正则表达式及使用
正则表达式是用来简洁表达一组字符串的表达式
优势:简洁
编译:将符合正则表达式语法的字符串转换成正则表达式特征
正则表达式在文本处理中的应用
表达文本类型的特征(病毒、入侵等)
同时查找或替换一组字符串
匹配字符串的部分或全部等
正则表达式的常用操作符
实例
正则表达式 | 对应字符串 |
---|---|
P(Y|YT|YTH|YTHO)?N | ‘PN’,‘PYN’,‘PYTN’,‘PYTHN’,‘PYTHON’ |
PYTHON+ | ‘PYTHON’,‘PYTHONN’,‘PYTHONNN’… |
PY[TH]ON | ‘PYTHON’,‘PYTHON’ |
PY[^TH]?ON | ‘PYON’,‘PYaON’,‘PYbON’,‘PYcON’… |
^[A-Za-z]+$ | 由26个字母组成的字符串 |
^[A-Za-z0-9]+$ | 由26个字母和数字组成的字符串 |
^-?\d+$ | 整数形式的字符串 |
^[0-9][1-9][0-9]$ | 正整数形式的字符串 |
{1-9}\d{5} | 中国境内邮政编码,6位 |
{\u4e00-\u9fa5} | 匹配中文字符 |
\d{3}-\d{8}|\d{4}-\d{7} | 国内电话号码,010-68913536 |
Re库的基本使用
正则表达式的表示类型
- raw string类型(原生字符串类型)
re库采用raw string类型表示正则表达式,表示为:r’text’
例如:r’{1-9}\d{5}’ - string类型,更繁琐
‘{1-9}\d{5}’
Re库主要功能函数的详细介绍
- re.search(pattern,string,flags=0)
在一个字符串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
常用标记:
标记 | 解释 |
---|---|
re.I | 忽略正则表达式的大小写,[A-Z]能够匹配小写字符 |
re.M | 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始 |
re.S | 正则表达式中的.操作符能够匹配所有字符,默认匹配除行外的所有字符 |
- 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 - 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 - 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
maxsplit:最大分割数,剩余部分作为最后一个元素输出 - 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
repl:替换匹配字符串的字符串
count:匹配的最大替换次数 - 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
Re库的Match对象
Match对象的属性 | 属性描述 |
---|---|
.string | 待匹配的文本 |
.re | 匹配时使用的pattern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 | 方法描述 |
---|---|
.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()) |
Re库的贪婪匹配和最小匹配
- 贪婪匹配
>>>match = re.search(r'PY.*N','PYANBNCNDN')
>>>>match.group(0)
输出:‘PYANBNCNDN’
- 最小匹配
>>>match = re.search(r'PY.*?N','PYANBNCNDN')
>>>match.group(0)
输出:‘PYAN’
- 最小匹配操作符
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 |