正則表達式
-
python無正則表達式,通過別的模塊re(regex模塊)應用過來
- import re # 引入re模塊調用正則表達式
-
字符匹配
- 普通字符:如英文字母a-zA-Z和其他字符
regex = 'apple' ret = re.findall(regex, 'i have a apple , i have a pen, apple pen ?') print(ret) ======> ['apple', 'apple']-
元字符:被賦予特殊含義的字符
- .:通配符(任意字符)
- ^:是否以某個字符開頭
- $:是否以某個字符結尾
ret = re.findall('.', 'string') print(ret) # ['s', 't', 'r', 'i', 'n', 'g'] ret = re.findall("^apple", 'apple is one kind of fruit') print(ret) # ['apple'] ret = re.findall("^apple", 'the apple is one kind of fruit') print(ret) # [] ret = re.findall('pen$', 'i have a apple , i have a pen, apple pen ?') print(ret) # [] ret = re.findall('pen$', 'i have a apple , i have a pen, apple pen') print(ret) # ['pen']- * :出現0次或n次
- +:出現1次或n次
- ?:出現0次或1次
- {}:
- {x}:出現x次
- {x,}:至少出現x次
- {x,y}:出現x-y次之間
ret = re.findall('apple*', 'i have an apple , not applee or appl') print(ret) # ['apple', 'applee', 'appl'] ret = re.findall('apple+', 'i have an apple , not applee or appl') print(ret) # ['apple', 'applee'] ret = re.findall('apple?', 'i have an apple , not applee or appl') print(ret) # ['apple', 'apple', 'appl'] ret = re.findall('apple{2,4}','i have an apple , not appleee or appleeee') print(ret) # ['appleee', 'appleeee']- \:轉義
- 后面如果接元字符，則將元字符轉為普通字符
- 后面接普通字符，則實現該字符特殊功能
- 后面接序號，引用所匹配的字符串
- -:表示范圍
- ^:取反
- \:轉義
- \d:數字[1-9]
- \D:非數字[^1-9]
- \w:字母數字下劃線[a-zA-Z_]
- \W:非字母數字下劃線[^a-zA-Z_]
- \s:空白字符[\t\n\r\f\v]
- \S:非空白字符[\t\n\r\f\v]
- \b:匹配單個單詞邊界，就是單詞間間隔,邊界不一定是空格，特殊字符也可以
- ():組
ret = re.findall('\d', '123sadf@#$') print(ret) # ['1', '2', '3'] ret = re.findall('[^\d]+','asdf123d5esd234') print(ret) # ['asdf', 'd', 'esd'] ret = re.search(r'(alex)(eric)com\1', 'alexericcomalex').group() print(ret) # alexericcomalex- 非貪婪匹配
- 一般 *和+匹配的時候都按照最多的原則匹配獲取(貪婪匹配)
- 如果想要按最少匹配，則加上?但是有條件
\d+?:一個或者多個，取最少的1個 \d*?：0個或者多個，取最少的0個 'a(\d+?)':可以用非貪婪匹配 'a(\d+?)b'不可以用非貪婪模式，因為后面接了字符
-
re包方法：
- findall():查找所有，返回一個列表
- search():找到第一個就不往下找了
- match():只匹配開頭的內容
-
search() 和 match()如果匹配成功或返回一個對象,該對象方法
- group():返回組的內容
- groups():根據regex的分組情況返回tuple
ret = re.search('(ap)+(pl)+e', 'apple apaplele').group() print(ret) # apple ret = re.search('(ap)+(pl)+e', 'apple apaplele').groups() print(ret) # ('ap', 'pl')- start():匹配到的第一個索引位置
- end():匹配的結束位置索引
- span():start 和 end索引之間的區間
ret = re.search('(ap)+(pl)+e', 'apple apaplele') print(ret.start()) # 從開始 print(ret.end()) # index = 4結束，開區間為5 print(ret.span()) #[0,5)a = '123abc456' regex = '([\d]*)([a-zA-Z]*)([\d]*)' ret = re.search(regex, a) print(ret.group()) # 默認為0 print(ret.group(1)) print(ret.group(2)) print(ret.group(3)) print(ret.groups()) """ 123abc456 123 abc 456 ('123', 'abc', '456') """ a = '123abc456' regex = '([\d])*([a-zA-Z])*([\d])*' ret = re.search(regex, a) print(ret.group()) # 默認為0 print(ret.group(1)) print(ret.group(2)) print(ret.group(3)) print(ret.groups()) """ 123abc456 3 c 6 ('3', 'c', '6') """ -
