Python基础(正则表达式)
正则表达式使用
在 Python 中，使用 re 模块来处理正则表达式
re.match函数
import re
print(re.match('www', 'www.baidu.com').span()) #.span()：获取匹配对象的起始和结束索引，以元组形式返回
print(re.match('com', 'www.baidu.com'))
line = "That is a pig"
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
# (.*?) 表示"非贪婪"模式，只保存第一个匹配到的子串
mobj = re.match(r'(.*) is (.*?) .*', line, re.M|re.I) #参数 re.M|re.I 表示匹配时忽略大小写（re.I）并支持多行模式（re.M）
if mobj:
print(mobj.group(0)) # group(0)表示匹配到的整个字符串
print(mobj.group(1)) # group(1)表示第一个括号匹配到的字符串
print(mobj.group(2)) # group(2)表示第二个括号匹配到的字符串
else:
print("No match!")re.search方法
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
import re
print(re.match('com', 'www.baidu.com'))
# 与re.match的区别
# re.search()：扫描整个字符串，找到匹配的第一个位置
print(re.search('com', "www.baidu.com").span())re.sub方法
# re.sub()：替换字符串中的匹配项
phone = "My phone number is 010-12345678"
# 删除number
print(re.sub('number', '', phone))
# 将010替换为86
print(re.sub('010', '86', phone))re.findall和re.compile方法
# re.findall()：找到所有匹配的字符串
res1 = re.findall(r'\d+', 'www baidu com 123 456')
pattern = re.compile(r'\d+')
res2 = pattern.findall('www baidu com 123')
res3 = pattern.findall("www12baid5u6com123", 0, 10) #匹配指定区间的字符串的数字
print(res1)
print(res2)
print(res3)正则表达式修饰符
| 修饰符 | 描述 |
|---|---|
| re.I | 使匹配对大小写不敏感 |
| re.M | 多行匹配，影响 ^ 和 $，使它们匹配字符串的每一行的开头和结尾。 |
| re.S： | 使 . 匹配包括换行符在内的任意字符。 |
| re.ASCII | 使 \w, \W, \b, \B, \d, \D, \s, \S 仅匹配 ASCII 字符。 |
| re.X | 忽略空格和注释，可以更清晰地组织复杂的正则表达式。 |
正则表达式模式
这个特么太难记了......会用就行吧o(╥﹏╥)o
| 模式 | 描述 |
|---|---|
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的末尾。 |
| . | 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。 |
| [...] | 用来匹配所包含的任意一个字符，例如 [amk] 匹配 'a'，'m'或'k' |
| [^...] | 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。 |
| re* | 匹配0个或多个的表达式。 |
| re+ | 匹配1个或多个的表达式。 |
| re? | 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式 |
| re{ n} | 匹配n个前面表达式。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。 |
| re{ n,} | 精确匹配n个前面表达式。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。 |
| re{ n, m} | 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式 |
| a| b | 匹配a或b |
| (re) | 匹配括号内的表达式，也表示一个组 |
| (?imx) | 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。 |
| (?-imx) | 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 |
| (?: re) | 类似 (...), 但是不表示一个组 |
| (?imx: re) | 在括号中使用i, m, 或 x 可选标志 |
| (?-imx: re) | 在括号中不使用i, m, 或 x 可选标志 |
| (?#...) | 注释. |
| (?= re) | 前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。 |
| (?! re) | 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。 |
| (?> re) | 匹配的独立模式，省去回溯。 |
| \w | 匹配数字字母下划线 |
| \W | 匹配非数字字母下划线 |
| \s | 匹配任意空白字符，等价于 [\t\n\r\f]。 |
| \S | 匹配任意非空字符 |
| \d | 匹配任意数字，等价于 [0-9]。 |
| \D | 匹配任意非数字 |
| \A | 匹配字符串开始 |
| \Z | 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。 |
| \z | 匹配字符串结束 |
| \G | 匹配最后匹配完成的位置。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B | 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| \n, \t, 等。 | 匹配一个换行符。匹配一个制表符, 等 |
| \1...\9 | 匹配第n个分组的内容。 |
| \10 | 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。 |