1,匹配符號python
基本元字符正則表達式
空白字符編程
特定字符編程語言
重複匹配spa
位置匹配code
2,字符集對象
字符集[]的規範/元字符不一樣於正則式主體blog
字符集中的特有元字符:字符串
正則表達式主體中的元字符,在字符集中無需轉義的(轉義了也能夠,pycharm提示多餘的):pycharm
匹配舉例:
備註:若是想經過字符集[]匹配轉義符\,則正則表達式引擎必須接受字符\\:
print('a[\]b') # a[\]b print('a[\\]b') # a[\]b,和單\結果同樣,由於單\會自動轉義,詳見後面的轉移章節說明 print(r'a[\\]b') # a[\\]b,OK!
3,匹配flags
re.M可使得^和$匹配'\n'後和'\n'前得位置,例如:
用'\n'也能夠匹配結果,可是'\n'不是位置匹配,會把'\n'也匹配在內。
>>> s = 'aaa\nbbb\nccc' >>> r = re.search('^bbb$', s) >>> r # 匹配不到 >>> r = re.search('^bbb$', s, re.M) >>> r.group() 'bbb' >>> r = re.search('\nbbb\n', s, re.M) >>> r.group() '\nbbb\n'
總結:通過re.M改造後的^和$,至關因而向前查找和向後查找結合了‘\n’,例如:
s = 'start\nhello guxh2\nend' print(s) """ start hello guxh2 end """ print(repr(s)) 'start\nhello guxh2\nend' >>> re.findall(r'^hello .*?$', s, re.M) ['hello guxh2'] >>> re.findall(r'(?<=\n)hello .*?(?=\n)', s) ['hello guxh2'] >>> re.findall(r'\nhello .*?\n', s) # 不加定界會匹配上\n re.findall(r'\nhello .*?\n', s)
4,匹配模式
5,匹配寫法
方法一,須要重複執行匹配的,先編譯再匹配
好處是多個地方用到這個匹配模式regex,想修改時只須要修改一個地方
regex = re.compile(p)
regex.search(s)
re.search(regex, s)
方法二,簡單的能夠直接匹配
re.search(p, s)
6,python提供的匹配方法
1)re.search(p, s)
從s中提取徹底符合p的內容,只提取第一次命中的,返回re.match對象
提取總體匹配結果:searchObj.group(), searchObj.group(0)
提取全部分組捕獲結果:searchObj.groups()
提取單個分組捕獲結果:searchObj.group(n), 即groups()[i] = group(i+1)
2)re.findall(p, s)
提取全部符合p的內容,返回字符串組成的列表
使用分組捕獲時,返回分組捕獲結果(元組)組成的列表
re.search使用分組捕獲時既能夠捕獲總體匹配,也能夠捕獲分組內容
re.findall使用分組捕獲時只能捕獲分組內容
3)re.match(p, s)
能夠用re.search(^)替代
MULTILINE模式下,match也只匹配s,但re.search能夠匹配換行後的開始
4)re.finditer(p, s)
re.findall的惰性版,返回iterator
5)re.split(p, s)
根據p分割字符串s
6)re.sub(p, repl, s, count=n)
p是匹配到的值,repl是替換後值,s是m目標字符串,count是替換多少次
re.subn(p, repl)能夠返回替換次數
7,懶惰匹配和貪婪匹配
*和+都是貪婪比配,儘量多
能夠結合?變成懶惰匹配
>>>re.search('a.*?b', 'abab').group() ab >>>re.search('a.*?b', 'abab').group() abab >>>re.search('192\.168\.1\..*$', '192.168.1.12').group() 192.168.1.12 >>>re.search('192\.168\.1\..*?', '192.168.1.12').group() # 沒有結束符,懶惰不匹配 192.168.1. >>>re.search('192\.168\.1\..*', '192.168.1.12').group() # 沒有結束符,貪婪匹配至最後 192.168.1.12
8,轉義
1)python語言的轉義
'\n'在python中表明換行,print輸出時會作特殊處理:
s = 'x\nz' print(s) # x(換行)z print(repr(s)) # 'x\nz'
要想print輸出'x\nz',須要對'\'進行轉義:
s = 'x\\nz' # 或s = r'x\nz' print(s) # x\nz print(repr(s)) # 'x\\nz'
若是'\' + '字符'沒有特殊含義,python語言會自動對\進行轉義:
s = 'x\yz' print(s) # x\yz print(repr(s)) # 'x\\yz',發現多了個'\'
自動轉義時,PEP8會提示invalid escape sequence '\y',看來PEP8要求'\'+'字符'沒有特殊含義時,統一作好轉義!
