💎一站式轻松地调用各大LLM模型接口,支持GPT4、智谱、星火、月之暗面及文生图 广告
[TOC] ## 1. 一览表 ![](https://box.kancloud.cn/73134c873e258a1f86c75bc7530d879d_700x1506.png) 1. r(raw)在Python是原始字符串,输入的字符串是什么样的,字符串就是啥样的,Python自动帮助转义。 ~~~ In [19]: s Out[19]: '\\nabc' # 转义 \\\\ In [20]: re.match("\\\\nabc", s) Out[20]: <_sre.SRE_Match object; span=(0, 5), match='\\nabc'> # r原始字符串,Python自动转义(推荐) In [21]: re.match(r"\\nabc", s) Out[21]: <_sre.SRE_Match object; span=(0, 5), match='\\nabc'> ~~~ 2. 正则引用分组值 \n 引用第n组 ~~~ In [58]: re.match(r"<.+><.+>.+</.+></.+>", s) # 这样对应标签不匹配 也行了 Out[58]: <_sre.SRE_Match object; span=(0, 25), match='<html><h1>itcast</h1></h>'> In [59]: re.match(r"<(.+)><(.+)>.+</\2></\1>", s) # 这样对应的标签不一样就不行了 In [60]: s = "<html><h1>itcast</h1></html>" In [61]: re.match(r"<(.+)><(.+)>.+</\2></\1>", s) # 匹配对应标签一样的 Out[61]: <_sre.SRE_Match object; span=(0, 28), match='<html><h1>itcast</h1></html>'> ~~~ 3. | 1. 部分或 ~~~ InIn [2]: p ="\w+@(163|126|qq|gmail)\.(com|cn|net)$" In [3]: r = re.match(p,"93130@qq.com") In [4]: r.group() Out[4]: '93130@qq.com' ~~~ 2. 整体或 就不加() 4. 给分组起名 (?P<name>) 起名 (?p=name) 引用分组名 ~~~ In [5]: s = "<html><h1>itcast</h1></html>" In [6]: re.match(r"<(?P<key1>.+)><(?P<key2>.+)>.+</(?P=key2)></(?P=key1)>", s) Out[6]: <_sre.SRE_Match object; span=(0, 28), match='<html><h1>itcast</h1></html>'> In [7]: s = re.match(r"<(?P<key1>.+)><(?P<key2>.+)>.+</(?P=key2)></(?P=key1)>", s) In [8]: s.group(1) Out[8]: 'html' In [9]: s.group(2)) File "<ipython-input-9-3dbd1085e6ad>", line 1 s.group(2)) ^ SyntaxError: invalid syntax In [10]: s.group(2) Out[10]: 'h1' ~~~ 5. 贪婪模式(尽可能多的匹配)与非贪婪模式(第一次满足匹配即可) ~~~ # 贪婪模式,只要结尾是>就包含进来 In [11]: re.match(r"<.+>","<html><h1>itcast</h1></html>") Out[11]: <_sre.SRE_Match object; span=(0, 28), match='<html><h1>itcast</h1></html>'> # 非贪婪模式,只要刚有结尾是>匹配结束 In [12]: re.match(r"<.+?>","<html><h1>itcast</h1></html>") Out[12]: <_sre.SRE_Match object; span=(0, 6), match='<html>'> ~~~ * 不贪婪其他模式的匹配 ~~~ In [113]: s="This is a number 234-235-22-423" In [114]: r = re.match(r".+(\d+-\d+-\d+-\d+)", s) In [115]: r.group(1) Out[115]: '4-235-22-423' In [116]: r = re.match(r"(.+)(\d+-\d+-\d+-\d+)", s) In [117]: r.groups() Out[117]: ('This is a number 23', '4-235-22-423') In [118]: r = re.match(r"(.+?)(\d+-\d+-\d+-\d+)", s) In [119]: r.groups() Out[119]: ('This is a number ', '234-235-22-423') ~~~ ## 2. 匹配数字 ~~~ import re matchObj = re.match( r'^(20|[0-1]?[0-9])$', '21') if matchObj: print("match --> matchObj.group() : ", matchObj.group()) else: print("No match!!") ~~~ ~~~ 主要依据[0-9]匹配0到9 ~~~ ~~~ 1. 1-20 r'^(20|[0-1]?[0-9])$' 2. 1 to 53 (week of the year) ^(5[0-3]|[1-4][0-9]|[1-9])$ 3. 0 to 59 (minute or second) ^[1-5]?[0-9]$ 4. 32 to 126 (printable ASCII codes) ^(12[0-6]|1[01][0-9]|[4-9][0-9]|3[2-9])$ 5. 0 to 127 (nonnegative signed byte) ^(12[0-7]|1[01][0-9]|[1-9]?