有时候字符串匹配解决不了问题,这个时候就需要正则表达式来处理。因为每一次匹配(比如找以什么开头的,以什么结尾的字符串要写好多个函数)都要单独完成,我们可以给它制定一个规则。
主要应用:爬虫的时候需要爬取各种信息,使用正则表达式可以很方便的处理需要的数据。
import re
匹配过程:r'imooc'是原字符串,先生成Pattern对象,从头开始找,得到一个Match(或Search等)实例,最后有一个匹配结果。
# 用find和startswith找字符串 str1 = 'imooc python' print(str1.find('11')) -1 print(str1.find('imooc')) 0 print(str1.startswith('imooc')) True
使用正则表达式:
import re pa = re.compile(r'imooc') # compile生成一个pattern对象,r'imooc'读原字符串,否则需要转义 ma = pa.match(str1) # 匹配不到返回为None,返回一个对象 print(ma) re.Match object; span=(0, 5), match='imooc'> print(ma.group()) # 返回一个字符串或字符串组成的元组ma.groups() imooc print(ma.span()) # 返回所在字符串的位置 print(ma.string) # 返回原字符串 print(ma.re) # 返回实例 (0, 5) imooc python re.compile('imooc')
# 匹配大小写,后面加上大写 pa = re.compile(r'imooc', re.I) print(pa) re.compile('imooc', re.IGNORECASE) ma = pa.match('imooc python') print(ma.group()) imooc ma = pa.match('Imooc python') print(ma.group()) Imooc
# 如果只有一个,可以直接生成一个match对象,也可以达到同样的效果 ma = re.match(r'imooc', str1) print(ma) print(ma.group()) re.Match object; span=(0, 5), match='imooc'> imooc
基本语法:适用于多种语言。
1)'.' 的匹配,可以匹配除了\n外所有字符
ma = re.match(r'a', 'a') print(ma.group()) ma = re.match(r'a', 'b') print(type(ma)) # 再调ma.group()则报错 a class 'NoneType'> # 用.匹配字符 ma = re.match(r'.', 'b') print(ma.group()) ma = re.match(r'.', '0') print(ma.group()) b 0 # 匹配{}中的字符 ma = re.match(r'{.}', '{0}') print(ma.group()) ma = re.match(r'{..}', '{01}') print(ma.group()) {0} {01}
2)[…]匹配字符集
# []匹配字符集 ma = re.match(r'{[abc]}', '{a}') print(ma.group()) ma = re.match(r'{[abc]]}', '{d}') # 匹配不到,则报错 print(ma.group()) ma = re.match(r'{[a-z]]}', '{d}') print(ma.group()) # 匹配a-z中任意一个字符 {a} {d} ma = re.match(r'{[a-zA-Z]}', '{A}') print(ma.group()) {A} ma = re.match(r'{[a-zA-Z0-9]}', '{0}') print(ma.group()) {0}
3) \w 匹配a-zA-Z0-9, \W匹配非单词字符
ma = re.match(r'{[\w]}', '{A}') print(ma.group()) ma = re.match(r'{[\w]}', '{ }') print(ma.group()) # 匹配不到 ma = re.match(r'{[\W]}', '{ }') print(ma.group()) {A} { }
4)字符集[]匹配
ma = re.match(r'[[\w]]', '[a]') print(ma.group()) # 匹配不到 # 匹配[]需要加转义\ ma = re.match(r'\[[\w]\]', '[a]') print(ma.group()) [a]
1) *匹配
ma = re.match(r'[A-Z][a-z]', 'Aa') print(ma.group()) ma = re.match(r'[A-Z][a-z]', 'A') print(ma.group()) # 匹配不到 ma = re.match(r'[A-Z][a-z]*', 'Aa') print(ma.group()) ma = re.match(r'[A-Z][a-z]*', 'Aagfagsagaha') print(ma.group()) ma = re.match(r'[A-Z][a-z]*', 'Aa123') print(ma.group()) Aa A Aagfagsagaha Aa
2)+匹配
# 匹配下划线或字符开头的无限次 ma = re.match(r'[_a-zA-Z]+[_\w]*', '10') print(ma.group()) # 匹配不到 ma = re.match(r'[_a-zA-Z]+[_\w]*', '_hte10') print(ma.group()) _hte10
3)?匹配
