Python3正则表达式

Python3 正则表达式

正则表达式是一个特殊的字符序列，它能帮助我们方便的检查一个字符串是否与某种模式匹配。
模式字符串使用特殊的语法来表示一个正则表达式
下面列出了正则表达式模式语法中的特殊元素

模式	含义
^	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}	精确匹配 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,}	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\n
(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	匹配字母数字及下
\W	匹配非字母数字及下划线
\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。

match()和search()的区别

match() 方法只从开始找，开始第一个字符不匹配就找不到了,返回none
search()查找整个字符串，找到第一个为止
示例代码1：

#!/usr/bin/python3

import re

# 使用 match对象  
match = re.match('yhyang','aayhyang正在学习正则表达式')
print(match)     # 最开始匹配不到返回none
输出：
None

match = re.search('yhyang','aayhyang正在学习正则表达式')
print(match.group())  # 直到找到匹配的字符串
输出：
yhyang

示例代码2：

公司主营业务：做网站、网站设计、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。创新互联是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。创新互联推出大丰免费做网站回馈大家。

#!/usr/bin/python3

import re

import re
s = """
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com
"""
target = '\d{4}'                 # \d 匹配数字 {4} 表示4个  代表找到4个数字
target = '\d{4}-\d{4}-\d{3}'
target = '\d{3}-\d{4}-\d{4}'
target = '\d+-\d+-\d+'         #  \d匹配数字，+ 表示1个或多个，search 找到第一个就停下来了
target = '[\d+-?]+'           # ？ 表示后面跟0个或多个   [] 表示一个字符集如：[a-z]查找小写字母
target = '\w{5}@\w{2}.com'    #  \w 匹配字符
match = re.search(target,s)
if match:
    print('找到，',target,s)
    print(match.group())
else:
    print('啥都没找到')

输出：
找到， \w{5}@\w{2}.com 
1234-1234-113
133-1234-2123
125-4567-3456
yhyang@foxmail.com
lilei@qq.com
hmm.lee@google.com
http://baidu.com
https://github.com
http://taobao.com

lilei@qq.com

分组

() 括号分组
| 管道符号匹配多个分组
？选择出现0次或1次
re.x 换行，注释
findall
- 有分组，返回元组列表
- 无分组，返回字符串列表
split
- 返回用正则分割后的列表

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

示例代码1：

#!/usr/bin/python3

import re

regex = re.compile(r'yhyang')  # r 表示raw 原始的
regex.findall('asdfasdfasfyhyang,235346747,yhyang')

输出：
['yhyang', 'yhyang']

示例代码2：

#!/usr/bin/python3

import re

regex = re.compile(r'(yhyang)')         # ()  分割，分组
regex.split('asdfasdfasfyhyang,235346747,yhyang')

输出：
['asdfasdfasf', 'yhyang', ',235346747,', 'yhyang', '']

匹配IP地址

#!/usr/bin/python3
import re

parten = ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
# 2[0-4]\d  匹配 24x  x为0-9
# 25[0-5]  匹配 25x  x为0-5
# [01]?\d\d?  [01]? 匹配0个或是一个0或1，\d？ 表示0个或1个数字
# \.  转义 . 
# {3} 前面的规则匹配3次

# 注意命名 re开头
re_ip = re.compile(r'((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)')
match = re_ip.match('1.2.3.4')
print(match)
print(match.group())

输出：
<_sre.SRE_Match object; span=(0, 7), match='1.2.3.4'>
1.2.3.4
示例代码2：

#!/usr/bin/python3

import re

re_ip = re.compile(r'''
    ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.)  # IP表示一组数字包括后边的点
    {3}                                # 表示3组数字
    (2[0-4]\d|25[0-5]|[01]?\d\d?)      # 最后一组数字
    ''',re.X)                          # 正则可以换行，注释
match = re_ip.match('192.168.3.4')
print(match)
print(match.group())

输出：
<_sre.SRE_Match object; span=(0, 11), match='192.168.3.4'>
192.168.3.4

匹配要不要贪心一点

模式	含义	示例
{m,n}?	对于前一个字符重复m到n次，并取尽可能少的情况	在字符串‘aaaaaa’中，a{2,4}会匹配4个a，但a{2,4}?只会匹配2个a
.*与？的搭配	默认贪心，有多少要多少，？给加上限制，表示非贪心匹配，？把*匹配的字符限制到最少	r'"(.)"'与 r'"(.?)"'

*？重复任意次，但尽可能少重复
+？重复1次或多次，但尽可能少重复
？？重复0次或1次，但尽可能少重复
{n,}？重复n次以上，但尽可能少重复
示例代码1：

#!/usr/bin/python3

import re

# 只匹配双引号中的内容，包括双引号
re_quote = re.compile(r'"(.*)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)

输出：
['no']
['no" Phone says "yes']

示例代码2：

#!/usr/bin/python3

import re

re_quote = re.compile(r'"(.*?)"')
text1 = 'Computer says "no"'
find1 = re_quote.findall(text1)
print(find1)
text2 = 'Computer says "no" Phone says "yes"'
find2 = re_quote.findall(text2)
print(find2)

输出：
['no']
['no', 'yes']

正则替换

示例代码：

#!/usr/bin/python3

import re

s = 'sadfasfasdfasdfyhyangdsafasf2352'
ss = s.replace('yhyang','******')   # 替换
print(ss)

regex = re.compile(r'yhyang') # 生成规则对象
regex.sub('******',s)   # 替换

输出：
sadfasfasdfasdf**dsafasf2352
'sadfasfasdfasdf**dsafasf2352'

下边例子分组标号\1，\2，\3 类似于awk的列分组 $1 ……

示例代码1：

#!/usr/bin/python3

import re

# 通过分组替换字符串格式，mm/dd/yy  -> yy-mm-dd
s = '替换日期格式：10/01/2018,12/25/2018'
re_date = re.compile(r'(\d+)/(\d+)/(\d+)')  # 此处给(\d+)/(\d+)/(\d+)按/分为三组，标号为\1，\2，\3
re_date.sub(r'\3-\1-\2',s)   # 将上边的\1，\2，\3位置按要求重新排列

输出：
'替换日期格式：2018-10-01,2018-12-25'
示例代码2：

#!/usr/bin/python3

import re

# 替换字符串中间的多余空格
s = '      yhyang    正则   python  好难学， 坚持一下吧， 没 几  个了'
s.strip()  # 只去掉最前边的
re_blank = re.compile(r'\s+') # \s 代表空格
re_blank.sub('',s)

输出：
'yhyang正则python好难学，坚持一下吧，没几个了'

文章题目：Python3正则表达式
网页链接：http://azwzsj.com/article/poeggg.html

Python3正则表达式