re模块下的函数
compile(pattern):创建模式对象
import re pat=re.compile('A') m=pat.search('CBA') #等价于 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 #没有匹配到,返回None(False)
search(pattern,string):在字符串中寻找模式
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 #没有匹配到,返回None(False)
match(pattern,string):在字符串开始处匹配模式
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 #没有匹配到,返回None(False)
等价于
pat=re.compile('a') print pat.match('Aasd') None printpat.match('aASD') <_sre.SRE_Match object at 0xb72cd6e8>
上面的函数返回都可以在if条件语句中进行判断:
if pat.search('asd'): ... print 'OK' ... OK #找到返回 if re.search('a','ASD'): ... print "OK" ... #没有找到
split(pattern,string):根据模式分割字符串,返回列表
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') #正则匹配:[, ]+,后面说明 ['a', 's', 'd', 'asd'] re.split('[, ]+','a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数 ['a', 's', 'd ,,,,,asd'] pat = re.compile('[, ]+') #正则匹配:[, ]+,后面说明 pat.split('a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数 ['a', 's', 'd ,,,,,asd']
findall(pattern,string):列表形式返回匹配项
re.findall('a','ASDaDFGAa') ['a', 'a'] #列表形式返回匹配到的字符串 pat = re.compile('a') pat.findall('ASDaDFGAa') ['a', 'a'] #列表形式返回匹配到的字符串 pat = re.compile('[A-Z]+') #正则匹配:'[A-Z]+' 后面有说明 pat.findall('ASDcDFGAa') ['ASD', 'DFGA'] #找到匹配到的字符串 pat = re.compile('[A-Z]') pat.findall('ASDcDFGAa') #正则匹配:'[A-Z]+' 后面有说明 ['A', 'S', 'D', 'D', 'F', 'G', 'A'] #找到匹配到的字符串 pat = re.compile('[A-Za-z]') #正则匹配:'[A-Za-z]+' 匹配所有单词,后面有说明 pat.findall('ASDcDFGAa') ['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a']
sub(pat,repl,string) :用repl替换 pat匹配项
(留的是中间的,因为中间在中心)
re.sub('a','A','abcasd') #找到a用A替换,后面见和group的配合使用 'AbcAsd' pat = re.compile('a') pat.sub('A','abcasd') 'AbcAsd' pat=re.compile(r'www.(.*)..{3}') #正则表达式 #在Python的string前面加上‘r', 是为了告诉编译器这个string是个raw string,不要转译反斜杠 '' 。 #例如,n 在raw string中,是两个字符,和n, 而不会转译为换行符。 #由于正则表达式和 会有冲突,因此,当一个字符串使用了正则表达式后,最好在前面加上'r'。 #与大多数编程语言相同,正则表达式里使用""作为转义字符,这就可能造成反斜杠困扰。 #假如你需要匹配文本中的字符"",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\": #前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。 #Python里的原生字符串很好地解决了这个问题,这个例子中的正则表达式可以使用r"\"表示。 #同样,匹配一个数字的"\d"可以写成r"d"。 #有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。 #不是说 加了r 就没有转译功能,好乱,就直接记住1句话: #当一个字符串使用了正则表达式后,最好在前面加上'r',这样你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观 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' 是第一组的意思 #通过正则匹配找到符合规则的"www.dxy.com" ,取得 组1字符串 去替换 整个匹配。 pat=re.compile(r'(w+) (w+)') #正则表达式 s='hello world ! hello hz !' pat.findall('hello world ! hello hz !') [('hello', 'world'), ('hello', 'hz')] pat.sub(r'2 1',s) #通过正则得到组1(hello),组2(world),再通过sub去替换。即组1替换组2,组2替换组1,调换位置。 'world hello!hz hello!'