2)正則表達式的轉義 - 非元字符
傳遞給正則引擎的字符串regex的內容,是print(regex)的結果,而不是print(repr(s))的結果
假設s = 'x\yz',print(s)的結果是'x\yz',print(repr(s))的結果是'x\\yz',傳遞給正則表達式的是'x\yz'
匹配時,也是匹配對象字符串s的print(s)的結果
和編程語言的轉義同樣,正則引擎也有本身的轉義規則,當'\' + '字符'屬於元字符時,能夠進行特殊處理,例如\w匹配字符,數字,以及'_'
可是若是'\' + '字符'不是元字符,即沒有特殊含義時,正則引擎不會像編程語言那樣自動進行轉義,而是要求必須接收轉義後的'\',例如:
s = r'x\yz' regex = 'x\\yz' # 或者regex = 'x\yz',print(regex)都是'x\yz',傳遞給正則引擎的就是'x\yz' re.search(regex, s) # re.error: bad escape \y at position 1
這樣的字符串傳遞給正則引擎才能獲得正確處理:
regex = r'x\\yz' # print(regex)是'x\\yz',print(repr(regex))是'x\\\\yz' regex = 'x\\\yz' # 同上 regex = 'x\\\\yz' # 同上
爲何'x\\\yz'和'x\\\\yz'結果同樣呢?由於對於'\\\y',前2個'\\'轉義爲'\',後面的'\y',python語言自動轉義成了'\y'(一樣也會收到PEP8提示)
3)正則表達式的轉義 - 元字符
假設要匹配的字符串爲'a(換行)b',即:
s = 'a\nb'
傳遞給正則表達式的字符串regex,通過轉義其print(regex)結果應當爲'a\nb',因而匹配寫法爲:
regex = r'a\nb' # 或者regex = 'a\\nb' re.search(regex, s) # 能夠匹配中s
可是發現未經轉義的'a\nb'也能匹配中(換成製表符'\t'也能匹配):
regex = 'a\nb' re.search(regex, s) # 也能匹配中
這是由於給字符串傳遞'a(換行)b'時,字符串剛好會將其識別爲'\n',交給正則引擎時就可以正確去匹配'a(換行)b'
可是若是python語言字符串和正則引擎對字符的解釋不同時,轉義或者不轉義效果就會不一樣,例如:
s = 'a*' regex1 = 'a\x2A' regex2 = 'a\\x2A' re.search(regex1, s) # 匹配結果爲a re.search(regex2, s) # 匹配結果爲a*
對於'\x2A'(即*),正則表達式解釋爲匹配前一個字符0次,1次或屢次。
若是和\n同樣,則不論是'a\x2A'仍是'a\\x2A'都能匹配中'a*'
但實際上,不轉義'\'就沒法匹配'a*',那是由於不轉義的'*'在正則表達式中是元字符,被賦予了其餘含義。而'*'在python語言字符串中卻沒有特殊含義。
9,捕獲組
1)捕獲組對現有匹配方法對影響
捕獲組對re.findall的影響:
s = 'abcabcabc' re.findall('abc', s) # ['abc', 'abc', 'abc'] re.findall('a(b)c', s) # ['b', 'b', 'c'] re.findall('(a(b)c)') # [('abc', 'b'), ('abc', 'b'), ('abc', 'b')]
捕獲組對re.sub的影響:
s = 'abcabcabc' re.sub('abc', 'x', s) # xxx re.sub('a(b)c', 'x', s) # xxx re.sub('(a(b)c)', 'x', s) # xxx
備註:看上去對sub不起做用,但捕獲組能夠用來回溯引用
2)捕獲組的回溯引用
s = '<h1> hello world <h1>' re.search(r'<(h1)>.*?<\1>', s) # 能夠匹配s re.findall(r'<(h1)>.*?<\1>', s) # ['h1'] re.sub(re.sub(r'<(h1)>(.*?)<\1>', r'\1,\2', s)) # h1, hello world,re.sub會對匹配中的整個字符串進行替換
3)捕獲組的命名
>>>ID = "310115199012128765" >>>p = "(?P<dictrict>[0-9]{6})(?P<birthday>[0-9]{8})" >>>re.search(p, ID).groupdict() {'dictrict': '310115', 'birthday': '19901212'}
10,先後查找
先後查找屬於位置匹配
(?<=s):向後查找,s後面的位置
(?=s):向前查找,s前面的位置
