')line = 'study in 北京大学'r = re.match(".*?([\u4E00-\u9FA5]+大学)", line)print(r.group(1))line = 'XXX出生于2001年6月'line = 'XXX出生于2001/6/1'line = 'XXX出生于2001-6-1'line = 'XXX出生于2001-06-01'line = 'XXX出生于2001-06'regex_str = ".*出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))"