# 匹配0-99,01则不对 ma = re.match(r'[1-9]?[0-9]', '90') print(ma.group()) ma = re.match(r'[1-9]?[0-9]', '9') print(ma.group()) ma = re.match(r'[1-9]?[0-9]', '09') print(ma.group()) # 只匹配到0 90 9 0
4){m} / {mn}匹配
# 匹配邮箱,匹配6次 ma = re.match(r'[a-zA-Z0-9]{6}', 'abc123') print(ma.group()) abc123 ma = re.match(r'[a-zA-Z0-9]{6}', 'abc12') print(ma.group()) # 少一个则匹配不到 ma = re.match(r'[a-zA-Z0-9]{6}', 'abc1234') print(ma.group()) # 多则匹配前6个 abc123 ma = re.match(r'[a-zA-Z0-9]{6}@163.com', 'abc123@163.com') print(ma.group()) abc123@163.com # 匹配6-10位的邮箱 ma = re.match(r'[a-zA-Z0-9]{6, 10}@163.com', 'abc123@163.com') print(ma.group())
4)*? /+? /??匹配 (尽可能少匹配)
ma = re.match(r'[0-9][a-z]*', '1abc') print(ma.group()) ma = re.match(r'[0-9][a-z]*?', '1abc') print(ma.group()) # 只匹配1 1abc 1 ma = re.match(r'[0-9][a-z]+?', '1abc') print(ma.group()) # 只匹配一次 1a
ma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.com') print(ma.group()) imooc@163.com ma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.comabc') # 后面加上abc,match从头开始匹配,则可以找到 print(ma.group()) imooc@163.com ma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.comabc') print(ma.group()) # 匹配不到 ma = re.match(r'^[\w]{4,10}@163.com', 'imooc@163.comabc') print(ma.group()) # 匹配不到 ma = re.match(r'^[\w]{4,10}@163.com', 'imooc@163.com') print(ma.group()) # 加上^和$,限制开头结尾 imooc@163.com
# 指定开头结尾 ma = re.match(r'\Aimooc[\w]*', 'imoocpython') print(ma.group()) ma = re.match(r'\Aimooc[\w]*', 'iimoocpython') print(ma.group()) # 匹配不到 imoocpython
这里不再举例。
以上举例都是match,从头到尾匹配,查找子串就不合适了
# 在一个字符串中查找匹配 1:search(pattern, string, flags=0) # 找到匹配,返回所有匹配部分的列表 2:findall(pattern, string, flags=0) # 将字符串中匹配正则表达式得部分替换为其它,repl可以替换函数 3:sub(pattern, repl, string, count=0, flags=0) # 根据匹配分割字符串,返回分割字符串组成的列表 4:split(pattern, string, maxsplit=0, flags=0)
# search import re str1 = 'imooc videonum = 1000' print(str1.find('1000')) # 数字改变则失效 17 info = re.search(r'\d+', str1) print(info.group()) 1000 str1 = 'imooc videonum = 10000' info = re.search(r'\d+', str1) print(info.group()) 10000
# findall # 当有多个数字时 str2 = 'a=100, b=200, c=300' info = re.search(r'\d+', str2) print(info.group()) 100 info = re.findall(r'\d+', str2) print(info.group()) [100, 200, 300]
# sub 替换 str3 = 'imooc videonum = 1000' info = re.sub(r'\d+', '1001', str3) print(info) imooc videonum = 1001
# split # 分割 str3 = 'imooc:C C++ Java' print(re.split(r':| ', str4)) [imooc, C, C, Java]
以上即为python中的正则表达式的一些知识总结。
到此这篇关于python正则表达式的文章就介绍到这了,更多相关python正则表达式内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
标签:呼伦贝尔 乌鲁木齐 安庆 呼伦贝尔 银川 葫芦岛 三亚 湘西
巨人网络通讯声明:本文标题《一篇文章彻底搞懂python正则表达式》,本文关键词 一篇,文章,彻底,搞懂,python,;如发现本文内容存在版权问题,烦请提供相关信息告之我们,我们将及时沟通与处理。本站内容系统采集于网络,涉及言论、版权与本站无关。下一篇:python计算分段函数值的方法