很多语言都会用到正则表达式,比如Java,那么,它到底是用来干什么的呢,是用来处理字符串的高级操作,因为普通的字符串操作已经满足不了我们的需求了。
先举个例子,当你上网输入网站的时候,他就会对你输入网站的字符串进行处理,看看是否是合法的网站格式。
另一个例子,百度搜索大家应该都用过,当我们在文本框中输入内容的时候,就会对其中的内容进行一些操作,如果你的内容中间输入了多个无效的空格,它会进行判断,并删除这些空格,这就需要用到字符串的高级操作了,也就是正则表达式。
在介绍它的各种功能之前,我们先列一个表,用于下面讲解的使用,这个表列出了正则表达式的特殊元素。
模式 | 描述 |
---|---|
^ | 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) | 匹配括号内的表达式,也表示一个组 |
(?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.字符串的匹配功能,成功则返回匹配对象,不成功则什么也不返回,只匹配字符串的头:re.match(pattern,string)
>>> re.match('a','abcde')
<re.Match object; span=(0, 1), match='a'>
不仅可以尾一个字符,也可为多个字符
>>> re.match('www','www.baidu.com')
<re.Match object; span=(0, 3), match='www'>
2.扫描整个字符串并返回第一个成功的匹配:re.search(pattern, string)
>>> re.search('b','adgedeb')
<re.Match object; span=(6, 7), match='b'>
>>> re.search('wangwu','zhangsan lisi wangwu zhaoliu qianwu')
<re.Match object; span=(14, 20), match='wangwu'>
3.re.match与re.search的区别:re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。
4.替换字符串中的匹配项:re.sub(pattern, repl, string)
>>> re.sub('zhangqiling','*****','zhangqiling eryuehong chenpiasi wuxie zhangqiling licu liangwan panzi zhangqiling')
'***** eryuehong chenpiasi wuxie ***** licu liangwan panzi *****'
5.用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用:re.compile(pattern)
>>> pattern = re.compile('\d+')
>>> pattern.match('12twothree34four')
<re.Match object; span=(0, 2), match='12'>
6.在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表:findall(string[, pos[, endpos]])
>>> re.findall('\d','age1gegggrgegage2jyjryhrtage3jtyjerherage4')
['1', '2', '3', '4']
7.按照能够匹配的子串将字符串分割后返回列表:re.split(pattern, string)
>>> re.split('\W+', 'runoob, runoob, runoob.')
['runoob', 'runoob', 'runoob', '']