escape(string) :对字符串里面的特殊字符串进行转义
re.escape('www.dxy.cn') 'www\.dxy\.cn' #转义
上面的函数中,只有match、search有group方法,其他的函数没有。
函数的方法
group:获取子模式(组)的匹配项
pat = re.compile(r'www.(.*).(.*)') #用()表示1个组,2个组 m = pat.match('www.dxy.com') m.group() #默认为0,表示匹配整个字符串 'www.dxy.com' m.group(1) #返回给定组1匹配的子字符串 'dxy' m.group(2) 'com'
start:给定组匹配项的开始位置
m.start(2) #组2开始的索引 8
end:给定组匹配项的结束位置
m.end(2) #组2结束的索引 11
span: 给定组匹配项的开始结束位置
m.span(2) #组2开始、结束的索引 (8, 11)
正则表达式
正则表达式(可以称为REs,regex,regex pattens)是一个小巧的,高度专业化的编程语言,它内嵌于python开发语言中,可通过re模块使用。正则表达式的pattern可以被编译成一系列的字节码,然后用C编写的引擎执行。下面简单介绍下正则表达式的语法。
元字符
“.” :通配符,除换行符外的任意的1个字符
pat=re.compile('.') pat.match('abc') <_sre.SRE_Match object at 0xb72b6170> pat.match('abc').group() 'a' #匹配到了首个字符 pat.search('abc').group() 'a' pat.match('n').group() #换行符匹配出错 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group'
“” : 转义符
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,匹配里面的任意一个元素
>>> pat=re.compile('[abc]') >>> pat.match('axbycz').group() 'a' >>> pat.search('axbycz').group() 'a' >>> pat.findall('axbycz') ['a', 'b', 'c']
“d” : 数字
>>> pat=re.compile('d') >>> pat.search('ax1by2cz3').group() #匹配到第一个数字:1,返回 '1' >>> pat.match('ax1by2cz3').group() #匹配不到(首个不是)返回None,报错,match匹配字符串头 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> pat.findall('ax1by2cz3') #匹配所有的数字,列表返回 ['1', '2', '3']
“D” : 非数字
>>> pat=re.compile('D') >>> pat.match('ax1by2cz3').group() 'a' >>> pat.search('ax1by2cz3').group() 'a' >>> pat.findall('ax1by2cz3') ['a', 'x', 'b', 'y', 'c', 'z']
“s” :空白字符 、 t、r、n、空格
>>> 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” :非空白字符
>>> 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” :单个的 数字和字母,[A-Za-z0-9]
>>> pat=re.compile('w') >>> pat.search('1a2b3c').group() '1' >>> pat.findall('1a2b3c') ['1', 'a', '2', 'b', '3', 'c'] >>> pat.match('1a2b3c').group() '1'
“W”:非单词字符,除数字和字母外
>>> pat=re.compile('W') >>> pat.findall('1a2我b3c') #python是用三字节表示一个汉字 ['xe6', 'x88', 'x91'] >>> pat.search('1a2我b3c').group() 'xe6'
数量词
“*” :0次或多次
( 乘0会变成0)
>>> 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,因为有0次,所以匹配了''
“+” :1次或多次
( 加0不会变成0)
>>> 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 不会出现none,会出现' ‘ (因为0次也是符合的)
0次或1次不是指[xxx]这个集合,而是其中的任何的一个字符
>>> 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', ''] #后面总再加个''
“数量词?” :非贪婪模式:只匹配最少的(尽可能少);默认贪婪模式:匹配最多的(尽可能多)
>>> pat = re.compile('[abc]+') #贪婪模式 >>> pat.match('abcdefabcabc').group() #匹配尽可能多的:abc 'abc' >>> pat.match('bbabcdefabcabc').group() 'bbabc' >>> pat.search('dbbabcdefabcabc').group() 'bbabc' >>> pat.findall('abcdefabcabc') ['abc', 'abcabc'] >>> pat = re.compile('[abc]+?') #非贪婪模式:+? >>> pat.match('abcdefabcabc').group() #匹配尽可能少的:a、b、c 'a' >>> pat.search('dbbabcdefabcabc').group() 'b' >>> pat.findall('abcdefabcabc') ['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']