re的其他方法：
- sub(pattern, repl, string, max=0):替換
- max表示替換的最大次數，默認為0，不限次數
ret = re.sub('g.t', 'have', 'i get a pen, i got a pen, i gun a pen') print(ret) # i have a pen, i have a pen, i gun a pen- subn(pattern, repl, string):替換，返回的結果帶替換次數num
ret = re.subn('g.t', 'have', 'i get a pen, i got a pen, i gun a pen') print(ret) # ('i have a pen, i have a pen, i gun a pen', 2)- compile(regext):編譯.傳入一個正則表達式，返回一個匹配器
regex = re.compile('\w*oo\w*') ret = regex.findall('JGood is a handsome boy, he is cool') print(ret) # ['JGood', 'cool']- split:切割
ret = re.split('\d', 'one1two2three3four4') print(ret) # ['one', 'two', 'three', 'four', ''] - sub(pattern, repl, string, max=0):替換
IP正則表達式
# IP 正則表達式
regex = '(([01]?\d?\d|2[0-4]\d|25\d)\.){3}([01]?\d?\d|2[0-4]\d|25\d)'
ret = re.search(regex, '192.168.97.196').group()
print(ret) # 192.168.97.196
-
原生字符串
- 執行下面的代碼會報錯(在python中)
file = open('C:\tmp\abc.txt', mode='r') # OSError: [Errno 22] Invalid argument: 'C:\tmp\x07bc.txt'-
原因:
- 在python中，反斜杠\有轉義的含義，當遇到\a根據ascii碼表，會轉為有特殊含義的字符0x07響鈴符BEL
-
解決：
- file = open(r'C:\tmp\abc.txt', mode='r')
- r為rawString = 原生字符串，表示傳入python的字符是原生的，沒有特殊的含義
執行下面的代碼會報錯(在正則中)
re.findall('\', 'abc\123') # 編譯的時候就會出錯-
原因:
- 反斜杠\在正則中也有轉義的效果，代表后面接的字符有特殊含義
- 所以使其表示反斜杠應寫成\\(雙反斜杠，第一個用作轉義)
re.findall('\\', 'abc\123') # 執行會報錯- 代碼在正則下匹配是正確的，但是執行代碼，程序會報錯
- 原因:
- 雖然正則表示的寫法是正確的，但是程序是運行在python下的
- 在python代碼中，我們寫的是\\(雙反斜杠)表示反斜杠，這只是在python代碼中
- 當python代碼傳遞過去給正則表達式，其實是一條反斜杠的轉義符，但是正確的表達式需要2條，所以python代碼需要寫成4條反斜杠才能匹配成功
- 修改代碼后為:
re.findall('\\\\', 'abc\123') # ok -
原生字符串r的產生
- 通過上面的寫法，會很麻煩，于是就產生了遠程字符串的概念
ret = re.findall(r'\\', r'abc\123') # ['\\']其中一個是轉義，表示一個反斜杠- 代碼中，r表示后面字符串的內容就是代表反斜杠，沒有別的意思，代碼執行的時候，python把2個反斜杠原封不動的傳給正則，正則拿到反斜杠，第一個用作第二個的轉義
- 這樣代碼執行的時候會更加直觀
執行下面代碼
ret = re.findall('\\d', 'w3t5e7') print(ret) ret = re.findall(r'\d', 'w3t5e7') print(ret) ret = re.findall('\d', 'w3t5e7') print(ret) ======== ['3', '5', '7'] ['3', '5', '7'] ['3', '5', '7']- 原因：
- 第一個傳入兩個反斜杠，python轉義之后，傳到正則后是一個反斜杠
- 一個反斜杠轉義d，表示數字
- 第二個通過r指定反斜杠是原生字符串，反斜杠直接傳到正則表達式轉義d
- 第三個理論上會報錯，但是反斜杠d在ascii碼表上沒有特殊含義，python內部會將其原封不動傳給正則表達式，但是如果遇到時\a之類的就報錯了
- 所以嚴格來說按12的寫才是正確的
-
findall用法
- findall優先把組里的內容取出來
regex = 'www.(baidu|youku).com' ret = re.findall(regex, 'www.baidu.com') print(ret) # ['baidu']- 如果要去掉優先捕獲
regex = 'www.(?:baidu|youku).com' ret = re.findall(regex, 'www.baidu.com') print(ret) # ['www.baidu.com']
