re模組下的函式
compile(pattern)：建立模式物件
|
1 2 3 4 5 6 7 8 9 |
import re pat=re.compile('A') m=pat.search('CBA') #等價於 re.search('A','CBA') print m <_sre.SRE_Match object at 0x9d690c8> #匹配到了，返回MatchObject（True） m=pat.search('CBD') print m None #沒有匹配到，返回None（False） |
search(pattern,string)：在字串中尋找模式
|
1 2 3 4 5 6 |
m = re.search('asd','ASDasd') print m <_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True） m = re.search('asd','ASDASD') print m None #沒有匹配到，返回None（False） |
match(pattern,string)：在字串開始處匹配模式
|
1 2 3 4 5 6 |
m = re.search('asd','ASDasd') print m <_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True） m = re.search('asd','ASDASD') print m None #沒有匹配到，返回None（False） |
等價於
|
1 2 3 4 5 |
pat=re.compile('a') print pat.match('Aasd') None printpat.match('aASD') <_sre.SRE_Match object at 0xb72cd6e8> |
上面的函式返回都可以在if條件語句中進行判斷：
|
1 2 3 4 5 6 7 |
if pat.search('asd'): ... print 'OK' ... OK #找到返回 if re.search('a','ASD'): ... print "OK" ... #沒有找到 |
split(pattern,string)：根據模式分割字串,返回列表
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 |
re.split(',','a,s,d,asd') ['a', 's', 'd', 'asd'] #返回列表 pat = re.compile(',') pat.split('a,s,d,asd') ['a', 's', 'd', 'asd'] #返回列表 re.split('[, ]+','a , s ,d ,,,,,asd') #正則匹配：[, ]+，後面說明 ['a', 's', 'd', 'asd'] re.split('[, ]+','a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次數 ['a', 's', 'd ,,,,,asd'] pat = re.compile('[, ]+') #正則匹配：[, ]+，後面說明 pat.split('a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次數 ['a', 's', 'd ,,,,,asd'] |
findall(pattern,string)：列表形式返回匹配項
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
re.findall('a','ASDaDFGAa') ['a', 'a'] #列表形式返回匹配到的字串 pat = re.compile('a') pat.findall('ASDaDFGAa') ['a', 'a'] #列表形式返回匹配到的字串 pat = re.compile('[A-Z]+') #正則匹配：'[A-Z]+' 後面有說明 pat.findall('ASDcDFGAa') ['ASD', 'DFGA'] #找到匹配到的字串 pat = re.compile('[A-Z]') pat.findall('ASDcDFGAa') #正則匹配：'[A-Z]+' 後面有說明 ['A', 'S', 'D', 'D', 'F', 'G', 'A'] #找到匹配到的字串 pat = re.compile('[A-Za-z]') #正則匹配：'[A-Za-z]+' 匹配所有單詞，後面有說明 pat.findall('ASDcDFGAa') ['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a'] |
sub(pat,repl,string) ：用repl替換 pat匹配項
(留的是中間的，因為中間在中心)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 |
re.sub('a','A','abcasd') #找到a用A替換，後面見和group的配合使用 'AbcAsd' pat = re.compile('a') pat.sub('A','abcasd') 'AbcAsd' pat=re.compile(r'www\.(.*)\..{3}') #正規表示式 #在Python的string前面加上‘r’， 是為了告訴編譯器這個string是個raw string，不要轉譯反斜槓 '\' 。 #例如，\n 在raw string中，是兩個字元，\和n， 而不會轉譯為換行符。 #由於正規表示式和 \ 會有衝突，因此，當一個字串使用了正規表示式後，最好在前面加上'r'。 #與大多數程式語言相同，正規表示式裡使用"\"作為轉義字元，這就可能造成反斜槓困擾。 #假如你需要匹配文字中的字元"\"，那麼使用程式語言表示的正規表示式裡將需要4個反斜槓"\\\\"： #前兩個和後兩個分別用於在程式語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正規表示式裡轉義成一個反斜槓。 #Python裡的原生字串很好地解決了這個問題，這個例子中的正規表示式可以使用r"\\"表示。 #同樣，匹配一個數字的"\\d"可以寫成r"\d"。 #有了原生字串，你再也不用擔心是不是漏寫了反斜槓，寫出來的表示式也更直觀。 #不是說 加了r \就沒有轉譯功能，好亂，就直接記住1句話： #當一個字串使用了正規表示式後，最好在前面加上'r'，這樣你再也不用擔心是不是漏寫了反斜槓，寫出來的表示式也更直觀 pat.match('www.dxy.com').group(1) 'dxy' re.sub(r'www\.(.*)\..{3}',r'\1','hello,www.dxy.com') pat.sub(r'\1','hello,www.dxy.com') 'hello,dxy' # r'1' 是第一組的意思 #通過正則匹配找到符合規則的"www.dxy.com" ，取得 組1字串 去替換 整個匹配。 pat=re.compile(r'(\w+) (\w+)') #正規表示式 s='hello world ! hello hz !' pat.findall('hello world ! hello hz !') [('hello', 'world'), ('hello', 'hz')] pat.sub(r'\2 \1',s) #通過正則得到組1(hello)，組2(world)，再通過sub去替換。即組1替換組2，組2替換組1，調換位置。 'world hello!hz hello!' |
escape(string) ：對字串裡面的特殊字串進行轉義
|
1 2 |
re.escape('www.dxy.cn') 'www\\.dxy\\.cn' #轉義 |
上面的函式中，只有match、search有group方法，其他的函式沒有。
函式的方法
group：獲取子模式(組)的匹配項
|
1 2 3 4 5 6 7 8 9 10 |
pat = re.compile(r'www\.(.*)\.(.*)') #用()表示1個組，2個組 m = pat.match('www.dxy.com') m.group() #預設為0，表示匹配整個字串 'www.dxy.com' m.group(1) #返回給定組1匹配的子字串 'dxy' m.group(2) 'com' |
start：給定組匹配項的開始位置
|
1 2 |
m.start(2) #組2開始的索引 8 |
end：給定組匹配項的結束位置
|
1 2 |
m.end(2) #組2結束的索引 11 |
span： 給定組匹配項的開始結束位置
|
1 2 |
m.span(2) #組2開始、結束的索引 (8, 11) |
正規表示式
元字元
“.” ：萬用字元,除換行符外的任意的1個字元
|
1 2 3 4 5 6 7 8 9 10 11 |
pat=re.compile('.') pat.match('abc') <_sre.SRE_Match object at 0xb72b6170> pat.match('abc').group() 'a' #匹配到了首個字元 pat.search('abc').group() 'a' pat.match('\n').group() #換行符匹配出錯 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' |
“\” : 轉義符
|
1 2 3 4 5 |
pat=re.compile('\.') pat.search('abc.efg').group() #匹配到. '.' pat.findall('abc.efg') #不用group,返回列表 ['.'] |
“[…]” : 字符集合，匹配裡面的任意一個元素
|
1 2 3 4 5 6 7 |
>>> pat=re.compile('[abc]') >>> pat.match('axbycz').group() 'a' >>> pat.search('axbycz').group() 'a' >>> pat.findall('axbycz') ['a', 'b', 'c'] |
“\d” : 數字
|
1 2 3 4 5 6 7 8 9 10 11 |
>>> pat=re.compile('\d') >>> pat.search('ax1by2cz3').group() #匹配到第一個數字:1，返回 '1' >>> pat.match('ax1by2cz3').group() #匹配不到（首個不是）返回None，報錯，match匹配字串頭 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> pat.findall('ax1by2cz3') #匹配所有的數字，列表返回 ['1', '2', '3'] |
“\D” : 非數字
|
1 2 3 4 5 6 7 |
>>> pat=re.compile('\D') >>> pat.match('ax1by2cz3').group() 'a' >>> pat.search('ax1by2cz3').group() 'a' >>> pat.findall('ax1by2cz3') ['a', 'x', 'b', 'y', 'c', 'z'] |
“\s” ：空白字元 、 \t、\r、\n、空格
|
1 2 3 4 5 6 7 |
>>> pat=re.compile('\s') >>> pat.findall('\rax1 \nby2 \tcz3') ['\r', ' ', '\n', ' ', '\t'] >>> pat.search('\rax1 \nby2 \tcz3').group() '\r' >>> pat.match('\rax1 \nby2 \tcz3').group() '\r' |
“S” :非空白字元
|
1 2 3 4 5 |
>>> pat=re.compile('\S') >>> pat.search('\rax1 \nby2 \tcz3').group() 'a' >>> pat.findall('\rax1 \nby2 \tcz3') ['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3'] |