“{m}” :匹配字符串出现m次
>>> pat = re.compile('[op]{2}') #o或p出现2次 >>> pat.search('abcooapp').group() #匹配第一次出现的字符串,o比p先出现 'oo' >>> pat.findall('abcooapp') #匹配出现的所有字符串,列表形式返回 ['oo', 'pp']
“{m,n}” :匹配字符串出现m到n次
>>> pat = re.compile('[op]{2,4}') #o或则p出现2到4次 >>> pat.match('pppabcooapp').group() #匹配开头 'ppp' >>> pat.search('pppabcooapp').group() #匹配第一次出现 'ppp' >>> pat.findall('pppabcooapp') #匹配所有 ['ppp', 'oo', 'pp']
.group() #匹配第一次出现
边界
“^” :匹配字符串开头或行头
>>> pat = re.compile('^[abc]') #开头是a、b、c中的任意一个 >>> pat.search('defabc').group() >>> pat.match('defabc').group() #均找不到 >>> pat.findall('defabc') [] >>> pat.search('adefabc').group() 'a' >>> pat.match('adefabc').group() #开头是a、b、c中的任意一个 'a' >>> pat.findall('adefabc') ['a'] >>> pat = re.compile('^[abc]+') #开头是a、b、c中的任意一个的一次或则多次,贪婪:匹配多个 >>> pat.findall('cbadefab') ['cba'] >>> pat = re.compile(r'^[abc]+?') #开头是a、b、c中的任意一个的一次或则多次,非贪婪:匹配一个 >>> pat.findall('cbadefab') ['c']
“$” :匹配字符串结尾或则行尾
>>> pat = re.compile('[abc]$') >>> pat.match('adefAbc').group() #match匹配的是字符串开头,所以查找$的时,总是返回None >>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个 'c' >>> pat.findall('adefAbc') ['c'] >>> pat = re.compile('[abc]+$') >>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个的一次或则多次,贪婪:匹配多个 'bc' >>> pat.findall('adefAbc') ['bc']
“A”:匹配字符串开头
>>> pat = re.compile('A[abc]+') >>> pat.findall('cbadefab') ['cba'] >>> pat.search('cbadefab').group() 'cba'
“Z”:匹配字符串结尾
>>> pat = re.compile('[abc]+Z') >>> pat.search('cbadefab').group() 'ab' >>> pat.findall('cbadefab') ['ab']
分组
(…):分组匹配,从左到右,每遇到一个 ( 编号+1,分组后面可加数量词
>>> pat=re.compile(r'(a)w(c)') #w:单个的数字或字母 [A-Za-z0-9] >>> pat.match('abcdef').group() 'abc' >>> pat=re.compile('(a)b(c)') #分2组,匿名分组 >>> pat.match('abcdef').group() #默认返回匹配的字符串 'abc' >>> pat.match('abcdef').group(1) #取分组1,适用于search 'a' >>> pat.match('abcdef').group(2) #取分组2,适用于search 'c' >>> pat.match('abcdef').groups() #取所有分组,元组形式返回 ('a', 'c')
<number>:引用编号为<number>的分组匹配到的字符串
>>> pat=re.compile(r'www.(.*)..{3}') >>> pat.match('www.dxy.com').group(1) 'dxy'
“(?P<name>…)” :在模式里面用()来表示分组(命名分组),适用于提取目标字符串中的某一些部位。
>>> pat=re.compile(r'(?P<K>a)w(c)') #分2组:命名分组+匿名分组 >>> pat.search('abcdef').groups() #取所有分组,元组形式返回 ('a', 'c') >>> pat.search('abcdef').group(1) #取分组1,适用于match 'a' >>> pat.search('abcdef').group(2) #取分组2,适用于match 'c' >>> pat.search('abcdef').group() #默认返回匹配的字符串 'abc' >>> pat.search('abcdef').groupdict() #命名分组可以返回一个字典【专有】,匿名分组也没有 {'K': 'a'}
“(?P=name)”:引用别名为<name>的分组匹配到的串
>>> pat=re.compile(r'(?P<K>a)w(c)(?P=K)') #(?P=K)引用分组1的值,就是a >>> pat.search('abcdef').group() #匹配不到,因为完整'awca',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位和组1一样,值是c 'abca' >>> pat.search('abcadef').groups() ('a', 'c') >>> pat.search('abcadef').group(1) 'a' >>> pat.search('abcadef').group(2) 'c