[0-9])$ 6. -128 to 127 (sinned byte) ^(12[0-7]|1[01][0-9]|[1-9]?[0-9]|-(12[08]|1[01][0-9]|[1-9]?[0-9]))$ 7. 0 to 255 (unsigned byte) ^(25[0-5]|2[0-4][0-9]|1[0-9]{2}|[1-9]?[0-9])$ 8. 1 to 366 (day of the year) ^(36[0-6]|3[0-5][0-9]|[12][0-9]{2}|[1-9][0-9]?)$ 9. 1900 to 2099 (year) ^(19|20)[0-9]{2}$ ~~~ ## 3. match 从头匹配 re.match 尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none。 ### 3.1 语法 ~~~ re.match(pattern, string, flags=0) ~~~ 函数参数说明: ~~~ 参数 描述 pattern 匹配的正则表达式 string 要匹配的字符串。 flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等 ~~~ > 1. 匹配成功re.match方法返回一个匹配的对象,否则返回None。 > 2. 可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。 > 匹配对象方法 描述 ~~~ group(num=0) 匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。 groups() 返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。 ~~~ flags : 可选:表示匹配模式,比如忽略大小写,多行模式等,具体参数为: ~~~ re.I 忽略大小写 re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境 re.M 多行模式 re.S 即为 . 并且包括换行符在内的任意字符(. 不包括换行符) re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库 re.X 为了增加可读性,忽略空格和 # 后面的注释 ~~~ ### 3.2 实例1 ~~~ #!/usr/bin/python # -*- coding: UTF-8 -*- import re print(re.match('www', 'www.runoob.com').span()) # 在起始位置匹配,span代表index区间 print(re.match('com', 'www.runoob.com')) # 不在起始位置匹配 ~~~ 以上实例运行输出结果为: ~~~ (0, 3) None ~~~ ### 3.2 实例2 ~~~ #!/usr/bin/python import re line = "Cats are smarter than dogs" matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I) if matchObj: print "matchObj.group() : ", matchObj.group() # group不写序号或者0 代表整个匹配结果 print "matchObj.group(1) : ", matchObj.group(1) # 正则中第一个用括号包裹起来的 print "matchObj.group(2) : ", matchObj.group(2) # 正则中第二个括号 else: print "No match!!" ~~~ 以上实例执行结果如下: ~~~ matchObj.group() : Cats are smarter than dogs matchObj.group(1) : Cats matchObj.group(2) : smarter ~~~ ## 4. search re.search 扫描整个字符串并返回第一个成功的匹配。 函数语法: ~~~ re.search(pattern, string, flags=0) ~~~ 函数参数说明: ~~~ 参数 描述 pattern 匹配的正则表达式 string 要匹配的字符串。 flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。 ~~~ > 匹配成功re.search方法返回一个匹配的对象,否则返回None。 > 我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。 ~~~ 匹配对象方法 描述 group(num=0) 匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。 groups() 返回一个包含所有小组字符串的元组,从 1 到 所含的小组号。 ~~~ ### 4.1 实例1 ~~~ #!/usr/bin/python # -*- coding: UTF-8 -*- import re print(re.search('www', 'www.runoob.com').span()) # 在起始位置匹配 print(re.search('com', 'www.runoob.com').span()) # 不在起始位置匹配 ~~~ 以上实例运行输出结果为: ~~~ (0, 3) (11, 14) ~~~ ### 4.2 实例2 ~~~ #!/usr/bin/python import re line = "Cats are smarter than dogs"; searchObj = re.search( r'(.*) are (.*?) .