“\w” ：單個的 數字和字母，[A-Za-z0-9]
|
1 2 3 4 5 6 7 |
>>> pat=re.compile('\w') >>> pat.search('1a2b3c').group() '1' >>> pat.findall('1a2b3c') ['1', 'a', '2', 'b', '3', 'c'] >>> pat.match('1a2b3c').group() '1' |
“\W”:非單詞字元,除數字和字母外
|
1 2 3 4 5 |
>>> pat=re.compile('\W') >>> pat.findall('1a2我b3c') #python是用三位元組表示一個漢字 ['\xe6', '\x88', '\x91'] >>> pat.search('1a2我b3c').group() '\xe6' |
數量詞
“*” ：0次或多次
（ 乘0會變成0）
|
1 2 3 4 5 6 7 |
>>> pat = re.compile('[abc]*') >>> pat.match('abcabcdefabc').group() 'abcabc' #2次 >>> pat.search('abcabcdefabc').group() 'abcabc' #2次 >>> pat.findall('abcabcdefabc') ['abcabc', '', '', '', 'abc', ''] #2次和1次,因為有0次，所以匹配了'' |
“+” ：1次或多次
（ 加0不會變成0）
|
1 2 3 4 5 6 7 |
>>> pat = re.compile('[abc]+') >>> pat.match('abcdefabcabc').group() 'abc' >>> pat.search('abcdefabcabc').group() 'abc' >>> pat.findall('abcdefabcabc') ['abc', 'abcabc'] |
“?” ：0次或1次，match,search 不會出現none，會出現’ ‘ （因為0次也是符合的）
0次或1次不是指[xxx]這個集合，而是其中的任何的一個字元
|
1 2 3 4 5 6 7 8 9 |
>>> pat = re.compile('[abc]?') >>> pat.match('defabc').group() #0次 '' >>> pat.match('abcdefabc').group() 'a' >>> pat.search('defabc').group() #0次 '' >>> pat.findall('defabc') #0次和1次 ['', '', '', 'a', 'b', 'c', ''] #後面總再加個'' |
“數量詞?” ：非貪婪模式：只匹配最少的（儘可能少）；預設貪婪模式：匹配最多的（儘可能多）
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
>>> pat = re.compile('[abc]+') #貪婪模式 >>> pat.match('abcdefabcabc').group() #匹配儘可能多的：abc 'abc' >>> pat.match('bbabcdefabcabc').group() 'bbabc' >>> pat.search('dbbabcdefabcabc').group() 'bbabc' >>> pat.findall('abcdefabcabc') ['abc', 'abcabc'] >>> pat = re.compile('[abc]+?') #非貪婪模式：+? >>> pat.match('abcdefabcabc').group() #匹配儘可能少的：a、b、c 'a' >>> pat.search('dbbabcdefabcabc').group() 'b' >>> pat.findall('abcdefabcabc') ['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c'] |
“{m}” ：匹配字串出現m次
|
1 2 3 4 5 |
>>> pat = re.compile('[op]{2}') #o或p出現2次 >>> pat.search('abcooapp').group() #匹配第一次出現的字串,o比p先出現 'oo' >>> pat.findall('abcooapp') #匹配出現的所有字串，列表形式返回 ['oo', 'pp'] |
“{m,n}” ：匹配字串出現m到n次
|
1 2 3 4 5 6 7 |
>>> pat = re.compile('[op]{2,4}') #o或則p出現2到4次 >>> pat.match('pppabcooapp').group() #匹配開頭 'ppp' >>> pat.search('pppabcooapp').group() #匹配第一次出現 'ppp' >>> pat.findall('pppabcooapp') #匹配所有 ['ppp', 'oo', 'pp'] |
.group() #匹配第一次出現
邊界
“^” ：匹配字串開頭或行頭
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
>>> pat = re.compile('^[abc]') #開頭是a、b、c中的任意一個 >>> pat.search('defabc').group() >>> pat.match('defabc').group() #均找不到 >>> pat.findall('defabc') [] >>> pat.search('adefabc').group() 'a' >>> pat.match('adefabc').group() #開頭是a、b、c中的任意一個 'a' >>> pat.findall('adefabc') ['a'] >>> pat = re.compile('^[abc]+') #開頭是a、b、c中的任意一個的一次或則多次，貪婪：匹配多個 >>> pat.findall('cbadefab') ['cba'] >>> pat = re.compile(r'^[abc]+?') #開頭是a、b、c中的任意一個的一次或則多次，非貪婪：匹配一個 >>> pat.findall('cbadefab') ['c'] |
