re模块下的函数
compile(pattern):创建模式对象
import repat=re.compile('A')m=pat.search('CBA') #等价于 re.search('A','CBA')print m<_sre.SRE_Match object at 0x9d690c8> #匹配到了,返回MatchObject(True) m=pat.search('CBD')print mNone #没有匹配到,返回None(False)
search(pattern,string):在字符串中寻找模式
m = re.search('asd','ASDasd')print m<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了,返回MatchObject(True)m = re.search('asd','ASDASD')print mNone #没有匹配到,返回None(False)
match(pattern,string):在字符串开始处匹配模式
m = re.search('asd','ASDasd')print m<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了,返回MatchObject(True)m = re.search('asd','ASDASD')print mNone #没有匹配到,返回None(False)
等价于
pat=re.compile('a')print pat.match('Aasd')Noneprintpat.match('aASD')<_sre.SRE_Match object at 0xb72cd6e8>
上面的函数返回都可以在if条件语句中进行判断:
if pat.search('asd'):... print 'OK'...OK #找到返回if re.search('a','ASD'):... print "OK"... #没有找到
split(pattern,string):根据模式分割字符串,返回列表
re.split(',','a,s,d,asd')['a', 's', 'd', 'asd'] #返回列表 pat = re.compile(',')pat.split('a,s,d,asd')['a', 's', 'd', 'asd'] #返回列表 re.split('[, ]+','a , s ,d ,,,,,asd') #正则匹配:[, ]+,后面说明['a', 's', 'd', 'asd'] re.split('[, ]+','a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数['a', 's', 'd ,,,,,asd'] pat = re.compile('[, ]+') #正则匹配:[, ]+,后面说明pat.split('a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数['a', 's', 'd ,,,,,asd']
findall(pattern,string):列表形式返回匹配项
re.findall('a','ASDaDFGAa')['a', 'a'] #列表形式返回匹配到的字符串 pat = re.compile('a')pat.findall('ASDaDFGAa')['a', 'a'] #列表形式返回匹配到的字符串 pat = re.compile('[A-Z]+') #正则匹配:'[A-Z]+' 后面有说明pat.findall('ASDcDFGAa')['ASD', 'DFGA'] #找到匹配到的字符串 pat = re.compile('[A-Z]')pat.findall('ASDcDFGAa') #正则匹配:'[A-Z]+' 后面有说明['A', 'S', 'D', 'D', 'F', 'G', 'A'] #找到匹配到的字符串 pat = re.compile('[A-Za-z]') #正则匹配:'[A-Za-z]+' 匹配所有单词,后面有说明pat.findall('ASDcDFGAa')['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a']
sub(pat,repl,string) :用repl替换 pat匹配项
(留的是中间的,因为中间在中心)
re.sub('a','A','abcasd') #找到a用A替换,后面见和group的配合使用'AbcAsd' pat = re.compile('a')pat.sub('A','abcasd')'AbcAsd' pat=re.compile(r'www.(.*)..{3}') #正则表达式 #在Python的string前面加上‘r’, 是为了告诉编译器这个string是个raw string,不要转译反斜杠 '' 。 #例如, 在raw string中,是两个字符,和n, 而不会转译为换行符。 #由于正则表达式和 会有冲突,因此,当一个字符串使用了正则表达式后,最好在前面加上'r'。 #与大多数编程语言相同,正则表达式里使用""作为转义字符,这就可能造成反斜杠困扰。 #假如你需要匹配文本中的字符"",那么使用编程语言表示的正则表达式里将需要4个反斜杠"": #前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。 #Python里的原生字符串很好地解决了这个问题,这个例子中的正则表达式可以使用r""表示。 #同样,匹配一个数字的"d"可以写成r"d"。 #有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。 #不是说 加了r 就没有转译功能,好乱,就直接记住1句话: #当一个字符串使用了正则表达式后,最好在前面加上'r',这样你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观pat.match('www.dxy.com').group(1)'dxy' re.sub(r'www.(.*)..{3}',r'1','hello,www.dxy.com') pat.sub(r'1','hello,www.dxy.com')'hello,dxy'# r'1' 是第一组的意思#通过正则匹配找到符合规则的"www.dxy.com" ,取得 组1字符串 去替换 整个匹配。 pat=re.compile(r'(w+) (w+)') #正则表达式s='hello world ! hello hz !' pat.findall('hello world ! hello hz !')[('hello', 'world'), ('hello', 'hz')]pat.sub(r'2 1',s) #通过正则得到组1(hello),组2(world),再通过sub去替换。即组1替换组2,组2替换组1,调换位置。 'world hello!hz hello!'
escape(string) :对字符串里面的特殊字符串进行转义
re.escape('www.dxy.cn')'www.dxy.cn' #转义
上面的函数中,只有match、search有group方法,其他的函数没有。
函数的方法
group:获取子模式(组)的匹配项
pat = re.compile(r'www.(.*).(.*)') #用()表示1个组,2个组m = pat.match('www.dxy.com')m.group() #默认为0,表示匹配整个字符串 'www.dxy.com' m.group(1) #返回给定组1匹配的子字符串'dxy' m.group(2)'com'
start:给定组匹配项的开始位置
m.start(2) #组2开始的索引8
end:给定组匹配项的结束位置
m.end(2) #组2结束的索引11
span: 给定组匹配项的开始结束位置
m.span(2) #组2开始、结束的索引(8, 11)
正则表达式
元字符
“.” :通配符,除换行符外的任意的1个字符
pat=re.compile('.')pat.match('abc')<_sre.SRE_Match object at 0xb72b6170>pat.match('abc').group()'a' #匹配到了首个字符pat.search('abc').group()'a'pat.match(' ').group() #换行符匹配出错Traceback (most recent call last): File "", line 1, in AttributeError: 'NoneType' object has no attribute 'group'
“” : 转义符
pat=re.compile('.')pat.search('abc.efg').group() #匹配到.'.'pat.findall('abc.efg') #不用group,返回列表['.']