*', line, re.M|re.I) if searchObj: print "searchObj.group() : ", searchObj.group() print "searchObj.group(1) : ", searchObj.group(1) print "searchObj.group(2) : ", searchObj.group(2) else: print "Nothing found!!" ~~~ 以上实例执行结果如下: ~~~ searchObj.group() : Cats are smarter than dogs searchObj.group(1) : Cats searchObj.group(2) : smarter ~~~ ### 4.3 实例3 ~~~ import re dirpath = '/data/fastdfs/storage/data/00/00' paths = re.search(r'/data/fastdfs/storage/data(.*)', dirpath).group(1) print(paths) ~~~ 输出 ~~~ /00/00 ~~~ ## 5. re.match与re.search的区别 > re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。 实例 ~~~ #!/usr/bin/python import re line = "Cats are smarter than dogs"; matchObj = re.match( r'dogs', line, re.M|re.I) if matchObj: print "match --> matchObj.group() : ", matchObj.group() else: print "No match!!" matchObj = re.search( r'dogs', line, re.M|re.I) if matchObj: print "search --> matchObj.group() : ", matchObj.group() else: print "No match!!" ~~~ 以上实例运行结果如下: ~~~ No match!! search --> matchObj.group() : dogs ~~~ ## 6. 检索和替换 Python 的 re 模块提供了re.sub用于替换字符串中的匹配项。 **语法:** re.sub(pattern, repl, string, count=0, flags=0) **参数:** ~~~ pattern : 正则中的模式字符串。 repl : 替换的字符串,也可为一个函数。 string : 要被查找替换的原始字符串。 count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。 ~~~ ### 6.1 实例 ~~~ #!/usr/bin/python # -*- coding: UTF-8 -*- import re phone = "2004-959-559 # 这是一个国外电话号码" # 删除字符串中的 Python注释 num = re.sub(r'#.*$', "", phone) print "电话号码是: ", num # 删除非数字(-)的字符串 num = re.sub(r'\D', "", phone) print "电话号码是 : ", num ~~~ 以上实例执行结果如下: ~~~ 电话号码是: 2004-959-559 电话号码是 : 2004959559 ~~~ repl 参数是一个函数 以下实例中将字符串中的匹配的数字乘以 2: ### 6.2 实例2 ~~~ #!/usr/bin/python # -*- coding: UTF-8 -*- import re # 将匹配的数字乘以 2 def double(matched): value = int(matched.group('value')) return str(value * 2) s = 'A23G4HFD567' print(re.sub('(?P<value>\d+)', double, s)) ~~~ 执行输出结果为: ~~~ A46G8HFD1134 ~~~ ## 7. re.compile 函数 > compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。 **语法格式为:** ~~~ re.compile(pattern[, flags]) ~~~ 参数: pattern : 一个字符串形式的正则表达式 flags : 可选,表示匹配模式,比如忽略大小写,多行模式等,具体参数为: re.I 忽略大小写 re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境 re.M 多行模式 re.S 即为 . 并且包括换行符在内的任意字符(. 不包括换行符) re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库 re.X 为了增加可读性,忽略空格和 # 后面的注释 实例 ~~~ >>>import re >>> pattern = re.compile(r'\d+') # 用于匹配至少一个数字 >>> m = pattern.match('one12twothree34four') # 查找头部,没有匹配 >>> print m None >>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配,没有匹配 >>> print m None >>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配,正好匹配 >>> print m # 返回一个 Match 对象 <_sre.SRE_Match object at 0x10a42aac0> >>> m.group(0) # 可省略 0 '12' >>> m.start(0) # 可省略 0 3 >>> m.end(0) # 可省略 0 5 >>> m.span(0) # 可省略 0 (3, 5) ~~~ 在上面,当匹配成功时返回一个 Match 对象,其中: group([group1, …]) 方法用于获得一个或多个分组匹配的字符串,当要获得整个匹配的子串时,可直接使用 group() 或 group(0); start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置(子串第一个字符的索引),参数默认值为 0; end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置(子串最后一个字符的索引+1),参数默认值为 0; span([group]) 方法返回 (start(group), end(group))。 