“$” ：匹配字串結尾或則行尾
|
1 2 3 4 5 6 7 8 9 10 11 |
>>> pat = re.compile('[abc]$') >>> pat.match('adefAbc').group() #match匹配的是字串開頭，所以查詢$的時，總是返回None >>> pat.search('adefAbc').group() #結尾是a、b、c中的任意一個 'c' >>> pat.findall('adefAbc') ['c'] >>> pat = re.compile('[abc]+$') >>> pat.search('adefAbc').group() #結尾是a、b、c中的任意一個的一次或則多次，貪婪：匹配多個 'bc' >>> pat.findall('adefAbc') ['bc'] |
“\A”：匹配字串開頭
|
1 2 3 4 5 |
>>> pat = re.compile('\A[abc]+') >>> pat.findall('cbadefab') ['cba'] >>> pat.search('cbadefab').group() 'cba' |
“\Z”：匹配字串結尾
|
1 2 3 4 5 |
>>> pat = re.compile('[abc]+\Z') >>> pat.search('cbadefab').group() 'ab' >>> pat.findall('cbadefab') ['ab'] |
分組
(…)：分組匹配,從左到右,每遇到一個 ( 編號+1，分組後面可加數量詞
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
>>> pat=re.compile(r'(a)\w(c)') #\w:單個的數字或字母 [A-Za-z0-9] >>> pat.match('abcdef').group() 'abc' >>> pat=re.compile('(a)b(c)') #分2組，匿名分組 >>> pat.match('abcdef').group() #預設返回匹配的字串 'abc' >>> pat.match('abcdef').group(1) #取分組1，適用於search 'a' >>> pat.match('abcdef').group(2) #取分組2，適用於search 'c' >>> pat.match('abcdef').groups() #取所有分組，元組形式返回 ('a', 'c') |
<number>：引用編號為<number>的分組匹配到的字串
|
1 2 3 |
>>> pat=re.compile(r'www\.(.*)\..{3}') >>> pat.match('www.dxy.com').group(1) 'dxy' |
“(?P<name>…)” ：在模式裡面用()來表示分組（命名分組）,適用於提取目標字串中的某一些部位。
|
1 2 3 4 5 6 7 8 9 10 11 |
>>> pat=re.compile(r'(?P<K>a)\w(c)') #分2組：命名分組+匿名分組 >>> pat.search('abcdef').groups() #取所有分組，元組形式返回 ('a', 'c') >>> pat.search('abcdef').group(1) #取分組1，適用於match 'a' >>> pat.search('abcdef').group(2) #取分組2，適用於match 'c' >>> pat.search('abcdef').group() #預設返回匹配的字串 'abc' >>> pat.search('abcdef').groupdict() #命名分組可以返回一個字典【專有】，匿名分組也沒有 {'K': 'a'} |
“(?P=name)”：引用別名為<name>的分組匹配到的串
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)') #(?P=K)引用分組1的值，就是a >>> pat.search('abcdef').group() #匹配不到，因為完整'a\wca',模式的第4位是a Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> pat.search('abcadef').group() #匹配到，模式的第4位和組1一樣,值是c 'abca' >>> pat.search('abcadef').groups() ('a', 'c') >>> pat.search('abcadef').group(1) 'a' >>> pat.search('abcadef').group(2) 'c |
“<number>” ：引用分組編號匹配：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)\2') #\2引用分組2的值，就是c >>> pat.findall('Aabcadef') #匹配不到，因為完整'a\wcac',模式的第5位是c [] >>> pat.findall('Aabcacdef') #匹配到，模式的第5位和組2一樣,值是c [('a', 'c')] >>> pat.search('Aabcacdef').groups() ('a', 'c') >>> pat.search('Aabcacdef').group() 'abcac' >>> pat.search('Aabcacdef').group(1) 'a' >>> pat.search('Aabcacdef').group(2) 'c' |
特殊構造
(?:…) (…)不分組版本,用於使用 | 或者後接數量詞