“[…]” : 字符集合,匹配里面的任意一个元素
>>> pat=re.compile('[abc]')>>> pat.match('axbycz').group()'a'>>> pat.search('axbycz').group()'a'>>> pat.findall('axbycz')['a', 'b', 'c']
“d” : 数字
>>> pat=re.compile('d') >>> pat.search('ax1by2cz3').group() #匹配到第一个数字:1,返回'1' >>> pat.match('ax1by2cz3').group() #匹配不到(首个不是)返回None,报错,match匹配字符串头Traceback (most recent call last): File "", line 1, in AttributeError: 'NoneType' object has no attribute 'group' >>> pat.findall('ax1by2cz3') #匹配所有的数字,列表返回['1', '2', '3']
“D” : 非数字
>>> pat=re.compile('D')>>> pat.match('ax1by2cz3').group()'a'>>> pat.search('ax1by2cz3').group()'a'>>> pat.findall('ax1by2cz3')['a', 'x', 'b', 'y', 'c', 'z']
“s” :空白字符 、 、r、 、空格
>>> pat=re.compile('s')>>> pat.findall('rax1 by2 cz3')['r', ' ', ' ', ' ', ' ']>>> pat.search('rax1 by2 cz3').group()'r'>>> pat.match('rax1 by2 cz3').group()'r'
“S” :非空白字符
>>> pat=re.compile('S')>>> pat.search('rax1 by2 cz3').group()'a'>>> pat.findall('rax1 by2 cz3')['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3']
“w” :单个的 数字和字母,[A-Za-z0-9]
>>> pat=re.compile('w')>>> pat.search('1a2b3c').group()'1'>>> pat.findall('1a2b3c')['1', 'a', '2', 'b', '3', 'c']>>> pat.match('1a2b3c').group()'1'
“W”:非单词字符,除数字和字母外
>>> pat=re.compile('W')>>> pat.findall('1a2我b3c') #python是用三字节表示一个汉字['æ', '', '']>>> pat.search('1a2我b3c').group()'æ'
数量词
“*” :0次或多次
( 乘0会变成0)
>>> pat = re.compile('[abc]*')>>> pat.match('abcabcdefabc').group()'abcabc' #2次>>> pat.search('abcabcdefabc').group()'abcabc' #2次>>> pat.findall('abcabcdefabc')['abcabc', '', '', '', 'abc', ''] #2次和1次,因为有0次,所以匹配了''
“+” :1次或多次
( 加0不会变成0)
>>> pat = re.compile('[abc]+')>>> pat.match('abcdefabcabc').group()'abc'>>> pat.search('abcdefabcabc').group()'abc'>>> pat.findall('abcdefabcabc')['abc', 'abcabc']
“?” :0次或1次,match,search 不会出现none,会出现’ ‘ (因为0次也是符合的)
0次或1次不是指[xxx]这个集合,而是其中的任何的一个字符
>>> pat = re.compile('[abc]?')>>> pat.match('defabc').group() #0次''>>> pat.match('abcdefabc').group()'a'>>> pat.search('defabc').group() #0次''>>> pat.findall('defabc') #0次和1次['', '', '', 'a', 'b', 'c', ''] #后面总再加个''
“数量词?” :非贪婪模式:只匹配最少的(尽可能少);默认贪婪模式:匹配最多的(尽可能多)
>>> pat = re.compile('[abc]+') #贪婪模式>>> pat.match('abcdefabcabc').group() #匹配尽可能多的:abc'abc'>>> pat.match('bbabcdefabcabc').group()'bbabc'>>> pat.search('dbbabcdefabcabc').group()'bbabc'>>> pat.findall('abcdefabcabc')['abc', 'abcabc'] >>> pat = re.compile('[abc]+?') #非贪婪模式:+?>>> pat.match('abcdefabcabc').group() #匹配尽可能少的:a、b、c'a'>>> pat.search('dbbabcdefabcabc').group()'b'>>> pat.findall('abcdefabcabc')['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']
“{m}” :匹配字符串出现m次
>>> pat = re.compile('[op]{2}') #o或p出现2次>>> pat.search('abcooapp').group() #匹配第一次出现的字符串,o比p先出现'oo'>>> pat.findall('abcooapp') #匹配出现的所有字符串,列表形式返回['oo', 'pp']
“{m,n}” :匹配字符串出现m到n次
>>> pat = re.compile('[op]{2,4}') #o或则p出现2到4次>>> pat.match('pppabcooapp').group() #匹配开头'ppp'>>> pat.search('pppabcooapp').group() #匹配第一次出现'ppp'>>> pat.findall('pppabcooapp') #匹配所有['ppp', 'oo', 'pp']
.group() #匹配第一次出现
边界
“^” :匹配字符串开头或行头
>>> pat = re.compile('^[abc]') #开头是a、b、c中的任意一个>>> pat.search('defabc').group() >>> pat.match('defabc').group() #均找不到>>> pat.findall('defabc')[] >>> pat.search('adefabc').group()'a'>>> pat.match('adefabc').group() #开头是a、b、c中的任意一个'a'>>> pat.findall('adefabc')['a'] >>> pat = re.compile('^[abc]+') #开头是a、b、c中的任意一个的一次或则多次,贪婪:匹配多个>>> pat.findall('cbadefab')['cba']>>> pat = re.compile(r'^[abc]+?') #开头是a、b、c中的任意一个的一次或则多次,非贪婪:匹配一个>>> pat.findall('cbadefab')['c']
“$” :匹配字符串结尾或则行尾
>>> pat = re.compile('[abc]