re 正则

 

如果直接给出字符，就是精确匹配。对于特殊字符- ，在正则表达式中要用转义字符\转义。

 

\d        一个数字，

\w       任意单个字符,空白符除外（例 字母、数字或下划线 . 英文点号）

\s       一个空格（也包括Tab等空白符）

 

大写的为小写的取反模式

 

\D           除0到9的数字以外的任何字符 

\W          匹配除数字、字母和下划线以外的任何字符

\S           匹配除空格、制表符和换行符以外的任何字符

 

变长字符：表示匹配字符的次数  

*            表示0个或多个字符  

+           表示至少一个字符，

？          表示0个或1个字符，

{n}         表示n个字符

{n,m}     表示n-m个字符，包含n,m个

 

\d{3}\s+\d{3,8} 表示匹配3个数字和一个或多个空格和3-8个数字

 

中括号[]可以自定义匹配范围，表示可以是里面的任意一个

[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个数字、字母或下划线组成的字符串，也就是Python合法的变量。

 

点-星(.*)将匹配除除换行符外的所有字符

 

A|B可以匹配A或B，所以 (P|p)ython 可以匹配Python 或 python .

 

^表示行的开头，^\d 表示必须以数字开头。 $表示行的结束，\d$表示必须以数字结束。

 

在字符串前加上r，表示对立面的字符不转义。

 

match

是根据匹配模式从给定字符串的第一个字符开始匹配，如果匹配成功，返回一个match对象，否则返回None

import re 

a=re.match(r'^(\d{3})\-(\d{3,8})$','010-12345') 

a.group()                 #'010-12345'

a.group(1)               #'010'

a.group(2)               #'12345'

group(0)永远是原始字符串，group(1)、group(2)……表示第1/2、……个子串

 

注 ：如果第一个字符就不符合，则返回None，match只返回符合的第一个对象，不再查找余下的

经Python3.5测试，只有res2有匹配到值，res1,res3都返回None。

>>> pattern=re.compile(r'hello')

>>> res1=re.match(pattern,'hell')

>>> res2=re.match(pattern,'hellow')

>>> res3=re.match(pattern,'ashello')

>>> res1     None

>>> res2

<_sre.SRE_Match object; span=(0, 5), match='hello'>

>>> res3     None

'''

 

findall     返回查找全部结果的列表

mo1=re.compile(r'''(\d{3}\w{2}([.A-F]{2,4})[%@F-Z]{3})''',re.VERBOSE)

A = mo1.findall('576dfCD.HIS794SDABC@KM')

>>> A
[('576dfCD.HIS', 'CD.'), ('794SDABC@KM', 'ABC')]

贪婪匹配

 

默认是贪婪匹配， 在括号内加？表示非贪婪匹配  ：

贪婪匹配

re.match(r'^(\d+)(0*)$','102300').groups()

#('102300', '')

非贪婪匹配

re.match(r'^(\d+?)(0*)$','1022300').groups()

#('10223', '00')

 

re.compile()的第二个参数

 

re.DOTALL     让句点字符匹配所有字符，包括换行符。

noNewlineRegex=re.compile('.*')

m='Serve the public trust.\nProtect the innocent.\nUphold the law.'

n=noNewlineRegex.search(m).group()

print(n)

#'Serve the public trust.'

newlineRegex=re.compile('.*',re.DOTALL)

print(newlineRegex.search(m).group())

'''

Serve the public trust.

Protect the innocent.

Uphold the law.

'''

 

re.IGNORECASE或re.I       不区分大小写的匹配

robocop=re.compile(r'robocop',re.I)

robocop.search('Robocop is part man,part machine,all cop.').group()

#'Robocop'

 

re.VERBOSE        忽略正则表达式字符串中的空白符和注释

phoneRegex=re.compile(r'''(

(\d{3}|\(\d{3}\))?   #area code

(\s|-|\.)?           #separator

\d{3}                #first 3 digits

(\s|-|\.)            #separator

\d{4}                #last 4 digits

(\s*(ext|x|ext.)s*\d{2,5})?    #extension

)''',re.VERBOSE)

 

组合使用re.IGNORECASE ,re.DOTALL和re.VERBOSE 

#如果希望正则表达式不区分大小写，并且句点字符匹配换行，就可以这样构造re.compile()调用：

someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL)

#使用第二个参数的全部3个选项：

someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL|re.VERBOSE)

 

 

re.split()

切分字符串

 

>>> 'a b    c'.split(' ')

['a', 'b', '', '', '', 'c']

 

固定字符切分字符串，无法识别连续的空格

 

>>> re.split(r'\s+','a b   c')

['a', 'b', 'c']

>>> re.split(r'[\s\,\;]+','a,b ;c d')

['a', 'b', 'c', 'd']

 

sub()      替换字符串

 

Regex对象的sub()方法，第一个参数  用于替换 源字符串的 需被 替换 的字符  ，第二个参数是 源字符串

 

mol=re.compile(r'Agent \w+')

mol.sub('CENSORED','Agent Alice gave the secret documents to Agent Bob.')

#'CENSORED gave the secret documents to CENSORED.'

 

保留被替换字符串 中 的一部分内容，在sub()的第一个参数中，可以输入\1、\2、\3.....表示将re 的表达式模式中 的 分组1 ，分组2 ，分组3 的部分显示出来（即不被替换）

假定想要隐去密探的姓名，只显示他们姓名的第一个字母。要做到这一点，可以使用正则表达式Agent(\w)\w*,传入r'\1****'作为sub()的第一个参数。

 

#字符串中的\1将由分组1匹配的文本所替代，也就是正则表达式的(\w)分组。

agentNamesRegex=re.compile(r'Agent (\w)\w*')

agentNamesRegex.sub(r'\1****','Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.')

#'A**** told C**** that E**** knew B**** was a double agent.'

 

 

#编译

#当我们在python 中使用正则表达式时，re模块内部会干两件事：

#1.编译正则表达式，如果正则表达式的字符串本身不合法，会报错

#2.用编译后的正则表达式去匹配字符串。

#如果一个正则表达式要重复使用几千次，出于效率考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配