一、常用正则表达式符号
'.' 默认匹配除\n之外的任意一个字符,若指定flag DOTALL,则匹配任意字符,包括换行
'^' 匹配字符开头,若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$' 匹配字符结尾,或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
'*' 匹配*号前的字符0次或多次,re.findall("ab*","cabb3abcbbac") 结果为['abb', 'ab', 'a']
'+' 匹配前一个字符1次或多次,re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?' 匹配前一个字符1次或0次
'{m}' 匹配前一个字符m次
'{n,m}' 匹配前一个字符n到m次,re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|' 匹配|左或|右的字符,re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配,re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
'\A' 只从字符开头匹配,re.search("\Aabc","alexabc") 是匹配不到的
'\Z' 匹配字符结尾,同$
'\d' 匹配数字0-9
'\D' 匹配非数字
'\w' 匹配[A-Za-z0-9]
'\W' 匹配非[A-Za-z0-9]
'\s' 匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
'(?P<name>...)' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city")
结果{'province': '3714', 'city': '81', 'birthday': '1993'}
二、实例讲解
1、实例一
import re
res = re.match('^Robin','Robin wen') #前面是要匹配的内容,后面是完整的字符串
print(res)
print(res.group()) #查看匹配到的东西
2、实例二
#匹配Robin以及后面的数字
import re
res = re.match('^Robin\d+','Robin123wen') #前面是要匹配的内容,后面是完整的字符串
print(res)
print(res.group()) #查看匹配到的东西
3、匹配除了换行之外的任意字符使用.
import re
res = re.search('I.+e','I am a Engineer and do operation and maintenance')
print(res)
4、匹配Engineer
import re
res = re.search('E[a-z]+r','I am a Engineer and do operation and maintenance')
print(res)
5、匹配前一个字符一次或者0次 ?
匹配ee一次或者0次
import re
res = re.search('ee?','I am a Engineer and do operation and maintenance')
print(res)
6、匹配一个字符m次
匹配3个数字
import re
res = re.search('[0-9]{3}','aa123cbn456')
print(res)
7、匹配一个字符n-m次
import re
res = re.findall('[0-9]{1,3}','aa3cbn456')
print(res)
8、匹配|左或|右的字符
import re
res = re.search('abc|ABC','ABCDabcd')
print(res)
9、分组匹配
import re
res = re.search('(abc){2}(\|\|=){2}','robinabcabc||=||=')
print(res)
10、匹配以数字开头以字母结尾
import re
res = re.search('\A[0-9]+[a-z]\Z','245r')
print(res)
11、匹配非数字(匹配非数字的所有字符包含特殊字符)
import re
res = re.search('\D+','245r+= c')
print(res)
12、匹配空白字符
import re
res = re.search('\s+','\r\n\t')
print(res)
13、分割
import re
res = re.split('[0-9]+','abc12ce34fg')
print(res)
14、替换
import re
res = re.sub('[0-9]+','|','abc12ce34fg')
print(res)
import re
res = re.sub('[0-9]+','|','abc12ce34fg56vb',count=2)
print(res)
三、常用的匹配语法
re.match 从头开始匹配
re.search 匹配包含
re.findall 把所有匹配到的字符放到以列表中的元素返回
re.splitall 以匹配到的字符当做列表分隔符
re.sub 匹配字符并替换
四、反斜杠的困扰
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。
五、匹配模式
re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
M(MULTILINE): 多行模式,改变'^'和'$'的行为(参见上图)
S(DOTALL): 点任意匹配模式,改变'.'的行为