正則表達式
RE, regex, Regular expression 用簡潔形式表示了一組字符串的 特徵 或 模式 ,通用的字符串表達框架。
- 表達文本類型的特徵
- 判斷某個字符串的特徵歸屬
- 同時查找或替換一組字符串
- 匹配字符串的全部或部分
用前需要編譯,正則表達式由字符和操作符組成。
正則表達式規則
. 表示任何單個字符
[] 字符集,對單個字符給出取值範圍
[^] 非字符集,對單個字符給出排除範圍
* 前一個字符0次或者無限次擴展
+ 前一個字符1次或者無限次擴展
? 前一個字符0次或者1次擴展
| 左右表達式任意一個
{m} 擴展前一個字符m次
{m,n} 擴展前一個字符m至n次,含n
^ 匹配字符串開頭
$ 匹配字符串結尾
() 分組標記,內部只能使用|操作符
\d 數字,等價於[0-9]
\w 單個字符,等價於[A-Za-z0-9]
經典正則表達式
^[A-Za-z]+$ 由26個字母組成的字符串
^[A-Za-z0-9]+$ 由26個字母和數字組成的字符串
^-?\d$ 整數形式的字符串
^[0-9]*[1-9][0-9]*$ 正整數形式的字符串
[1-9]\d{5} 中國境內郵政編碼,6位
[\u4e00-\u9fa5] 匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7} 國內電話號碼,010-68912536
IP地址的正則表達式
\d.\d.\d.\d
\d{1,3}.\d{1,3}.\d{1,3},\d{1,3} # 不夠準確
255.255.255.255
0-99: [1-9]?[0-9] [1-9]?\d
100-199: 1[0-9]{2} 1\d{2}
200-249: 2[0-4][0-9] 2[0-4]\d
250-255: 25[0-5]
四位 (.){3}()
(( [1-9]?\d | 1\d{2} | 2[0-4]\d | 25[0-5] ).){3}( [1-9]?\d | 1\d{2} | 2[0-4]\d | 25[0-5] )
re 庫的基本使用
Python 的標準庫 正則表達式的表示類型: 原生字符串 raw string : r’text’ 原生字符串是不包含轉譯字符的字符串,當正則表達式包含 轉義字符 時,使用raw string.
Re 庫主要功能函數
-
re.search(pattern,string,flags=0) 在一個字符串中搜索匹配正則表達式的第一個位置,返回match 對象
-
re.match() 從一個字符串的開始位置起匹配正則表達式,返回match 對象
-
re.findall() 搜索字符串,以列表類型返回全部能匹配的字符串
-
re.split( pattern,string,maxsplit,flags) 返回列表類型
-
re.finditer() 搜索字符串,返回一個匹配結果的迭代類型,每個迭代元素是match 對象
-
re.sub(pattern,repl,string,count=0,flags=0)
pattern: 正則表達式的字符串或原生字符串表示 maxsplit: 最大分割數,剩餘部分作爲最後一個元素輸出
常用標記:
- re.I re.IGNORECASE 忽略正則表達式中的大小寫
- re.M re.MULTILINE 正則表達式中的操作符能夠將給定字符串的每行當作匹配開始
- re.S re.DOTALL 正則表達式中的.操作符能夠匹配所有字符,默認匹配除換行外的所有字符
re.search()
import re
match = re.search(r'[1-8]\d{5}','BIT 188888')
if match:
print(match.group(0))
re.match()
match = re.match(r'[1-9]\d{5}','BIT 100299')
if match:
pring(match.group(0))
print(match.group(0))
-
match 是一個空變量
match = re.match(r'[1-9]\d{5}','123456 BIT') print(match.group(0))
re.findall()
ls = re.findall(r'[1-9]\d{5}','BIT 123456 234567')
print(ls)
re.split()
re.split(r'[1-9]\d{5}','BIT 788222 JIH 892789 hi')
-
添加 maxsplit 約束
re.split(r'[1-9]\d{5}','BIT 123456 JI 234556',maxsplit=1)
re.finditer()
for m in re.finditer(r'[1-9]\d{5}', 'BIT 190290 YUB223423'):
if m:
print(m.group(0))
re.sub()
re.sub(r'[1-9]\d{5}',':zipcode', 'BIT123456 TSU100022')
RE 庫的另一種等價用法
上述是 函數式用法,一次性操作。 面向對象用法,編譯後多次操作
-
regex = re.compile(pattern,flags=0) 將正則表達式的字符串形式編譯成正則表達式對象,仍有 search(), match(), split(), findall(), finiter(), sub() 函數。
pat = re.compile(r'[1-9]\d{5}') rst = pat.search('BIJ 100821') print(rst.group(0))
RE 庫的 match 對象
match 對象,一次匹配的結果
match 對象的屬性
- .string 待匹配的文本
- .re 匹配時使用的pattern 對象
- .pos 正則表達式搜索文本的開始位置
- .endpos 正則表達式搜索文本的結束位置
match 對象的方法
- group(0) 獲得匹配後的字符串
- start() 匹配字符串在原始字符串的開始位置
- end() 匹配字符串在原始字符串的結束位置
- span() 返回 (.start(), .end())
示例代碼
import re
m = re.search(r'[1-9]\d{5}','BIJ 123456 HUI123456')
if m:
print(match.group(0))
print(m.string)
print(m.re)
print(m.pos)
print(m.endpos)
print(m.start())
print(m.end(),m.span())
RE 庫的貪婪匹配和最小匹配
RE 庫默認採用貪婪匹配,即輸出匹配最長的子串。
默認匹配
m = re.search(r'PY.*N', 'PYTHONNNN')
if m:
print(m.group(0))
最小匹配
m = re.search(r'PY.*?N', 'PYANBNCNDN')
if m:
print(m.group(0))
最小匹配操作符號
*? 前一個字符0次或無限次擴展,最小匹配
+? 前一個字符1次或無限次擴展,最小匹配
?? 前一個字符0次或1次擴展,最小匹配
{m,n}? 擴展前一個字符m 至 n次(含n),最小匹配