正则表达式 - 技术栈

Python通过re模块实现对正则表达式的支持

匹配操作

re.match(pattern, string)从字符串的开始进行匹配，如果开始部分匹配成功就返回陪陪对象，否则返回None

python 复制代码

import re

m = re.match('foo', 'food') # 返回匹配对象
print(m)    # <re.Match object; span=(0, 3), match='foo'>

m = re.match('foo', 'fbar')
print(m)    # None

搜索操作

re.search(pattern, string)扫描字符串，如果找到匹配就返回匹配对象，否则返回None

python 复制代码

m = re.search('foo', 'hellofood')
print(m)    # <re.Match object; span=(5, 8), match='foo'>

m = re.search('foo', 'hello')
print(m)    # None

提取操作

re.findall(pattern, string)查找所有匹配，返回所有匹配结果的列表，没有匹配到就返回空列表

python 复制代码

lst = re.findall('ab', 'abcdabcdabcd')
print(lst)  # ['ab', 'ab', 'ab']

re.finditer(pattern, string)查找所有匹配，返回所有匹配结果的一个iterator

python 复制代码

lst = re.finditer('ab', 'abcdabcdabcd')
print(lst)    # <callable_iterator object at 0x00000243E0D51FD0>

for i in lst:
    print(f"{i}  {i.group()}")

"""
<re.Match object; span=(0, 2), match='ab'>  ab
<re.Match object; span=(4, 6), match='ab'>  ab
<re.Match object; span=(8, 10), match='ab'>  ab
"""

替换操作

re.sub(pattern, string)用于替换匹配的字符串

python 复制代码

text = "I am the bone of my sword"
print(re.sub('sword', 'blade', text))
# I am the bone of my blade

匹配字符

|------|---------------------------|
| 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 |
| \s | 匹配空白，即空格，tab键 |
| \S | 匹配非空白 |
| \w | 匹配非特殊字符，即a-z、A-Z、0-9、_、汉字 |
| \W | 匹配特殊字符，即非字母、非数字、非汉字 |

匹配多个字符

|-------|----------------------------|
| 字符 | 功能 |
| * | 匹配前一个字符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1次 |
| ？ | 匹配前一个字符出现1次或者0次，即要么1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,n} | 匹配前一个字符出现从m到n次 |

*示例

python 复制代码

import re

ret = re.match("[A-Z][a-z]*", "M")
print(ret.group())    # M

ret = re.match("[A-Z][a-z]*", "MnnM")
print(ret.group())    # Mnn

ret = re.match("[A-Z][a-z]*", "AabbccCdd")
print(ret.group())    # Aabbcc

+示例

python 复制代码

match_obj = re.match("py.+n", "python")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

# python

？示例

python 复制代码

match_obj = re.match("https?", "http")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

# http

{m}、{m,n}示例

python 复制代码

ret = re.match("[a-zA-Z0-9_]{6}","12a3G345H")
print(ret.group())  # 12a3G3

ret = re.match("[a-zA-Z0-9_]{8,20}","1a2b3c4d5e6f7g8h9ijklmn")
print(ret.group())  # 1a2b3c4d5e6f7g8h9ijk

贪婪模式与非贪婪模式

在正则表达式中，贪婪模式和非贪婪模式描述的是量词的匹配方式。

量词是正则表达式中指定匹配次数的元字符，主要有：

*：0次或多次

?：0次或1次

+：1次或多次

贪婪模式：两次会尽可能多的匹配字符

非贪婪模式：两次会尽可能少的匹配字符

在正则表达式中，贪婪模式是默认的，可以通过在量词后面加？将其转换为非贪婪模式

python 复制代码

import re

# 贪婪模式
ret = re.match("<div>.+</div>", "<div>111</div><div>222</div>")
print(ret.group())  # <div>111</div><div>222</div>

# 非贪婪模式
ret = re.match("<div>.+?</div>", "<div>111</div><div>222</div>")
print(ret.group())  # <div>111</div>

匹配开头和结尾

^：匹配字符串开头

python 复制代码

import re

# 匹配以数字开头的数据
match_obj = re.match("^\d.*", "6hello")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

$：匹配字符串结尾

python 复制代码

# 匹配以数字结尾的数据
match_obj = re.match(".*\d$", "saber1")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

[^指定字符]：匹配指定字符以外的所有字符

python 复制代码

match_obj = re.match("[^abc]", "d")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

匹配分组

|--------------|---------------------|
| 字符 | 功能 |
| | | 匹配左右任意一个表达式 |
| (ab) | 将括号中的字符作为一个分组 |
| \num | 引用分组num匹配到的字符串 |
| (?P<name>) | 分组起别名 |
| (?P=name) | 引用别名为name的分组匹配到的字符串 |

python 复制代码

import re

lst = ["archer", "saber", "lancer", "rider"]

for value in lst:
    match_obj = re.match("saber|archer", value)
    if match_obj:
        print(f"{match_obj.group()} nice!")
    else:
        print(value)

python 复制代码

# 匹配邮箱

match_obj = re.match("\w{4,20}@(163|126|qq)\.com", "archer@qq.com")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

python 复制代码

# 匹配 电话:10086 类似的数据，提取"电话"文字和号码
match_obj = re.match("(电话):([1-9]\d{4,10})", "电话:10086")


if match_obj:
  print(match_obj.group())
  # 分组:默认是1一个分组，多个分组从左到右依次加1
  print(match_obj.group(1))
  # 提取第二个分组数据
  print(match_obj.group(2))
else:
  print("匹配失败")


# 电话
# 10086

python 复制代码

match_obj = re.match("<[a-zA-Z1-6]+>.*</[a-zA-Z1-6]+>", "<html>abc</div>")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

match_obj = re.match("<([a-zA-Z1-6]+)>.*</\\1>", "<html>abc</html>")
if match_obj:
    print(match_obj.group())
else:
    print("匹配失败")

# <html>abc</div>
# <html>abc</html>

python 复制代码

match_obj = re.match("<(?P<name1>[a-zA-Z1-6]+)><(?P<name2>[a-zA-Z1-6]+)>.*</(?P=name2)></(?P=name1)>",
                     "<html><h1>www.baidu.com</h1></html>")

if match_obj:
  print(match_obj.group())
else:
  print("匹配失败")

正则中标志的使用

|-------------------|----------------------|
| 字符 | 功能 |
| re.I (IGNORECASE) | 忽略大小写 |
| re.M (MULTILINE) | 多行匹配，修改'^'和'$'的行为 |
| re.S (DOTALL) | **.**可以匹配所有字符，包含换行符 |
| re.U (UNICODE) | 使用Unicode匹配 |
| re.X (VERBOSE) | 忽略空格和注释，使正则表达式更具有可读性 |

python 复制代码

import re

# 忽略大小写
m1 = re.match('[a-z]+','Hello', re.I)
if m1:
    print(m1.group())
else:
    print('m1:匹配失败')

# .可以匹配所有字符，包含换行符
m2 = re.match('.+', "Hello\n\tWorld", re.S)
if m2:
    print(m2.group())
else:
    print('m2:匹配失败')

# 忽略空格和注释，使正则表达式更具有可读性
m3 = re.match(r"""
^
(
[a-z]+[A-Z]*
|
[A-Z]+[a-z]*
)
\s+
(World)
""","Hello World", re.X)
print(m3.group())

# Hello
# Hello
# 	World
# Hello World