>>>s = 'ab1c ab2c\nab3c' >>>re.findall('(a.*?)(?:\s|$)', s) # $不能放字符集[]裏面 ['ab1c', 'ab2c', 'ab3c'] >>>re.findall('((?<=b).*?)(?:\s|$)', s) # b後面的位置開始 ['1c', '2c', '3c'] >>>re.findall('((?=b).*?)(?:\s|$)', s) # b前面的位置開始 ['b1c', 'b2c', 'b3c']
先後查找和findall:
即便正則表達式捕獲的是位置,可是有了捕獲組之後,findall會返回捕獲組的內容,參考以前的re.findall('a(b)c', s)
s = '1234567890' re.findall(r'(?<=\d)(?=(\d\d\d)+$)') # ['890', '890', '890'],實際上正則表達式匹配的是三個位置,但有了捕獲組之後findall的返回結果是捕獲組內容 re.findall(r'(?<=\d)(?=(?:\d\d\d)+$)') # ['', '', ''],改成非捕獲型後,findall返回的是三個位置:1|234|567|890
先後查找和sub:
sub是對匹配到的內容進行替換,捕獲組不會對替換結果產生影響,捕獲組在sub中只是用戶回溯引用,參考9捕獲組中的回溯引用
re.sub(r'(?<=\d)(?=(\d\d\d)+$)', '|', s) # 1|234|567|890,對匹配到的內容(位置)進行替換 re.sub(r'(?<=\d)(?=(?:\d\d\d)+$)', '|', s) # 1|234|567|890,對匹配到的內容
11,匹配舉例
'ab1c ab2c\nab3c'匹配例子:
>>>s = 'ab1c ab2c\nab3c' >>>re.search('a.*?c a.*?c', s).group() # 總體匹配 ab1c ab2c >>>re.search('a(.*?)c a(.*?)c', s).groups() # 總體匹配 + 捕獲分組 'b1 b2' >>>re.search('a(\w(\w))c a(\w(\w))c', s).groups() # 總體匹配 + 捕獲分組 ('b1', '1', 'b2', '2') >>>re.findall('a.*?c', s) # 全局匹配 ['ab1c', 'ab2c', 'ab3c'] >>>re.findall('a(.*?)c', s) # 全局匹配 + 捕獲分組:只能捕獲分組內容 ['b1', 'b2', 'b3'] >>>re.findall('a(\w(\w))c', s) # 全局匹配 + 捕獲分組嵌套 [('b1', '1'), ('b2', '2'), ('b3', '3')] >>>re.findall('a.*?c$', s) ['ab3c'] >>>re.findall('a.*?c$', s, flags=re.M) # re.M影響$ ['ab1c ab2c', 'ab3c'] >>>re.findall('^a.*?c', s) ['ab1c'] >>>re.findall('^a.*?c', s, flags=re.M) # re.M影響^ ['ab1c', 'ab3c'] >>>re.search('a.*c', s).group() 'ab1c ab2c' >>>re.search('a.*c', s, flags=re.DOTALL).group() # re.DOTALL影響. 'ab1c ab2c\nab3c' >>>re.split('\s', s) ['ab1c', 'ab2c', 'ab3c'] >>>re.split('(\s)', s) # re.split + 分組能夠看到分隔符 ['ab1c', ' ', 'ab2c', '\n', 'ab3c']
'a b, c ; d\ e'匹配例子:
>>>s = 'a b, c ; d\ e' >>>s 'a b, c ; d\\ e' # \被自動轉成\\ >>>re.split(r'\s*[\s,;\\]\s*', s) ['a', 'b', 'c', 'd', 'e'] >>>re.split(r'\s*(?:\s|,|;|\\)\s*', s) # []的等效寫法 ['a', 'b', 'c', 'd', 'e'] >>>re.split(r'\s*(\s|,|;|\\)\s*', s) # 不用?:只抓到了單個分隔符,用它去對s分割會包含單個分隔符 ['a', ' ', 'b', ',', 'c', ';', 'd', '\\', 'e'] >>> re.split(r'(\s*(?:\s|,|;|\\)\s*)', s) # 包含完整的分隔符 ['a', ' ', 'b', ', ', 'c', ' ; ', 'd', '\\ ', 'e']