数据结构五分钟精通 之 正则表达式（Python）
PAY ATTENTION!
⭐1、re.search() re.match() re.findall() re.finditer() 不是直接返回查找到的内容or查找到的位置，而是返回一个匹配的对象。
⭐2、span()函数返回的是，匹配到的起始位置和结束位置。（包括起始，不包括结束----[3,5) ）
⭐3、group()函数直接返回，匹配到的内容
PAY ATTENTION!
-
0、正则表达式规则表
-
1、re.search()------匹配查找
-
2、re.match() -----从第一位匹配
-
3、re.findall()------查找所有
-
4、re.finditer()----返回迭代器
-
5、re.split()---------规则化分割
-
6、表达式匹配规则–快速查找
-
7、表达式匹配案例–快速理解
0、正则表达式规则表
0)正则表达式修饰符 - 可选标志
| 修饰符 | 描述 |
|---|---|
| re.I | 使匹配对大小写不敏感 |
| re.L | 做本地化识别（locale-aware）匹配 |
| re.M | 多行匹配，影响 ^ 和 $ |
| re.S | 使 . 匹配包括换行在内的所有字符 |
| re.U | 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B. |
| re.X | 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。 |
1） 特殊字符
| 实例 | 描述 |
|---|---|
| . | 匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式。 |
| \d | 匹配一个数字字符。等价于 [0-9]。 |
| \D | 匹配一个非数字字符。等价于 [^^0-9]。 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等价于 [^^ \f\n\r\t\v]。 |
| \w | 匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]'。 |
| \W | 匹配任何非单词字符。等价于 ‘[^^A-Za-z0-9_]’。 |
3） 必须要记住
| ^ | 匹配字符串的开头 |
|---|---|
| $ | 匹配字符串的末尾。 |
| . | 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。 |
| […] | 用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’ |
| [^…] | 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。 |
| re* | 匹配0个或多个的表达式。 |
| re+ | 匹配1个或多个的表达式。 |
| re? | 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式 |
| re{ n} | 精确匹配 n 个前面表达式。例如， o{2} 不能匹配 “Bob” 中的 “o”，但是能匹配 “food” 中的两个 o。 |
| re{ n,} | 匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。“o{1,}” 等价于 “o+”。“o{0,}” 则等价于 “o*”。 |
| re{ n, m} | 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式 |
| a| b | 匹配a或b |
| (re) | 对正则表达式分组并记住匹配的文本 |
| (?imx) | 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。 |
| (?-imx) | 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 |
| (?: re) | 类似 (…), 但是不表示一个组 |
| (?imx: re) | 在括号中使用i, m, 或 x 可选标志 |
| (?-imx: re) | 在括号中不使用i, m, 或 x 可选标志 |
| (?#…) | 注释. |
| (?= re) | 前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。 |
| (?! re) | 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功 |
| (?> re) | 匹配的独立模式，省去回溯。 |
| \w | 匹配字母数字及下划线 |
| \W | 匹配非字母数字及下划线 |
| \s | 匹配任意空白字符，等价于 [ \t\n\r\f]。 |
| \S | 匹配任意非空字符 |
| \d | 匹配任意数字，等价于 [0-9]. |
| \D | 匹配任意非数字 |
| \A | 匹配字符串开始 |
| \Z | 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。 |
| \z | 匹配字符串结束 |
| \G | 匹配最后匹配完成的位置。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。 |
| \B | 匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。 |
| \n, \t, 等. | 匹配一个换行符。匹配一个制表符。等 |
| \1…\9 | 匹配第n个分组的内容。 |
| \10 | 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。 |
1、re.search()------匹配查找
-
目的：
扫描整个字符串并返回第一个成功的匹配
-
使用方法
re.search(pattern, string)pattern 匹配的正则表达式
string 需要匹配的字符串
-
使用案例
import re re.search('go*gle','www.google.com') >>> <_sre.SRE_Match object; span=(4, 10), match='google'> re.search('go*gle','www.google.com').span() >>> (4, 10) re.search('go*gle','www.google.com').span()[0] >>> 4 re.search('go*gle','www.google.com').group() >>> google -
注意事项
1、返回值是一个对象，不能直接使用，需要配合span()、group()等函数才可以完成任务。
2、search()函数找不到的话，返回的是None，而None是没有span()等方法的，而直接调用是会出错的，所以需要在写程序的时候增加一条判空语句
2、re.match() -----从第一位匹配
-
目的：
尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match() 就返回 none。
-
使用方法
re.match(pattern, string)pattern 匹配的正则表达式
string 需要匹配的字符串
-
使用案例
import re re.match('google.','www.google.com') >>> None re.match('w..','www.google.com') >>> <_sre.SRE_Match object; span=(0, 2), match='ww'> re.match('w.','www.google.com').span() >>> (0, 2) re.match('w.','www.google.com').span()[0] >>> 0 re.match('w.','www.google.com').group() >>> ww -
注意事项
只能从第一个字符开始匹配，如果第一个字符不能相互对应，则返回None。故一般不用
3、re.findall()------查找所有
-
目的：
找到正则表达式所匹配的所有子串，并返回一个列表
-
使用方法
str.findall(string , pos = 0,endpos = len(str))str 匹配的正则表达式
string 需要匹配的字符串
pos 指定字符串的起始位置，默认为 0—可选参数
endpos 指定字符串的结束位置，默认为字符串的长度—可选参数
-
使用案例
import re pattern = re.compile(r'\d+') str = 'asd123qwe456opi789mnb012' pattern.findall(str) >>> ['123', '456', '789', '012'] pattern.findall(str,0,12) >>> ['123', '456'] re.findall(r'(\w+)=(\d+)', 'set w=30 and h=40') # 多个匹配模式，返回元组列表 >>> [('w','30'),('h','40')]注意事项
不是返回找到字串的位置，而是返回字串的值。
4、re.finditer()----返回迭代器
-
目的：
扫描整个字符串并返回第一个成功的匹配
-
使用方法
re.finditer(pattern, string, flags=0)
- 使用案例
import re
it = re.finditer(r"\d+","78a32bc43jf3")
for iter in it:
print (iter.group() )
- 注意事项
返回的是迭代器无法直接输出
5、re.split()---------规则化分割
-
目的：
扫描整个字符串并返回第一个成功的匹配，按照能够匹配的子串将字符串分割后返回列表
-
使用方法
re.split(pattern, string[, maxsplit=0, flags=0])
- 使用案例
>>>import re
>>> re.split('\W+', 'baidu, google, sogo.')
['baidu', 'google', 'sogo', '']
- 注意事项
将所有匹配到的事项，存储到一个list当中，并返回。