正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
正则表达式
常用操作符
操作符 | 说明 | 实例 |
---|---|---|
. |
. 表示任何单个字符 | |
[] |
字符集,对单个字符给出取值范围` | 表示a、b、c,[a‐z]表示a到z单个字符 |
[^] |
非字符集,对单个字符给出排除范围 | [\^abc] 表示非a或b或c的单个字符 |
* |
前一个字符0次或无限次扩展 | abc\* 表示ab、abc、abcc、abccc等 |
+ |
前一个字符1次或无限次扩展 | abc+ 表示abc、abcc、abccc等 |
? |
前一个字符0次或1次扩展 | abc? 表示ab、abc |
| |
左右表达式任意一个 | abc\|def 表示abc、def |
{m} |
扩展前一个字符m次 | ab{2}c 表示abbc |
{m,n} |
扩展前一个字符m至n次(含n) | ab{1,2}c 表示abc、abbc |
^ |
匹配字符串开头 | ^abc 表示abc且在一个字符串的开头 |
$ |
匹配字符串结尾 | abc$ 表示abc且在一个字符串的结尾 |
( ) |
分组标记,内部只能使用| 操作符 |
(abc) 表示abc,(abc|def) 表示abc、def |
\d |
数字,等价于[0‐9] | |
\w |
单词字符,等价于[A‐Za‐z0‐9_] |
经典正则表达式实例
IP地址的精确写法
0‐99: [1‐9]?\d
100‐199: 1\d{2}
200‐249: 2[0‐4]\d
250‐255: 25[0‐5]
(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])
Re库
re库采用raw string类型表示正则表达式,表示为:r’text’
建议:当正则表达式包含转义符时,使用raw string
函数 | 说明 |
---|---|
re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
re.match() | 从一个字符串的开始位置起匹配正则表达式,返回match对象 |
re.findall() | 搜索字符串,以列表类型返回全部能匹配的子串 |
re.split() | 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
re.finditer() | 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
re.sub() | 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
re.search(pattern, string, flags=0)
在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记
re.match(pattern, string, flags=0)
从一个字符串的开始位置起匹配正则表达式,返回match对象
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记
re.findall(pattern, string, flags=0)
搜索字符串,以列表类型返回全部能匹配的子串
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记
re.split(pattern, string, maxsplit=0, flags=0)
将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- maxsplit: 最大分割数,剩余部分作为最后一个元素输出
- flags : 正则表达式使用时的控制标记
re.finditer(pattern, string, flags=0)
搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
- pattern : 正则表达式的字符串或原生字符串表示
- string : 待匹配字符串
- flags : 正则表达式使用时的控制标记
re.sub(pattern, repl, string, count=0, flags=0)
在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
- pattern : 正则表达式的字符串或原生字符串表示
- repl : 替换匹配字符串的字符串
- string : 待匹配字符串
- count : 匹配的最大替换次数
- flags : 正则表达式使用时的控制标记
regex = re.compile(pattern, flags=0)
将正则表达式的字符串形式编译成正则表达式对象
- pattern : 正则表达式的字符串或原生字符串表示
- flags : 正则表达式使用时的控制标记
Re库的另一种等价用法
函数 | 说明 |
---|---|
regex.search() |
在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象 |
regex.match() |
从一个字符串的开始位置起匹配正则表达式,返回match对象 |
regex.findall() |
搜索字符串,以列表类型返回全部能匹配的子串 |
regex.split() |
将一个字符串按照正则表达式匹配结果进行分割,返回列表类型 |
regex.finditer() |
搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 |
regex.sub() |
在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串 |
Re库的Match对象
Match对象是一次匹配的结果,包含匹配的很多信息
In[43]: match=re.match(r'[A-Z]+', 'Start HBU河北大学简称HBU')
In[44]: type(match)
Out[44]: re.Match
Match对象的属性
属性 | 说明 |
---|---|
.string |
待匹配的文本 |
.re |
匹配时使用的patter对象(正则表达式) |
.pos |
正则表达式搜索文本的开始位置 |
.endpos |
正则表达式搜索文本的结束位置 |
Match对象的方法
方法 | 说明 |
---|---|
.group(0) |
获得匹配后的字符串 |
.start() |
匹配字符串在原始字符串的开始位置 |
.end() |
匹配字符串在原始字符串的结束位置 |
.span() |
返回(.start(), .end()) |
最小匹配操作符
操作符 | 说明 |
---|---|
*? |
前一个字符0次或无限次扩展,最小匹配 |
+? |
前一个字符1次或无限次扩展,最小匹配 |
?? |
前一个字符0次或1次扩展,最小匹配 |
{m,n}? |
扩展前一个字符m至n次(含n),最小匹配 |