正则表达式
- 正则匹配函数
- 简单的模式:字符匹配
-
- [2.1 元字符](#2.1 元字符)
- [2.2 概括字符集](#2.2 概括字符集)
- [2.3 数量词](#2.3 数量词)
- [2.4 边界匹配 ^和](#2.4 边界匹配 ^和)
- [2.5 组 ( )](#2.5 组 ( ))
- [2.6 匹配模式参数](#2.6 匹配模式参数)
- [2.7 re.sub替换字符串](#2.7 re.sub替换字符串)
- [2.8 把函数做为参数传递](#2.8 把函数做为参数传递)
- [2.9 group分组](#2.9 group分组)
- 正则表达式的一些建议
正则匹配函数
1.1 re.compile
re.compile是将正则表达式转换为模式对象,这样可以更有效率匹配。
单独使用就没有任何意义,需要和findall(), search(), match()搭配使用。
1.2 re.match
从字符串的第一个字符开始匹配,未匹配到返回None,匹配到则返回一个对象
1.3 re.search
搜索整个字符串第一个匹配到指定的字符则返回值,未匹配到则返回None。
1.4 re.findall
匹配出字符串中所有跟指定值有关的值,并且以列表的形式返回。
未匹配到则返回一个空的列表。
python
import re
# compile配合findall
a = '0355-67796666'
b = re.compile(r'\d+-\d{8}')
r = re.findall(b,a)
# 或
r = b.findall(a)
print(r)
# 直接使用findall
import re
r = re.findall(r'\d+-\d{8}',a)
print(r)
# compile配合search
import re
正则 = re.compile(r'\d+-\d{8}')
r = re.search(正则,a)
print(r.group())
# compile配合match
import re
正则 = re.compile(r'\d+-\d{8}')
r = re.match(正则,a)
print(r.group())
# ['0355-67796666']
# ['0355-67796666']
# 0355-67796666
# 0355-67796666
简单的模式:字符匹配
2.1 元字符
0-9\]:所有数字;
\[\^0-9\]:非数字;
x\[d-f\]z:字符串中间字母是d,e,f的单词
### 2.2 概括字符集
\\d:所有的数字;\\D:所有非数字;
\\w:可以提取中文,英文,数字和下划线,不能提取特殊字符
\\W:提取特殊字符、空格、\\n、\\t等
### 2.3 数量词
匹配0次或无限多次------ \*号;
匹配1次或者无限多次 ------+号;
匹配0次或1次 ------?号
```python
# 匹配0次或无限多次 *号,*号前面的字符出现0次或无限次
import re
a = 'exce0excell3excel3'
r = re.findall('excel*',a)
print(r)
# 匹配1次或者无限多次 +号,+号前面的字符至少出现1次
import re
a = 'exce0excell3excel3'
r = re.findall('excel+',a)
print(r)
# 匹配0次或1次 ?号,?号经常用来去重复
import re
a = 'exce0excell3excel3'
r = re.findall('excel?',a)
print(r)
# ['exce', 'excell', 'excel']
# ['excell', 'excel']
# ['exce', 'excel', 'excel']
```
**贪婪**
```python
# 贪婪
import re
a = 'Excel 12345Word23456PPT12Lr'
r = re.findall('[a-zA-Z]{3,5}',a)
print(r)
# 非贪婪
r = re.findall('[a-zA-Z]{3,5}?',a)
print(r)
r = re.findall('[a-zA-Z]{3}',a)
print(r)
# ['Excel', 'Word', 'PPT']
# ['Exc', 'Wor', 'PPT']
# ['Exc', 'Wor', 'PPT']
```
### 2.4 边界匹配 \^和$
```python
# 限制电话号码的位置必需是8-11位才能提取
import re
tel = '13811115888'
r = re.findall('^\d{8,11}$',tel)
print(r)
# ['13811115888']
```
### 2.5 组 ( )
```python
# 将abc打成一个组,{2}指的是重复几次,匹配abcabc
import re
a = 'abcabcabcxyzabcabcxyzabc'
r = re.findall('(abc){2}',a)
print(r)
#['abc', 'abc']
```
### 2.6 匹配模式参数
1).re.I(re.IGNORECASE): 忽略大小写
2).re.M(MULTILINE): 多行模式,改变'^'和'$'的行为
3).re.S(DOTALL): 点任意匹配模式,改变'.'的行为
4).re.L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
5).re.U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
6).re.X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释
```python
# findall第三参数 re.I忽略大小写
import re
a = 'abcFBIabcCIAabc'
r = re.findall('fbi',a,re.I)
print(r)
# 多个模式之间用 | 连接在一起
import re
a = 'abcFBI\nabcCIAabc'
r = re.findall('fbi.{1}',a,re.I | re.S) # 匹配fbi然后匹配任意一个字符包括\n
print(r)
# 注:.句号,不匹配\n,但是使用re.S之后,匹配所有字符包括换行符
# ['FBI']
# ['FBI\n']
```
### 2.7 re.sub替换字符串
```python
# 把FBI替换成BBQ
import re
a = 'abcFBIabcCIAabc'
r = re.sub('FBI','BBQ',a)
print(r)
# 把FBI替换成BBQ,第4参数写1,证明只替换第一次,默认是0(无限替换)
import re
a = 'abcFBIabcFBIaFBICIAabc'
r = re.sub('FBI','BBQ',a,1)
print(r)
# abcBBQabcCIAabc
# abcBBQabcFBIaFBICIAabc
```
### 2.8 把函数做为参数传递
```python
# 拓展知识
import re
a = 'abcFBIabcFBIaFBICIAabc'
def 函数名(形参):
print(形参)
分段获取 = 形参.group() # group()在正则表达式中用于获取分段截获的字符串,获取到FBI
return '$' + 分段获取 + '$'
r = re.sub('FBI',函数名,a)
print(r)
# 将字符串中大于等于5的替换成9,小于5的替换成0
import re
a = 'C52730A52730D52730'
def 函数名(形参):
分段获取 = 形参.group()
if int(分段获取) >= 5:
return '9'
else:
return '0'
r = re.sub('\d',函数名,a)
print(r)
#