文章目录
- 正则表达式对象
- re.RegexObject
- re.MatchObject
- 符号说明
- 匹配
- 基础匹配
- ?=、?<=、?!、?<!
- 字符类
- re模块
- 编译正则表达式
- compile 函数
- 匹配字符串
- re.match
- re.search
- re.findall
- re.finditer
- 替换字符串
- re.sub
- 分割字符串
- re.split
- 正则表达式修饰符 - 可选标志
主要用于网页爬虫
正则表达式对象
re.RegexObject
re.compile() 返回 RegexObject 对象。
re.MatchObject
- 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
- group() 返回被 RE 匹配的字符串。
- .string 返回要匹配的字符串
符号说明
- ():用于创建一个捕获组
- 可以用来对一个子模式进行分组,以便后续可以对这个组内的内容进行匹配或提取,如(six|four)th匹配的是sixth或fourth,不加小括号,就是匹配six或fourh;
- 可以用于指定一组模式中的选择项。例如 (a|b) 表示匹配 a 或 b。
- []:用于创建一个字符集
- 可以指定一个字符集中允许的字符,例如 [abc] 表示匹配字符 a、b、c 中的任意一个。
- 可以使用范围表示,比如 [0-9] 表示匹配任意一个数字字符。
- 可以指定字符集的取反,用 ^,例如 [^abc] 表示匹配除了 a、b、c 之外的任意字符。
- {}:用于指定匹配重复次数。
- 可以用来指定一个模式重复出现的次数,比如 {3} 表示匹配 3 次,{2,4} 表示匹配 2 到 4 次。
- 可以指定具体的次数,也可以指定范围。
- 一般与 *、+、? 等修饰符一起使用,用来控制重复匹配的次数。
匹配
基础匹配
由于模式字符串中有大量的反斜杠和特殊字符,建议加r,如r’\b\w*\b’
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 “\n” ,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符。 |
[.\n] | 匹配包括 ‘\n’ 在内的任何字符 |
[…] | 用来表示一组字符,单独列出:[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。 |
模式 | 描述 |
---|---|
\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。 |
import re
#简单python匹配
pattern1="cat"
pattern2="bird"
strting = "a cat"
print(pattern1 in string)
print(pattern2 in string)
#正则寻找配对
pattern1="cat"
pattern2="bird"
strting = "a cat"
print(re.search(pattern1,string))
print(re.search(pattern2,string))
特殊种类匹配
#匹配run or ran
ptn = "r[au]n"#没有r只是普通的表达式
ptn = r"r[au]n"#有r表示是一个表达式
ptn2 = r"r[0-9a-z]n"#中间的数可能是0-9的数字或者a-z的小写
print(re.search(ptn,'a cat runs'))#数字
\d:所有数字形式
print(re.search(r"r\dn",'a cat r4ns'))
\D:不是数字的形式
print(re.search(r"r\Dn",'a cat runs'))#空白
\s:任意空白符的键\t \n \r \f \v
print(re.search(r"r\sn",'r\nn r4ns'))
\S:不是空白符的形式
print(re.search(r"r\Sn",'r\nn r4ns'))#所有汉字、字母、数字、“_”
\w:a-z 0-9 _
print(re.search(r"r\wn",'r\nn r4ns'))
\W:相反意义
print(re.search(r"r\Wn",'r\nn r4ns'))#空白字符
\b:字符的前后空白符才匹配
print(re.search(r"\bruns\b",'dog runs to cat'))
print(re.search(r"\bruns\b",'dog runs to cat'))
\B:字符前后的空白符不限量
print(re.search(r"\B runs \B",'dog runs to cat'))#特殊字符 任意字符
\\:匹配\
print(re.search(r"runs\\",'dog runs\ to cat'))
.:匹配任意字符,除了\n