(?iLmsux) iLmsux的每個字元代表一個匹配模式,只能用在正規表示式的開頭,可選多個
(?#…) #號後的內容將作為註釋
(?=…) 之後的字串內容需要匹配表示式才能成功匹配
(?!…) 之後的字串不匹配表示式才能成功
(?(?(?(id/name) yes |no) 如果編號為id/名字為name的組匹配到字串,則需要匹配yes,否則匹配no,no可以省略
“(?:…)” ：()裡面有?:表示該()不是分組
|
1 2 3 4 |
>>> pat=re.compile(r'a(?:bc)') >>> pat.findall('abc') ['abc'] >>> pat.match('abc').groups() #顯示不出分組 |
“(?=…)”：匹配…表示式，返回。對後進行匹配，總是對後面進行匹配
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
>>> pat=re.compile(r'\w(?=\d)') #匹配表示式\d，返回數字的前一位，\w：單詞字元[A-Za-z0-9] >>> pat.findall('abc1 def1 xyz1') ['c', 'f', 'z'] >>> pat.findall('zhoujy20130628hangzhou') #匹配數字的前一位，列表返回 ['y', '2', '0', '1', '3', '0', '6', '2'] >>> pat=re.compile(r'\w+(?=\d)') >>> pat.findall('abc1,def1,xyz1') #匹配最末數字的前字串，列表返回 ['abc', 'def', 'xyz'] >>> pat.findall('abc21,def31,xyz41') ['abc2', 'def3', 'xyz4'] >>> pat.findall('zhoujy20130628hangzhou') ['zhoujy2013062'] >>> pat=re.compile(r'[A-Za-z]+(?=\d)') #[A-Za-z],匹配字母,可以用其他的正則方法 >>> pat.findall('zhoujy20130628hangzhou123') #匹配後面帶有數字的字串，列表返回 ['zhoujy', 'hangzhou'] >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz'] |
“(?!…)” 不匹配…表示式，返回。對後進行匹配
|
1 2 3 4 5 |
>>> pat=re.compile(r'[A-Za-z]+(?!\d)') #[A-Za-z],匹配字母,可以用其他的正則方法 >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') #匹配後面不是數字的字串，列表返回 ['zhouj', 'hangzho', 'binjian'] >>> pat.findall('abc21,def31,xyz41') ['ab', 'de', 'xy'] |
“(?<=…)”：匹配…表示式，返回。對前進行匹配,總是對前面進行匹配
|
1 2 3 4 5 6 7 |
>>> pat=re.compile(r'(?<=\d)[A-Za-z]+') #匹配前面是數字的字母 >>> pat.findall('abc21,def31,xyz41') [] >>> pat.findall('1abc21,2def31,3xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['hangzhou'] |
“(?<!…)”：不匹配…表示式，返回。對前進行匹配,總是對前面進行匹配
|
1 2 3 4 5 |
>>> pat=re.compile(r'(?<!\d)[A-Za-z]+') #匹配前面不是數字的字母 >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['zhoujy', 'angzhou', 'binjiang'] |
“(?(id/name) yes |no)”: 組是否匹配，匹配返回
|
1 2 3 4 5 6 7 8 9 10 11 |
>>> pat=re.compile(r'a(\d)?bc(?(1)\d)') #no省略了，完整的是a\dbc\d ==> a2bc3,總共5位，第2位是可有可無的數字，第5為是數字 >>> pat.findall('abc9') #返回組1，但第2位（組1）沒有，即返回了'' [''] >>> pat.findall('a8bc9') #完整的模式，返回組1 ['8'] >>> pat.match('a8bc9').group() 'a8bc9' >>> pat.match('a8bc9').group(1) '8' >>> pat.findall('a8bc') #第5位不存在，則沒有匹配到 [] |
“(?iLmsux)”:這裡就介紹下i引數：大小寫區分匹配
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
>>> pat=re.compile(r'abc') >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') [] >>> pat=re.compile(r'(?i)abc') #(?i) 不區分大小寫 >>> pat.findall('ABC') ['ABC'] >>> pat.findall('abc') ['abc'] >>> pat.findall('aBc') ['aBc'] >>> pat.findall('aBC') ['aBC'] >>> pat=re.compile(r'abc',re.I) #re.I 作為引數使用，推薦 >>> pat.findall('aBC') ['aBC'] >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') ['ABC'] |