再看看一个例子: 实例 ~~~ >>>import re >>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小写 >>> m = pattern.match('Hello World Wide Web') >>> print m # 匹配成功,返回一个 Match 对象 <_sre.SRE_Match object at 0x10bea83e8> >>> m.group(0) # 返回匹配成功的整个子串 'Hello World' >>> m.span(0) # 返回匹配成功的整个子串的索引 (0, 11) >>> m.group(1) # 返回第一个分组匹配成功的子串 'Hello' >>> m.span(1) # 返回第一个分组匹配成功的子串的索引 (0, 5) >>> m.group(2) # 返回第二个分组匹配成功的子串 'World' >>> m.span(2) # 返回第二个分组匹配成功的子串 (6, 11) >>> m.groups() # 等价于 (m.group(1), m.group(2), ...) ('Hello', 'World') >>> m.group(3) # 不存在第三个分组 Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: no such group findall ~~~ 在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。 注意: match 和 search 是匹配一次 findall 匹配所有。 语法格式为: ## 8. findall(string[, pos[, endpos]]) > 按照正则查找所有匹配项 参数: ~~~ string : 待匹配的字符串。 pos : 可选参数,指定字符串的起始位置,默认为 0。 endpos : 可选参数,指定字符串的结束位置,默认为字符串的长度。 ~~~ 实例 ~~~ # -*- coding:UTF8 -*- import re pattern = re.compile(r'\d+') # 查找数字 result1 = pattern.findall('runoob 123 google 456') result2 = pattern.findall('run88oob123google456', 0, 10) print(result1) print(result2) ~~~ 输出结果: ~~~ ['123', '456'] ['88', '12'] ~~~ ## 9. re.finditer > 和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。 re.finditer(pattern, string, flags=0) 参数: ~~~ 参数 描述 pattern 匹配的正则表达式 string 要匹配的字符串。 flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。参见:正则表达式修饰符 - 可选标志 ~~~ ### 9.1 实例 ~~~ # -*- coding: UTF-8 -*- import re it = re.finditer(r"\d+","12a32bc43jf3") for match in it: print (match.group() ) ~~~ 输出结果: ~~~ 12 32 43 3 ~~~ ## 10 re.split > split 方法按照能够匹配的子串将字符串分割后返回列表,它的使用形式如下: ~~~ re.split(pattern, string[, maxsplit=0, flags=0]) ~~~ 参数: ~~~ 参数 描述 pattern 匹配的正则表达式 string 要匹配的字符串。 maxsplit 分隔次数,maxsplit=1 分隔一次,默认为 0,不限制次数。 flags 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。参见:正则表达式修饰符 - 可选标志 ~~~ 实例 ~~~ >>>import re >>> re.split('\W+', 'runoob, runoob, runoob.') ['runoob', 'runoob', 'runoob', ''] >>> re.split('(\W+)', ' runoob, runoob, runoob.') ['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', ''] >>> re.split('\W+', ' runoob, runoob, runoob.', 1) ['', 'runoob, runoob, runoob.'] >>> re.split('a*', 'hello world') # 对于一个找不到匹配的字符串而言,split 不会对其作出分割 ['hello world'] ~~~ ## 11. 正则表达式对象 re.RegexObject re.compile() 返回 RegexObject 对象。 re.MatchObject group() 返回被 RE 匹配的字符串。 ~~~ start() 返回匹配开始的位置 end() 返回匹配结束的位置 span() 返回一个元组包含匹配 (开始,结束) 的位置 ~~~ ## 12. 正则表达式修饰符 - 可选标志 正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志: 修饰符 描述 ~~~ re.I 使匹配对大小写不敏感 re.L 做本地化识别(locale-aware)匹配 re.M 多行匹配,影响 ^ 和 $ re.S 使 . 匹配包括换行在内的所有字符 re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B. re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。 ~~~