“<number>” :引用分组编号匹配:
>>> pat=re.compile(r'(?P<K>a)w(c)(?P=K)2') #2引用分组2的值,就是c >>> pat.findall('Aabcadef') #匹配不到,因为完整'awcac',模式的第5位是c [] >>> pat.findall('Aabcacdef') #匹配到,模式的第5位和组2一样,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'
特殊构造
(?:…) (…)不分组版本,用于使用 | 或者后接数量词
(?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
(?#…) #号后的内容将作为注释
(?=…) 之后的字符串内容需要匹配表达式才能成功匹配
(?!…) 之后的字符串不匹配表达式才能成功
(?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略
“(?:…)” :()里面有?:表示该()不是分组
>>> pat=re.compile(r'a(?:bc)') >>> pat.findall('abc') ['abc'] >>> pat.match('abc').groups() #显示不出分组
“(?=…)”:匹配…表达式,返回。对后进行匹配,总是对后面进行匹配
>>> pat=re.compile(r'w(?=d)') #匹配表达式d,返回数字的前一位,w:单词字符[A-Za-z0-9] >>> pat.findall('abc1 def1 xyz1') ['c', 'f', 'z'] >>> pat.findall('zhoujy20130628hangzhou') #匹配数字的前一位,列表返回 ['y', '2', '0', '1', '3', '0', '6', '2'] >>> pat=re.compile(r'w+(?=d)') >>> pat.findall('abc1,def1,xyz1') #匹配最末数字的前字符串,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,可以用其他的正则方法 >>> pat.findall('zhoujy20130628hangzhou123') #匹配后面带有数字的字符串,列表返回 ['zhoujy', 'hangzhou'] >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz']
“(?!…)” 不匹配…表达式,返回。对后进行匹配
>>> pat=re.compile(r'[A-Za-z]+(?!d)') #[A-Za-z],匹配字母,可以用其他的正则方法 >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') #匹配后面不是数字的字符串,列表返回 ['zhouj', 'hangzho', 'binjian'] >>> pat.findall('abc21,def31,xyz41') ['ab', 'de', 'xy']
“(?<=…)”:匹配…表达式,返回。对前进行匹配,总是对前面进行匹配
>>> pat=re.compile(r'(?<=d)[A-Za-z]+') #匹配前面是数字的字母 >>> pat.findall('abc21,def31,xyz41') [] >>> pat.findall('1abc21,2def31,3xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['hangzhou']
“(?<!…)”:不匹配…表达式,返回。对前进行匹配,总是对前面进行匹配
>>> pat=re.compile(r'(?<!d)[A-Za-z]+') #匹配前面不是数字的字母 >>> pat.findall('abc21,def31,xyz41') ['abc', 'def', 'xyz'] >>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') ['zhoujy', 'angzhou', 'binjiang']
“(?(id/name) yes |no)”: 组是否匹配,匹配返回
>>> pat=re.compile(r'a(d)?bc(?(1)d)') #no省略了,完整的是adbcd ==> a2bc3,总共5位,第2位是可有可无的数字,第5为是数字 >>> pat.findall('abc9') #返回组1,但第2位(组1)没有,即返回了'' [''] >>> pat.findall('a8bc9') #完整的模式,返回组1 ['8'] >>> pat.match('a8bc9').group() 'a8bc9' >>> pat.match('a8bc9').group(1) '8' >>> pat.findall('a8bc') #第5位不存在,则没有匹配到 []
“(?iLmsux)”:这里就介绍下i参数:大小写区分匹配
>>> pat=re.compile(r'abc') >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') [] >>> pat=re.compile(r'(?i)abc') #(?i) 不区分大小写 >>> 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 作为参数使用,推荐 >>> pat.findall('aBC') ['aBC'] >>> pat.findall('abc') ['abc'] >>> pat.findall('ABC') ['ABC']
总结
以上就是本文关于Python编程之Re模块下的函数介绍的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站:Python探索之静态方法和类方法的区别详解、Python探索之爬取电商售卖信息代码示例等,如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!