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)  # ABC09999D000

2.12re.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/-]$|$))"